初始Redis && 分布式结构的发展演变

本是古典何须时尚 2024-02-21 10:34 5阅读 0赞

**目录**

Redis的特点和使用场景

分布式系统的引入

单机系统

分布式系统

应用服务器的增多（处理更多的请求）

数据库读写分离（数据服务器的增多)

引入缓存

应对更大的数据量

业务拆分：微服务

--------------------

## Redis的特点和使用场景 ##

我们先来回顾下我们之前学过的MySQL

mysql的数据是存储到硬盘上的，他的读取速度比较慢，但是容量大

而Redis则是使用了内存，数据是在内存上，读取速度比较快，但是容量小。

这里补充一点：

我们一开始学习编程，所了解的变量是存储找内存中。那么既然都是存储到内存中，我们干嘛还要弄一个Redis呢？

**是这样的——Redis主要是用在分布式系统上的，他可以实现各个进程间数据的通讯，共享，甚至不同主机上的进程间数据的互相访问**

## 分布式系统的引入 ##

### 单机系统 ###

下面是一个单机架构，只有一台服务器，这个服务器负责处理所有的事情

![a08261079d514bbcbe1077d45bd286ab.png][]我们之前写的java--web类项目，属于是HTTP服务器（处理前端发来的请求）

对与数据来说

我们上面所说的web程序，springboot属于是HTTP服务器（属于Mysql的客户端）, 向Mysql服务器发生请求（查询数据）

而MySQL是一个客户端服务器结构的程序，是作为数据的服务器，他的本体就是Mysql服务器（用来存储和组织数据）

![2f34b5923ba2471fad87ae2e226164c3.png][]

### 分布式系统 ###

![2ecf26717bf04f55ad1e4498df3eb4ac.png][]

虽然对于现在的计算机硬件来说，哪怕只有一台主机，这一台主机也是可以支持非常高的并发 & 非常大的数据存储。

**但是如果业务进一步增长，用户量和数据量继续增多，当一台主机难以应付的时候，就需要引入更多的主机，引入更多的硬件资源**

**一旦引入了多台主机，咱们的系统就可以称为是分布式系统**

![9299ab48250a40b3adc8a156eb0fa609.png][]

上面就是一个最简单的分布式的结构——应用服务和数据库服务分离

#### 应用服务器的增多（处理更多的请求） ####

> **但是因为应用服务器可能会比较吃CPU和内存。**
> 
> **比如要同时要处理的应用请求过多，把CPU和内存给吃没了，就会出现相应的问题**
> 
> 这个时候，我们就需要引入更多的应用服务器，来解决上述问题

![96e47b552b214db9817379594f2cc9c3.png][]

> **这里的应用服务器，可能是两个，也可能是多个。用户的请求先到达负载均衡器/网关服务器，将任务分配给下面的多个应用服务器**

这里我们介绍下负载均衡器

> **负载均衡器的请求承受能力，大大高于应用服务器。（负载均衡服务器主要用于任务的分配，分配任务一般不会消耗太多的资源，任务的执行——也就是应用服务器消耗的资源会多一些）**
> 
> 当然如果系统的请求实在太多，负载均衡器的压力也过大的时候，我们这里可以引入更多的负载均衡服务器来承受这增多的访问量

这里需要注意的是，当我们的服务器增多了后，管理成本也会变高，系统也变得越来越复杂，出现问题的概率也随之提升

#### 数据库读写分离（数据服务器的增多) ####

![a9fb834ad5294a13b6815a7653cd3ebd.png][]

![d03a440479574d9885ccd6e605fe8e31.png][]

这里面有一个主从结构

![e009512fab1f45aca47aba7178b24099.png][]

> 在实际应用场景中，读的频率是比写的频率要高的
> 
> 那么我们就可以有多个从服务器——**一主多从**

#### **引入缓存** ####

**数据库天然有一个问题，相应速度是相对更慢的**

为了解决这个问题，我们可以把数据区分 ”冷热“， 热点数据（使用频繁的数据）放到缓存中，缓存的访问速度往往要比数据库要快很多！！！

![9e6ee136a8d7427e9a6682325125674f.png][]

**我们的redis主要就是应用在缓存中，虽然存的数据少，但速度快（存的也都是热点数据）**

> 另外因为二八原则， 缓存服务器中的热点数据可以应对80%以上的请求。因此缓存服务器的使用，不仅提高了访问速度，还缓解了其他数据服务器的压力。

虽然引入缓存这样的好处，但同时也会带来一些问题，比如数据一致性（数据同步）问题。

#### 应对更大的数据量 ####

我们上面不管是引入更多的应用服务器，还是数据库读写分离、引入缓存，都是为了应对更高的请求量。**但是对于一个完善的系统来说我们不光要能够去应对更高的请求量，也还要能够应对更大的数据量**

![62d56c163199465ea4c2dd94d45be46f.png][]

#### 业务拆分：微服务 ####

> **随着⼈员增加，业务发展，我们将业务分给不同的开发团队去维护，每个团队独⽴实现⾃⼰的微服务，然后互相之间对数据的直接访问进⾏隔离，可以利⽤Gateway、消息总线等技术，实现相互之间的调⽤关联**。甚⾄可以把⼀些类似⽤⼾管理、安全管理、数据采集等业务提成公共服务  
> ![79685886307e458596e37b48caebb105.png][]

[a08261079d514bbcbe1077d45bd286ab.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/21/760e0fc45cbe43bf8230fc0f804224ec.png
[2f34b5923ba2471fad87ae2e226164c3.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/21/bb219074b03f487e9e6dc7353e7f86b8.png
[2ecf26717bf04f55ad1e4498df3eb4ac.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/21/18478c684df6481e942f1eaa20803ccf.png
[9299ab48250a40b3adc8a156eb0fa609.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/21/277e2de7755041e1839ffee5420527b4.png
[96e47b552b214db9817379594f2cc9c3.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/21/1131f0785d394d98bea9dfbdaa4f5110.png
[a9fb834ad5294a13b6815a7653cd3ebd.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/21/136e4466a866493f876c8d21488c547c.png
[d03a440479574d9885ccd6e605fe8e31.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/21/c36bb51b5c59455a91c49731670091b2.png
[e009512fab1f45aca47aba7178b24099.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/21/6eac9ab327d94e59be337d3a691c9bad.png
[9e6ee136a8d7427e9a6682325125674f.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/21/3c9e2f2c07314fcbb04e43b9ca0097c0.png
[62d56c163199465ea4c2dd94d45be46f.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/21/0525dbfb74da4fc9852d9a4249be2085.png
[79685886307e458596e37b48caebb105.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/21/dfc91bf8cde846ea8a4c67aceec7d3a5.png