Redis Cluster 学习

定义

Redis Cluster 将数据分布到不同的节点当中,以解决Redis使用过程中的容量问题(单个Redis内存无法无限扩充),并发问题(官方称当个Redis可以使用10万并发),高可用问题(部分节点不可达能继续处理命令)。 Redis 集群常常和主从复制结合使用。

分布式数据库 - 数据分区

哈希分区

假如有1~100条数据,按照哈希函数(例如 hash(key)%3),把数据分区到不同的三个数据库

  1. 节点取余分区: hash(key) % nodes。若增加/减少节点,会进行大量数据迁移,例如当前有3个节点,增加了一个节点,按照新的hash(key) % 4进行计算时,很多数据需要进行移动。 建议进行 多倍扩容,例如当前有3个节点,可以扩容到6个节点,减少数据迁移量。节点取余也成为 不一致性哈希。比较适合缓存的场景
  2. 一致性哈希分区
    能保证最小迁移数据,比较适合缓存的场景 - 一致性哈希分区
  3. 虚拟槽分区:Redis cluster采用此种分区方式,预设虚拟槽(slot),每个虚拟槽映射一个数据子集,每个节点管理一定数量的虚拟槽,redis 虚拟槽范围 0 ~ 16383。
    使用分散函数(例如CRC16(keys) % slots )计算出 keys 属于哪个槽,再根据节点所管理的槽的范围,从而确定数据属于哪个节点(节点中共享信息,若一个虚拟槽不属于当前节点,会告诉虚拟操去哪个节点去存储)


    虚拟槽分区.png

顺序分区

假如有1 ~ 100条数据,按照顺序分区规则,可以把1 ~ 33,34 ~ 66,67 ~ 100分区到三个不同的三个数据库

方式对比

分区比较.png

Cluster 架构
cluster架构.png

  1. 通过配置文件 cluster-enabled yes 将一个节点设置为一个集群节点
  2. 节点之间通过gossip协议进行通信,了解彼此的信息
  3. 将虚拟槽指派给上述节点
  4. 客户端通过 CRC16( key ) % 16383 并可知道对应的key应该到哪个虚拟槽的哪个节点进行处理

安装

配置集群节点

  1. cluster-enabled yes # 配置当前节点为集群节点
  2. cluster-config-file nodes-${port}.conf # 配置cluster节点自身配置文件
  3. cluster-node-timeout 15000 # 集群中各个节点相互通讯(ping)时,允许"失联"的最大毫秒数,如果超过这个时间没有得到响应,会认为该节点故障,若节点是主节点,则会进行故障转移
  4. cluster-require-full-coverage yes # 若配置为 yes,则当集群中有节点不可用时,整个集群都不能提供服务,通常设置为 no

通过meet把每个集群节点组合成集群 - 集群发现

  1. cluster meet ip port #当前节点去发现新的集群节点
    发现集群.png

分配槽

  1. cluster addslots slot [slot…] # 为当前节点分配槽
# addslots.sh
# 开始槽
start=$1
# 结束槽
end=$2
# 分配端口
port=$3
for slot in `seq ${start} ${end}`
do
   echo "slot:${slot}"
   redis-cli -p ${port} cluster addslots ${slot}
done

# 分配操作
sh addslots 0 5461 7000
sh addslots 5462 10923 7001
sh addslots 10923 16383 7002

在第二步中配置了6个集群节点,但是只为7000 ~ 7002分配槽,7000 ~ 7002作为master,其余作为slave节点

配置主从关系

  1. cluster replicate node-id # 对 node-id节点进行复制,node-id在集群启动时会进行分配。
  2. cluster nodes # 查看node-id
    配置主从关系.png

Ruby配置集群 -除了上述安装方式,官方提供了脚本进行快速集群配置

扩展

  1. Gossip 协议:所有节点都保存了一份元数据,当节点发生伸缩或更新时,会将最新的元数据信息传播给所有节点。 - gossip协议
    Redis 使用Gossip协议时采用了meet,ping,pong,fail消息进行通信
    gossip协议.png

参考链接

[1] https://blog.csdn.net/makyan/article/details/104798725
[2] https://www.jianshu.com/p/8279d6fd65bb
[3] https://coding.imooc.com/class/151.html

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 202,100评论 5 474
  • 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 84,862评论 2 378
  • 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 148,993评论 0 335
  • 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 54,309评论 1 272
  • 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 63,303评论 5 363
  • 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 48,421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 37,830评论 3 393
  • 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 36,501评论 0 256
  • 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 40,689评论 1 295
  • 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 35,506评论 2 318
  • 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 37,564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 33,286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 38,826评论 3 305
  • 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 29,875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 31,114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 42,705评论 2 348
  • 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 42,269评论 2 341

推荐阅读更多精彩内容

  • Redis Cluster Redis Cluster是Redis官方在Redis 3.0版本正式推出的高可用以及...
    Springlin阅读 3,767评论 1 5
  • Redis集群 Redis数据分区 思考: 主从复制是通过将master上的数据全量的复制到一个或多个节点上,这是...
    javap阅读 1,392评论 0 6
  • 前面我们介绍了国人自己开发的Redis集群方案——Codis,Codis友好的管理界面以及强大的自动平衡槽位的功能...
    Jackeyzhe阅读 2,060评论 0 3
  • 1 概要介绍 1.1 应用场景 缓存:相对静态、或变化缓慢的数据,可以利用缓存降低数据库IO压力,提升性能 分布式...
    可笑可乐阅读 9,281评论 4 5
  • 为什么需要集群? 高并发: 大数据: 集群分区方式数据分区顺序分区哈希分区节点取余分区客户端分片:进行哈希+取余节...
    黄金矿工00七阅读 1,319评论 0 2