Redis Cluster集群应用与原理

与memcached客户端支持分布式方案不同，Redis更倾向于在服务端构建分布式存储。

Redis分布式集群架构

Redis分布式集群

Redis Cluster是个实现了分布式且允许单点故障的Redis高级版本：

无中心节点，具有线性可伸缩的功能
节点与节点间通过二进制协议进行通信，节点与客户端之间通过ascii协议进行通信
数据放置策略上，Redis Cluster将整个key的数值域分成4096个hash槽，每个节点上可以存储一个或多个hash槽，也就是说当前Redis Cluster支持的最大节点数就是4096

Redis Cluster使用的分布式算法也很简单：

代码语言：javascript复制

crc16( key ) % HASH_SLOTS_NUMBER

整体设计可总结为：

数据hash分布在不同的Redis节点实例上
M/S的切换采用Sentinel
写：只会写master Instance，从sentinel获取当前的master Instance
读：从Redis Node中基于权重选取一个Redis Instance读取，失败/超时则轮询其他Instance；Redis本身就很好的支持读写分离，在单进程的I/O场景下，可以有效的避免主库的阻塞风险
通过RPC服务访问，RPC server端封装了Redis客户端，客户端基于Jedis开发

在数据一致性问题上，Redis没有提供CAS操作命令来保障高并发场景下的数据一致性问题，不保证强一致性。

1 数据分布算法

决定了在多master节点时，数据如何分布到这些节点。

自动将数据分片，每个master放部分数据
提供内置的高可用，部分master不可用时，还可继续工作

Redis cluster下，每个Redis要开放两个端口，比如：

一个是6379
另一个就是加10000的端口号16379 16379端口用于节点间通信，即cluster bus集群总线。

cluster bus的通信，用来故障检测，配置更新，故障转移授权。cluster bus用另一种二进制协议 - gossip，用于节点间高效数据交换，占用更少网络带宽和处理时间。

1.1 hash

计算指定 key 的 hash值，然后对节点数量(3)取模。0、1、2三个结果打到对应mater node。一个mater宕机，所有请求过来，会发现都基于最新的2个master取模，尝试去取数据。导致大部分请求无法拿到有效缓存，流量涌入DB。

高井发场景下不可接受。并发下对节点3的流量无法走缓存，导致全部走DB，DB就会被压垮。任一master宕机，大量数据就需重新计算再写入缓存。某mater宕机，就导致数据全部失效。全部要重新对剩下2台master取模，再分布到其它节点。

1.2 一致性hash

自动缓存迁移、自动负载均衡。

可能集中在某个hash区间值多，导致大量数据涌入同个master，造成master热点问题，导致性能瓶颈。

同样是计算指定 key 的 hash值，然后用hash值在圆环对应各点(每点都有个hash值)对比，看hash值该落在这圆环的哪个部位。 key落在圆环后，顺时针寻找距离自己最近节点。

一致性hash算法保证任一master宕机，只有之前在那master上的数据会受影响，因为顺时针走，全部在之前master上找不到了。会顺时走到下个master，也找不到。

1/3的流量瞬间涌入DB，重新查询。几乎接近100%流量全部失效。

虚拟节点

给每个master做均匀分布的虚拟节点。这样在每个区间内，大量数据均匀分布到不同节点内，而非按顺时针顺序，全部涌入同一master。

1.3 redis cluster hash slot

任一节点宕机，不影响其余两节点。因为key找的是hash slot，而非节点。 redis cluster固定16384个槽位。

代码语言：javascript复制

 // 获得对应hash slot
 public static int getSlot(String key) {
   if (key == null) {
     throw new JedisClusterOperationException("Slot calculation of null is impossible");
   }

   key = JedisClusterHashTagUtil.getHashTag(key);
   // 使用2的次幂的模运算符进行优化，等价于getCRC16（key）％ 16384
   // 1.对key计算CRC16
   // 2.对16384取模
   return getCRC16(key) & (16384 - 1);
 }

redis cluster中每个master都持有部分slot，比如3个master，那每个master持5000多hash slot。 hash slot让node的增加移除更简单：

增加master，就将其他master的hash slot移部分过去
减少master，就将它的hash slot移到其他master

移动hash slot的成本也低。客户端API，可对指定数据，让他们走同一hash slot，通过hash tag实现。

节点间内部通信

通信原理

维护集群元数据。

集中式

集中式的集群元数据存储和维护集群元数据集中式存储的典型的代表是大数据领域。 storm，分布式大数据实时计算引擎，集中式元数据存储架构，基于zookeeper 的集群维护元数据。集群有很多元数据，包括hashslot- > node间映射表关系。还有master-> slave之间关系，故障信息。

将集群元数据（节点信息，故障等）集中存储在某节点。

优点

元数据更新和读取，时效性好。一旦元数据变更，立即更新到集中式存储，其他节点读取时立即就可感知

缺点所有的元数据的跟新压力全部集中在一个地方，可能会导致元数据的存储有压力

Redis cluster节点间采取的另一种称为

gossip协议

之间不断通信，保持整个集群所有节点的数据完整。

优点

元数据更新较分散，不集中在一个地，更新请求会陆续打到所有节点，有一定延时，降低了压力。

缺点

元数据更新有延时，可能导致集群的一些操作滞后。

我们刚才做reshard，去做另外一个操作，会发现说，configuration error，达成一致。

10000端口

每个节点都有一个专门用于节点间通信的端口，就是自己提供服务的端口号 10000，比如7001，那么用于节点间通信的就是17001端口。

每隔节点每隔一段时间都会往另外几个节点发送ping消息，同时其他几点接收到ping之后返回pong。

交换的信息

故障信息，节点的增加和移除，hash slot信息等

gossip协议

gossip协议维护集群元数据所有节点都持一份元数据，不同节点如果出现元数据变更，就不断将元数据发给其他节点，让其他节点也进行元数据的变更。

meet

某节点发送meet给新加入的节点，让新节点加入集群，然后新节点就会开始与其他节点通信

代码语言：javascript复制

redis-trib.rb add-node

其实内部就是发送了一个gossip meet消息给新节点，通知该节点加入集群

ping

每个节点都会频繁给其他节点发ping，其中包含自己的状态，还有维护的集群元数据，互相通过ping交换元数据。 ping很频繁，而且要携带一些元数据，可能会加重网络负担。每个节点每s会执行10次ping，每次会选择5个最久没有通信节点。如果发现某节点通信延时达到

