构建高可用、可扩展的redis集群

单个redis实例无论是存储容量还是请求处理能力最后都会受限于单机的性能,随着数据量和请求量的增长,必然要寻求redis集群的解决方案。在redis推出早期,redis自身并没有集群的方案,但是业界在使用redis的时候有不少集群方案。到了redis 3.0,redis内建了集群方案,称之为redis cluster。集群设计核心是将众多的key分散存放到多个不同的实例上去,另外要考虑的问题就是高可用以及可扩展。

为了实现集群的功能,从服务端、客户端的角度来看,可以分为以下三类:

  • 客户端实现: 典型的是支持一致性哈希的客户端
  • 代理层实现: 典型代表twemproxy、codis
  • redis服务端实现: redis cluster

客户端实现redis集群

在客户端实现redis集群,通常的使用场景是把redis单纯当作简单的缓存来使用,就像使用memcache那样使用redis。一般的策略是使用一致性哈希。实际应用中,在客户端实现redis集群功能并不是一个好方案,它存在维护管理困难的问题,当需要这么做时请考虑在代理层做。

代理层实现redis集群

在redis 3.0推出redis cluster之前,代理层实现redis集群是首选方案,twemproxy和codis是最常见的两个代理。

twemproxy实现redis集群

twemproxy实现redis集群的方案主要通过twemproxy配置里的distribution来控制的,不同的distribution可以适用于不同的场景,比较如下:

项目 ketama modula random
KEY分布 一致性哈希方式将key分布到不同的redis实例上 通过对key的哈希值求模分布到相应的redis实例上 随机分布key
高可用 可以通过开启自动屏蔽失效节点来自动更新一致性哈希环,从而实现依赖一致性哈希的高可用 内建没有对高可用的支持,可以通过外部控制在有节点失效时更新配置并重启 开启自动屏蔽失效节点功能,或同modula
可扩展 直接添加redis节点重启代理即可 只能双倍扩容,数据同步过程中需要重启twemproxy,重启过程中可能丢失一点最新的数据,扩容后各redis实例里会残留垃圾数据,如果未设置超时时间的话需要手工清理 直接添加redis节点重启代理即可
适用场景 缓存使用 缓存或存储使用 队列使用,较少使用
问题 一致性哈希虽然既可以实现高可用也可以实现可扩展,但实际上这两点做的都不够好,在一致性哈希环改变的时候会造成短期的缓存命中率下降,在大量请求的情况下这可能是不可接受的,有可能瞬间把后端数据库击垮;在网络抖动情况下,哈希环可能持续多次改变,这可能会带来脏数据的问题;在有多个代理的时候,还可能因为种种原因导致各代理上哈希环不一致的问题。 高可用需要额外依赖其它组件来实现,可扩展问题上面已提出 较少使用

codis实现redis集群

与twemproxy不一样,codis不单纯是一款代理软件,它包括了好几个组件,不过在这里我们不细讲,只介绍其实现redis集群的基本原理。两个主要的组件是codis-server(redis修改版本)和codis-proxy,codis在逻辑上划分出1024个slot,每个codis-server实例可以拥有多个slot,而key则通过计算哈希值来求模分布到这1024个slot中,codis-proxy知道每个slot位于哪个codis-server里。对高可用的支持codis依赖redis-sentinel,而对可扩展的支持是通过迁移slot到新的codis-server实例上来实现的。

redis cluster

redis cluster原理上和codis差不多,同样是引入了slot的概念,不过redis cluster有16384个slot。redis cluster自身集成了高可用的功能,可扩展也是通过迁移slot来实现的。但是对客户端来说,redis cluster和单个redis实例相比它在请求响应上带来了MOVE/ASK语义,也就意味着之前的redis客户端无法直接获得全部集群功能,需要增加对MOVE/ASK响应的支持才可以访问整个集群。

为了让客户端透明的访问redis cluster,可以在中间加一层代理,predixy是一个不错的选择

方案选择

基于客户端的方案任何时候都要慎重考虑,在此我们不予推荐。

基于twemproxy的方案虽然看起来功能挺全面,但是实际使用中存在的问题同样很多,具体见上述,目前也不推荐再用twemproxy的方案。

codis在redis cluster出来之前应该是最理想的一种redis集群解决方案,但是codis需要采用其自身修改版的redis,因此这和redis社区版本会有差异,因此无法及时跟进redis社区版本更新,而对于那些自己对redis有所改动的用户来讲,那更不便使用codis。同时codis-proxy是go语言编写,在性能方面,尤其是耗时表现损耗较多。

redis cluster自redis 3.0推出以来,目前已经在很多生产环境上得到了应用,目前来讲,构建redis集群,推荐采用redis cluster搭配一款支持redis cluster的代理方案。

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 203,271评论 5 476
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,275评论 2 380
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 150,151评论 0 336
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,550评论 1 273
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,553评论 5 365
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,559评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,924评论 3 395
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,580评论 0 257
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,826评论 1 297
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,578评论 2 320
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,661评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,363评论 4 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,940评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,926评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,156评论 1 259
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,872评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,391评论 2 342

推荐阅读更多精彩内容