分布式缓存

港控/mmm° 2024-03-23 15:04 87阅读 0赞

## 分布式缓存 ##

– 基于Redis集群解决单机Redis存在的问题

## 1.Redis持久化 ##

Redis有两种持久化方案：

*  RDB持久化
 *  AOF持久化

### 1.1.RDB持久化 ###

RDB全称Redis Database Backup file（Redis数据备份文件），也被叫做Redis数据快照。简单来说就是**把内存中的所有数据**都记录到磁盘中。当Redis实例故障重启后，从磁盘读取快照文件，恢复数据。快照文件称为RDB文件，默认是保存在当前运行目录。

#### 1.1.1.执行时机 ####

RDB持久化在四种情况下会执行：

*  执行save命令
 *  执行bgsave命令
 *  Redis停机时
 *  触发RDB条件时

**1）save命令**

执行下面的命令，可以立即执行一次RDB：

save命令会导致主进程执行RDB，这个过程中其它所有命令都会被阻塞。只有在数据迁移时可能用到。

**2）bgsave命令**

下面的命令可以异步执行RDB：

这个命令执行后会开启独立进程完成RDB，主进程可以持续处理用户请求，不受影响。

**3）停机时**

Redis停机时会执行一次save命令，实现RDB持久化。

**4）触发RDB条件**

Redis内部有触发RDB的机制，可以在redis.conf文件中找到，格式如下：

# 900秒内，如果至少有1个key被修改，则执行bgsave ， 如果是save "" 则表示禁用RDB
    save 900 1  
    save 300 10  
    save 60 10000 
    ``
    
    
    RDB的其它配置也可以在redis.conf文件中设置：
    
    ```properties
    # 是否压缩 ,建议不开启，压缩也会消耗cpu，磁盘的话不值钱
    rdbcompression yes
    
    # RDB文件名称
    dbfilename dump.rdb  
    
    # 文件保存的路径目录
    dir ./

#### 1.1.2.RDB原理 ####

bgsave开始时会fork主进程得到子进程，子进程共享主进程的内存数据。完成fork后读取内存数据并写入 RDB 文件。

fork采用的是copy-on-write技术：

*  当主进程执行读操作时，访问共享内存；
 *  当主进程执行写操作时，则会拷贝一份数据，执行写操作。

#### 1.1.3.小结 ####

RDB方式bgsave的基本流程

*  fork主进程得到一个子进程，共享内存空间
 *  子进程读取内存数据并写入新的RDB文件
 *  用新RDB文件替换旧的RDB文件

RDB会在什么时候执行？save 60 1000代表什么含义？

*  默认是服务停止时
 *  代表60秒内至少执行1000次修改则触发RDB

RDB的缺点

*  RDB执行间隔时间长，两次RDB之间写入数据有丢失的风险
 *  fork子进程、压缩、写出RDB文件都比较耗时

### 1.2.AOF持久化 ###

#### 1.2.1.AOF原理 ####

AOF全称为Append Only File（追加文件）。Redis处理的每一个写命令都会记录在AOF文件，可以看做是命令日志文件。

#### 1.2.2.AOF配置 ####

AOF默认是关闭的，需要修改redis.conf配置文件来开启AOF：

# 是否开启AOF功能，默认是no
    appendonly yes
    # AOF文件的名称
    appendfilename "appendonly.aof"

AOF的命令记录的频率也可以通过redis.conf文件来配：

# 表示每执行一次写命令，立即记录到AOF文件
    appendfsync always 
    # 写命令执行完先放入AOF缓冲区，然后表示每隔1秒将缓冲区数据写到AOF文件，是默认方案
    appendfsync everysec 
    # 写命令执行完先放入AOF缓冲区，由操作系统决定何时将缓冲区内容写回磁盘
    appendfsync no

#### 1.2.3.AOF文件重写 ####

因为是记录命令，AOF文件会比RDB文件大的多。而且AOF会记录对同一个key的多次写操作，但只有最后一次写操作才有意义。通过执行bgrewriteaof命令，可以让AOF文件执行重写功能，用最少的命令达到相同效果。

\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-yl5nc05w-1681919435409)(assets/image-20210725151729118.png)\]

如图，AOF原本有三个命令，但是`set num 123 和 set num 666`都是对num的操作，第二次会覆盖第一次的值，因此第一个命令记录下来没有意义。

