单点Redis的问题：

数据丢失问题：实现Redis数据持久化
并发能力问题：搭建主从集群，实现读写分离
故障恢复问题：利用Redis哨兵，实现健康检测和自动恢复
存储能力问题：搭建分片集群，利用插槽机制实现动态扩容

一、Redis持久化

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。

RDB是redis默认的持久化方式，按照一定的时间间隔将内存的数据以快照的形式保存到硬盘，恢复时将快照读取到内存中。RDB持久化有两种：

一种是save，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redis停机之前，进行一次save，完成持久化，或者是在数据迁移时才可能用到。
一种是bgsave，这个命令执行后会开启一个独立子进程完成RDB，主进程可以持续处理用户请求，不受影响。子进程共享主进程的内存数据（不是复制数据，是复制页表–即虚拟内存和物理内存之间的对应关系）。完成fork后读取内存数据并写入新的 RDB 文件，写完后替换旧文件，用二进制压缩存储。

fork时采用的是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。
Redis内部有触发RDB的机制，可以在redis.conf文件中找到，格式如下：
1
2
3
4
5
6
# 900秒内，如果至少有1个key被修改，则执行bgsave save 900 1 save 300 10 save 60 10000 # 如果是save "" 则表示禁用RDB

RDB的其它配置也可以在redis.conf文件中设置：

# 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 ./

优点：

适合对大规模的数据恢复，比AOF的启动效率高
只有一个文件 dump.rdb，方便持久化
性能最大化，在开始持久化时，它唯一需要做的只是fork出子进程，之后再由子进程完成这些持久化的工作，这样就可以极大的避免服务进程执行IO操作了。

缺点：

数据安全性低，RDB执行间隔时间长，两次RDB之间写入数据有丢失的风险（在下一次RDB之前就宕机，会丢失最后一次快照的修改）
fork子进程、压缩、写出RDB文件都比较耗时。由于RDB是通过fork子进程来协助完成数据持久化工作的，因此当数据集较大时，可能会导致整个服务器停止服务几百毫秒，甚至是1秒钟。

2. AOF持久化

AOF全称为Append Only File（追加文件）。

AOF持久化以日志的形式记录Redis处理的每一个写和删除的命令都会以文本方式记录在AOF文件（不记录查询操作），可以看做是命令日志文件，可以打开文件看到详细的操作记录。

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，有三种策略

appendfsync always ：表示每执行一次写命令，立即记录到AOF文件。这是主进程的操作，虽然能够保证不丢失数据，但影响性能
appendfsync everysec ：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。可能会丢失数据，就是这1s内万一宕机了会丢失1s数据。
appendfsync no：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

配置项	刷盘时机	优点	缺点
Always	同步刷盘	可靠性高，几乎不丢数据	性能影响大
everysec	每秒刷盘	性能适中	最多丢失1秒数据
no	操作系统控制	性能最好	可靠性较差，可能丢失大量数据

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。

set num 123
set name jack
set num 666
--------------执行bgrewriteaof后------------------------
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

3. RDB和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。

	RDB	AOF
持久化方式	定时对整个内存做快照	记录每一次执行的命令
数据完整性	不完整，两次备份之间会丢失	相对完整，取决于刷盘策略
文件大小	会有压缩，文件体积小	记录命令，文件体积很大
宕机恢复速度	很快	慢
数据恢复优先级	低，因为数据完整性不如AOF	高，因为数据完整性更高
系统资源占用	高，大量CPU和内存消耗	低，主要是磁盘IO资源但AOF重写时会占用大量CPU和内存资源
使用场景	可以容忍数分钟的数据丢失，追求更快的启动速度	对数据安全性要求较高

总结：可以容忍数分钟的数据丢失，追求更快的启动速度选择RDB；对数据安全性要求较高选择AOF

二、Redis主从

1. 主从架构模型

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。

主节点：master 从节点：slave/replica

注意写操作只能去主节点，读操作可以去从节点，实现读写分离，主节点和从节点之间的数据会保持同步

搭建主从架构redis，具体搭建流程参考课前资料《Redis集群.md》，核心命令为

1	`在B节点执行命令：slaveof A的IP A的port`

2. 数据同步原理

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：

这里有一个问题，master如何得知salve是第一次来连接呢？？

有几个概念，可以作为判断依据：

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。

如图：

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 增量同步

全量同步需要先做RDB，然后将RDB文件通过网络传输给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。