代码语言：javascript复制

cluster_node_timeout / 2

那么立即发送ping，避免数据交换延时过长，落后的时间太长了。比如说，两节点之间已经10分钟没有交换数据，那么整个集群处于严重的元数据不一致的情况，就会有问题。所以cluster_node_timeout可以调节，如果调节比较大，那么会降低发送频率。

每次ping，一个是带上自己节点信息，还有就是带上1/10其他节点信息，发送出去，进行数据交换。至少包含3个其他节点的信息，最多包含总节点-2个其他节点的信息。

pong

返回ping和meet，包含自己的状态和其他信息，也可用于信息广播和更新

fail

某个节点判断另一个节点fail后，就发送fail给其他节点，通知其他节点，指定的节点宕机啦！

面向集群的Jedis内部实现原理

基于重定向的客户端

redis-cli -c，自动重定向

请求重定向

客户端可能会挑选任意一个Redis实例去发送命令，每个实例接收到命令，都会计算key对应的hash slot

若在本地就在本地处理，否则返回moved给客户端，让客户端重定向

代码语言：javascript复制

cluster keyslot mykey

可查看一个key对应的hash slot是什么

用redis-cli的时候，可加入-c参数，支持自动的请求重定向，redis-cli接收到moved之后，会自动重定向到对应的节点执行命令

计算hash slot

计算hash slot的算法，就是根据key计算CRC16值，然后对16384取模，拿到对应的hash slot

用hash tag可以手动指定key对应的slot，同一个hash tag下的key，都会在一个hash slot中，比如set mykey1:{100}和set mykey2:{100}

hash slot查找

节点间通过gossip协议数据交换，就知道每个hash slot在哪个节点上

smart jedis

什么是smart jedis

基于重定向的客户端，很消耗网络IO，因大部分情况可能都会出现一次请求重定向，才能找到正确节点。

所以大部分客户端，比如jedis，都是smart。

本地维护一份hashslot -> node映射表缓存。大部分情况直接走本地缓存，即可找到hashslot -> node，无需通过节点进行moved重定向。

Jedis Cluster原理

JedisCluster初始化时，会随机选个node，初始化hashslot -> node映射表；同时为每个节点建个JedisPool连接池。

每次基于JedisCluster操作。

首先JedisCluster会在本地计算key的hashslot
然后在本地映射表找到对应节点
- 如果那个node正好还是持有那个hashslot，那就ok; 如果进行reshard，可能hashslot已不在那个node，就会返回moved

如果JedisCluter API发现对应的节点返回moved，那么利用该节点的元数据，更新本地的hashslot -> node映射表缓存

重复上面几个步骤，直到找到对应的节点，如果重试超过5次，那么就报错，JedisClusterMaxRedirectionException

jedis老版本，可能会出现在集群某个节点故障还没完成自动切换恢复时，频繁更新hash slot，频繁ping节点检查活跃，导致大量网络IO开销

jedis最新版本，对于这些过度的hash slot更新和ping，都进行了优化，避免了类似问题

hashslot迁移和ask重定向

如果hash slot正在迁移，那么会返回ask重定向给jedis

jedis接收到ask重定向之后，会重新定位到目标节点去执行，但是因为ask发生在hash slot迁移过程中，所以JedisCluster API收到ask是不会更新hashslot本地缓存

已经可以确定说，hashslot已经迁移完了，moved是会更新本地hashslot->node映射表缓存的

高可用性与主备切换原理

原理几乎跟哨兵类似

判断节点宕机

若一个节点认为另外一个节点宕机，即pfail - 主观宕机若多个节点都认为另外一个节点宕机，即fail - 客观宕机跟哨兵的原理几乎一样，sdown - odown

在cluster-node-timeout内，某个节点一直没有返回pong，那么就被认为pfail

若一个节点认为某个节点pfail，那么会在gossip ping消息中，ping给其他节点，若超过半数的节点都认为pfail，那么就会变成fail

从节点过滤

对宕机的master node，从其所有的slave node中，选择一个切换成master node

检查每个slave node与master node断开连接的时间，如果超过了

代码语言：javascript复制

cluster-node-timeout * cluster-slave-validity-factor

那么就没有资格切换成master，这个也跟哨兵是一样的，从节点超时过滤的步骤

从节点选举

哨兵：对所有从节点进行排序，slave priority，offset，run id

每个从节点，都根据自己对master复制数据的offset，设置一个选举时间，offset越大（复制数据越多）的从节点，选举时间越靠前，优先进行选举

所有的master node开始slave选举投票，给要选举的slave投票，如果大部分

代码语言：javascript复制

master node（N/2   1）

都投票给了某从节点，那么选举通过，该从节点可以切换成master

从节点执行主备切换，从节点切换为主节点

VS 哨兵

类似哨兵，所以redis cluster功能强大，直接集成了replication和sentinal功能。

node.js 大数据网络安全网站缓存

0 人点赞