所以重写命令后，AOF文件内容就是：`mset name jack num 666`

Redis也会在触发阈值时自动去重写AOF文件。阈值也可以在redis.conf中配置：

# AOF文件比上次文件 增长超过多少百分比则触发重写
    auto-aof-rewrite-percentage 100
    # AOF文件体积最小多大以上才触发重写 
    auto-aof-rewrite-min-size 64mb

### 1.3.RDB与AOF对比 ###

RDB和AOF各有自己的优缺点，如果对数据安全性要求较高，在实际开发中往往会**结合**两者来使用。

## 2.Redis主从 ##

### 2.1.搭建主从架构 ###

单节点Redis的并发能力是有上限的，要进一步提高Redis的并发能力，就需要搭建主从集群，实现读写分离。

### 2.2.主从数据同步原理 ###

#### 2.2.1.全量同步 ####

主从第一次建立连接时，会执行**全量同步**，将master节点的所有数据都拷贝给slave节点，流程：

*  **Replication Id**：简称replid，是数据集的标记，id一致则说明是同一数据集。每一个master都有唯一的replid，slave则会继承master节点的replid
 *  **offset**：偏移量，随着记录在repl\_baklog中的数据增多而逐渐增大。slave完成同步时也会记录当前同步的offset。如果slave的offset小于master的offset，说明slave数据落后于master，需要更新。

因此slave做数据同步，必须向master声明自己的replication id 和offset，master才可以判断到底需要同步哪些数据。

因为slave原本也是一个master，有自己的replid和offset，当第一次变成slave，与master建立连接时，发送的replid和offset是自己的replid和offset。

master判断发现slave发送来的replid与自己的不一致，说明这是一个全新的slave，就知道要做全量同步了。

master会将自己的replid和offset都发送给这个slave，slave保存这些信息。以后slave的replid就与master一致了。

因此，**master判断一个节点是否是第一次同步的依据，就是看replid是否一致**。

完整流程描述：

*  slave节点请求增量同步
 *  master节点判断replid，发现不一致，拒绝增量同步
 *  master将完整内存数据生成RDB，发送RDB到slave
 *  slave清空本地数据，加载master的RDB
 *  master将RDB期间的命令记录在repl\_baklog，并持续将log中的命令发送给slave
 *  slave执行接收到的命令，保持与master之间的同步

#### 2.2.2.增量同步 ####

全量同步需要先做RDB，然后将RDB文件通过网络传输个slave，成本太高了。因此除了第一次做全量同步，其它大多数时候slave与master都是做**增量同步**。

#### 2.2.3.repl\_backlog原理 ####

master怎么知道slave与自己的数据差异在哪里呢?

这就要说到全量同步时的repl\_baklog文件了。

这个文件是一个固定大小的数组，只不过数组是环形，也就是说**角标到达数组末尾后，会再次从0开始读写**，这样数组头部的数据就会被覆盖。

repl\_baklog中会记录Redis处理过的命令日志及offset，包括master当前的offset，和slave已经拷贝到的offset：

slave与master的offset之间的差异，就是salve需要增量拷贝的数据了。

随着不断有数据写入，master的offset逐渐变大，slave也不断的拷贝，追赶master的offset：

直到数组被填满：

此时，如果有新的数据写入，就会覆盖数组中的旧数据。不过，旧的数据只要是绿色的，说明是已经被同步到slave的数据，即便被覆盖了也没什么影响。因为未同步的仅仅是红色部分。

但是，如果slave出现网络阻塞，导致master的offset远远超过了slave的offset：

如果master继续写入新数据，其offset就会覆盖旧的数据，直到将slave现在的offset也覆盖：

棕色框中的红色部分，就是尚未同步，但是却已经被覆盖的数据。此时如果slave恢复，需要同步，却发现自己的offset都没有了，无法完成增量同步了。只能做全量同步。

### 2.3.主从同步优化 ###

主从同步可以保证主从数据的一致性，非常重要。

可以从以下几个方面来优化Redis主从就集群：

*  在master中配置repl-diskless-sync yes启用无磁盘复制，避免全量同步时的磁盘IO。
 *  Redis单节点上的内存占用不要太大，减少RDB导致的过多磁盘IO
 *  适当提高repl\_baklog的大小，发现slave宕机时尽快实现故障恢复，尽可能避免全量同步
 *  限制一个master上的slave节点数量，如果实在是太多slave，则可以采用主-从-从链式结构，减少master压力

### 2.4.小结 ###

全量同步和增量同步区别

*  全量同步：master将完整内存数据生成RDB，发送RDB到slave。后续命令则记录在repl\_baklog，逐个发送给slave。
 *  增量同步：slave提交自己的offset到master，master获取repl\_baklog中从offset之后的命令给slave