主从第一次同步是全量同步，但如果slave重启后同步，则执行增量同步

什么是增量同步？就是只更新slave与master存在差异的部分数据。如图：

那么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，直到数组快被填满。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。

即repl_baklog大小有上限，写满后会覆盖最早的数据。如果slave断开时间过久，导致尚未备份的数据被覆盖，则无法基于log做增量同步，只能再次全量同步。

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（直接把信息通过网络流发送，避开磁盘读写这个环节，因为磁盘IO速度一般都是比较慢的，适用于磁盘慢，网络快的场景），避免全量同步时的磁盘IO，提高全量同步的性能。
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，提高全量同步的性能。
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

4. 小结

简述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

三、Redis哨兵

slave节点宕机恢复后可以找master节点同步数据，那master节点宕机怎么办？

1. 哨兵结构和作用

Redis提供了哨兵（Sentinel）机制来实现主从集群的自动故障恢复。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

2. 哨兵监控原理

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。（投票机制）

3. 故障恢复步骤和原理

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，该如何实现切换呢？

流程如下：

sentinel给备选的slave1节点（假设其是7002端口）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

注意选择好新的 master 之后，一个哨兵节点完成恢复工作即可，不用麻烦所有的哨兵节点

4. RedisTemplate的哨兵模式

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。

在Spring项目中，我们应该导入redis的starter依赖并在配置文件application.yml中指定sentinel相关信息，这里不能配置主从节点的信息，因为主从节点是会变化的，但是哨兵节点不会，所以我们配置哨兵节点信息

spring:
	redis:
		sentinel:
			master: mymaster # 指定master名称
			nodes: # 指定redis-sentinel集群信息
				- 192.168.150.101:27001
				- 192.168.150.101:27002
				- 192.168.150.101:27003

配置好之后，如果主机从机发生故障，主从模式和哨兵机制会自动帮助恢复主机从机，就不用我们做什么了

当然了还需要配置主从读写分离，让读操作只能去从节点，写操作只能去主节点

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

这里的ReadFrom是配置Redis的读取策略，是一个枚举，包括下面选择：

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

很显然选择第四个，更符合我们的要求

至于具体的演示，视频里讲的很清楚，redis底层确实能够保证主从节点的安全。

四、Redis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

1. 分片集群

使用分片集群可以解决上述问题，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（不使用哨兵机制）
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

2. 散列插槽

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{itcast}num，则根据itcast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。

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

比如在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7003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（set num时放到了7001里）

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

3. 集群伸缩

帮助命令，会出现很多和集群相关的命令，这样不用死记硬背

1	`redis-cli --cluster help`

所谓的集群伸缩其实就是给集群添加或者删除节点

1	`redis-cli --cluster add-node 添加的节点ip [可选的ip]`

可选 ip 写了即代表前面的ip是后面这个ip的从机，否则前面的ip自己就是主机

通过命令查看集群状态：

1	`redis-cli -p 7001 cluster nodes`

光加入主机没用，因为上面没有插槽，数据是跟着插槽走的，所以要给新加入的主机分配插槽，还是可以去查看帮助命令，这里就直接写了

1	`redis-cli --cluster reshard 待减少插槽的主机ip`

然后redis会问移动多少个插槽，移到哪个主机ip（复制新加入主机的id即可），还会询问你的插槽是从哪里移动过来的？填写待减少插槽的主机的id即可

整个过程如果以后要用到看视频回顾即可，总之记住分片集群是可伸缩的，但数据是跟着插槽走的

4. 故障转移

分片集群不使用哨兵机制，但也能实现故障转移的功能

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

（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：

4.2 手动故障转移

涉及到设备升级，因此需要手动实现故障转移

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。

略

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: # 变化点
      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

其他与哨兵机制一样

Redis

Redis：06.Redis的持久化与集群

http://jswanyu.github.io/2022/06/28/Redis/Redis：06.Redis的持久化与集群/

作者

万宇

发布于

2022年6月28日

许可协议

RabbitMQ基础和进阶使用上一篇

项目：商户点评项目下一篇