什么时候执行全量同步

*  slave节点第一次连接master节点时
 *  slave节点断开时间太久，repl\_baklog中的offset已经被覆盖时

什么时候执行增量同步？

*  slave节点断开又恢复，并且在repl\_baklog中能找到offset时

## 3.Redis哨兵 ##

Redis提供了哨兵（Sentinel）机制来实现主从集群的自动故障恢复。

### 3.1.哨兵原理 ###

#### 3.1.1.集群结构和作用 ####

哨兵的结构如图：

哨兵的作用如下：

*  **监控**：Sentinel 会不断检查您的master和slave是否按预期工作
 *  **自动故障恢复**：如果master故障，Sentinel会将一个slave提升为master。当故障实例恢复后也以新的master为主
 *  **通知**：Sentinel充当Redis客户端的服务发现来源，当集群发生故障转移时，会将最新信息推送给Redis的客户端

#### 3.1.2.集群监控原理 ####

Sentinel基于心跳机制监测服务状态，每隔1秒向集群的每个实例发送ping命令：

•主观下线：如果某sentinel节点发现某实例未在规定时间响应，则认为该实例**主观下线**。

•客观下线：若超过指定数量（quorum）的sentinel都认为该实例主观下线，则该实例**客观下线**。quorum值最好超过Sentinel实例数量的一半。

#### 3.1.3.集群故障恢复原理 ####

一旦发现master故障，sentinel需要在salve中选择一个作为新的master，选择依据是这样的：

*  首先会判断slave节点与master节点断开时间长短，如果超过指定值（down-after-milliseconds \* 10）则会排除该slave节点
 *  然后判断slave节点的slave-priority值，越小优先级越高，如果是0则永不参与选举
 *  如果slave-prority一样，则判断slave节点的offset值，越大说明数据越新，优先级越高
 *  最后是判断slave节点的运行id大小，越小优先级越高。

当选出一个新的master后，实现切换:

*  sentinel给备选的slave1节点发送slaveof no one命令，让该节点成为master
 *  sentinel给所有其它slave发送slaveof 192.168.150.101 7002 命令，让这些slave成为新master的从节点，开始从新的master上同步数据。
 *  最后，sentinel将故障节点标记为slave，当故障节点恢复后会自动成为新的master的slave节点

#### 3.1.4.小结 ####

Sentinel的三个作用

*  监控
 *  故障转移
 *  通知

Sentinel如何判断一个redis实例是否健康

*  每隔1秒发送一次ping命令，如果超过一定时间没有相向则认为是主观下线
 *  如果大多数sentinel都认为实例主观下线，则判定服务下线
 *  首先选定一个slave作为新的master，执行slaveof no one
 *  然后让所有节点都执行slaveof 新master
 *  修改故障节点配置，添加slaveof 新master

### 3.2.搭建哨兵集群 ###

百度…

### 3.3.RedisTemplate ###

在Sentinel集群监管下的Redis主从集群，其节点会因为自动故障转移而发生变化，Redis的客户端必须感知这种变化，及时更新连接信息。Spring的RedisTemplate底层利用lettuce实现了节点的感知和自动切换。

#### 3.3.2.引入依赖 ####

在项目的pom文件中引入依赖：

<dependency>
        <groupId>org.springframework.boot</groupId>
        <artifactId>spring-boot-starter-data-redis</artifactId>
    </dependency>

#### 3.3.3.配置Redis地址 ####

然后在配置文件application.yml中指定redis的sentinel相关信息：

spring:
      redis:
        sentinel:
          master: mymaster
          nodes:
            - 192.168.150.101:27001
            - 192.168.150.101:27002
            - 192.168.150.101:27003

#### 3.3.4.配置读写分离 ####

在项目的启动类中，添加一个新的bean：

@Bean
    public LettuceClientConfigurationBuilderCustomizer clientConfigurationBuilderCustomizer(){
        
        return clientConfigurationBuilder -> clientConfigurationBuilder.readFrom(ReadFrom.REPLICA_PREFERRED);
    }

这个bean中配置的就是读写策略，包括四种：

*  MASTER：从主节点读取
 *  MASTER\_PREFERRED：优先从master节点读取，master不可用才读取replica
 *  REPLICA：从slave（replica）节点读取
 *  REPLICA \_PREFERRED：优先从slave（replica）节点读取，所有的slave都不可用才读取master

## 4.Redis分片集群 ##

### 4.1.搭建分片集群 ###

主从和哨兵可以解决高可用、高并发读的问题。但是依然有两个问题没有解决：

*  海量数据存储问题
 *  高并发写的问题

分片集群特征：

*  集群中有多个master，每个master保存不同数据
 *  每个master都可以有多个slave节点
 *  master之间通过ping监测彼此健康状态
 *  客户端请求可以访问集群任意节点，最终都会被转发到正确节点

### 4.2.散列插槽 ###

#### 4.2.1.插槽原理 ####

Redis会把每一个master节点映射到0~16383共16384个插槽（hash slot）上，查看集群信息时就能看到：

数据key不是与节点绑定，而是与插槽绑定。redis会根据key的有效部分计算插槽值，分两种情况：

*  key中包含"\{\}"，且“\{\}”中至少包含1个字符，“\{\}”中的部分是有效部分
 *  key中不包含“\{\}”，整个key都是有效部分

例如：key是num，那么就根据num计算，如果是\{test\}num，则根据test计算。计算方式是利用CRC16算法得到一个hash值，然后对16384取余，得到的结果就是slot值。

\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-HnNzikh6-1681919435434)(assets/image-20210725155850200.png)\]

如图，在7001这个节点执行set a 1时，对a做hash运算，对16384取余，得到的结果是15495，因此要存储到103节点。

到了7003后，执行`get num`时，对num做hash运算，对16384取余，得到的结果是2765，因此需要切换到7001节点

#### 4.2.1.小结 ####

Redis如何判断某个key应该在哪个实例？

*  将16384个插槽分配到不同的实例
 *  根据key的有效部分计算哈希值，对16384取余
 *  余数作为插槽，寻找插槽所在实例即可

如何将同一类数据固定的保存在同一个Redis实例？

*  这一类数据使用相同的有效部分，例如key都以\{typeId\}为前缀

### 4.3.集群伸缩 ###

redis-cli --cluster提供了很多操作集群的命令，可以通过下面方式查看：

比如，添加节点的命令

#### 4.3.1.需求分析 ####

需求：向集群中添加一个新的master节点，并向其中存储 num = 10

*  启动一个新的redis实例，端口为7004
 *  添加7004到之前的集群，并作为一个master节点
 *  给7004节点分配插槽，使得num这个key可以存储到7004实例

这里需要两个新的功能：

*  添加一个节点到集群中
 *  将部分插槽分配到新插槽

#### 4.3.2.创建新的redis实例 ####

创建一个文件夹：

mkdir 7004

拷贝配置文件：

cp redis.conf /7004

修改配置文件：

sed /s/6379/7004/g 7004/redis.conf

启动

redis-server 7004/redis.conf

#### 4.3.3.添加新节点到redis ####

添加节点的语法如下：

执行命令：

redis-cli --cluster add-node  192.168.150.101:7004 192.168.150.101:7001

通过命令查看集群状态：

redis-cli -p 7001 cluster nodes

#### 4.3.4.转移插槽 ####

百度

### 4.4.故障转移 ###

#### 4.4.1.自动故障转移 ####

当集群中有一个master宕机会发生什么呢？

直接停止一个redis实例，例如7002：

redis-cli -p 7002 shutdown

1）首先是该实例与其它实例失去连接

2）然后是疑似宕机：

3）最后是确定下线，自动提升一个slave为新的master：

4）当7002再次启动，就会变为一个slave节点了：

#### 4.4.2.手动故障转移 ####

利用cluster failover命令可以手动让集群中的某个master宕机，切换到执行cluster failover命令的这个slave节点，实现无感知的数据迁移。

这种failover命令可以指定三种模式：

*  缺省：默认的流程，如图1~6歩
 *  force：省略了对offset的一致性校验
 *  takeover：直接执行第5歩，忽略数据一致性、忽略master状态和其它master的意见

1）利用redis-cli连接7002这个节点

2）执行cluster failover命令

### 4.5.RedisTemplate访问分片集群 ###

RedisTemplate底层同样基于lettuce实现了分片集群的支持，而使用的步骤与哨兵模式基本一致：

1）引入redis的starter依赖

2）配置分片集群地址

3）配置读写分离

与哨兵模式相比，其中只有分片集群的配置方式略有差异，如下：

spring:
      redis:
        cluster:
          nodes:
            - 192.168.150.101:7001
            - 192.168.150.101:7002
            - 192.168.150.101:7003
            - 192.168.150.101:8001
            - 192.168.150.101:8002
            - 192.168.150.101:8003

，切换到执行cluster failover命令的这个slave节点，实现无感知的数据迁移。其流程如下：