redis集群的架构、问题，附脑洞

Redis 是一种开源（BSD 许可）、数据结构存储在内存中的系统，用作数据库、缓存和消息队列。Redis 提供了诸如字符串、散列、列表、集合、带范围查询的排序集合、位图、超级日志、地理空间索引和流等数据结构。Redis 内置复制、Lua 脚本、LRU 驱逐、事务和不同级别的磁盘持久化，并通过 Redis Sentinel 和 Redis Cluster 自动分区提供高可用性。

1 集群的优势

下面是redis集群的几个明显优势。

1.1 伸缩性，数据规模不断增大的时候，容易扩容

单实例模式：只能垂直扩展，增大机器内存的容量；

集群模式：支持垂直扩展，也支持水平扩展，有更好的灵活性，也可以支持更大的容量；

1. 2 高可用，服务故障的情况，影响范围小

单实例模式：故障转移前100%不可用(slave转换为master之前)；

集群模式：故障转移前部分不可用(集群规模越大，故障影响越小); 

1. 3 高性能，查询和写入的性能 

单实例模式：查询可以分散在多个slave，写入却只有一个master；

集群模式：查询有多个master和多个slave，写入也有多个master；

2 数据分片，一致性hash

实现redis集群的核心点，是针对数据的分片，这里的一致性hash算法就非常关键。

2.1 普通的hash 算法

node=hash(key)%number

数量变化和node顺序变化，导致node选择的差异性巨大，造成巨大的缓存失效。

2.2 一致性hash

hash(node) 形成虚拟节点环,hash(key)落在虚拟节点环，找到对应的node。

由于hash(node)的稳定性，与node顺序无关。node变更只影响一小部分数据。

2.3 redis cluster的hash slot算法

关系: cluster > node > slot > key

Redis Cluster在设计中没有使用一致性哈希（Consistency Hashing），而是使用数据分片引入哈希槽（hash slot）来实现。

一个 Redis Cluster包含16384（0~16383）个哈希槽，存储在Redis Cluster中的所有键都会被映射到这些slot中。

集群中的每个键都属于这16384个哈希槽中的一个，集群使用公式slot=CRC16（key）/16384来计算key属于哪个槽，其中CRC16(key)语句用于计算key的CRC16 校验和。

按照槽来进行分片，通过为每个节点指派不同数量的槽，可以控制不同节点负责的数据量和请求数。

3 集群元数据的一致性

3.1 对比：集中式存储元数据

依赖外部的集中式存储服务，比如：zookeeper, etcd等，会增加运维负担和系统复杂度。

集中式的好处在于，元数据的读取和更新，时效性非常好，一旦元数据出现了变更，就立即更新到集中式的存储中，其它节点读取的时候就可以感知到；不好在于，所有的元数据的更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。

3.2 gossip 协议来广播自己的状态以及自己对整个集群认知的改变

ping / pong 消息来确认节点的存活和同步全部的集群元数据。

集群元数据，包括：master/slave node列表和状态, slot与node关系。

每个master node每秒会执行 10 次 ping，每次会选择 5 个最久没有通信的其它节点。

定时检查全部节点，如果发现某个节点通信延时达到了 cluster_node_timeout / 2，那么立即发送 ping，避免数据交换延时过长。

3.3 增加新节点

命令 CLUSTER MEET <ip> <port> 

向一个节点 node 发送 CLUSTER MEET 命令，可以让 node 节点与 ip 和 port 所指定的节点进行握手（handshake），当握手成功时，node 节点就会将 ip 和 port 所指定的节点添加到 node 节点当前所在的集群中。

按照gossip协议，广播meet消息，全部节点接收新节点。

重新hash(node)，分配和转移相应的slot给到新节点。

4 客户端如何调用

4.1 hash slot 信息

当客户端连接任何一个实例，实例就将哈希槽与实例的映射关系响应给客户端，客户端就会将哈希槽与实例映射信息缓存在本地。

4.2 请求数据

当客户端请求时，会计算出键所对应的哈希槽，在通过本地缓存的哈希槽实例映射信息定位到数据所在实例上，再将请求发送给对应的实例。 

4.3 重定向机制

客户端将请求发送到实例上，这个实例没有相应的数据，该 Redis 实例会告诉客户端更新本地的哈希槽与映射信息的缓存，将请求发送到其他的实例上。

5 新的节点加入集群(扩容)

同3.3 增加新节点的前序步骤是一样的。

这里详细了解下重新扩容时slot迁移和数据。

5.1 每个slot的迁移过程如下所示：

• 对目标节点发送cluster setslot {slot_id} importing {sourceNodeId}命令，目标节点的状态被标记为"importing"，准备导入这个slot的数据。

• 对源节点发送cluster setslot {slot_id} migrating {targetNodeID}命令，源节点的状态被标记为"migrating"，准备迁出slot的数据。

• 源节点执行cluster getkeysinslot {slot_id} {count}命令，获取这个slot的所有的key列表(分批获取，count指定一次获取的个数)，然后针对每个key进行迁移。

• 在源节点执行migrate {targetIp} {targetPort} "" 0 {timeout} keys {keys}命令，把一批批key迁移到目标节点(redis-3.0.6之前一次只能迁移一个key)，具体来说，源节点对迁移的key执行dump指令得到序列化内容，然后通过客户端向目标节点发送携带着序列化内容的restore指令，目标节点进行反序列化后将接收到的内容存入自己的内存中，目标节点给客户端返回"OK"，然后源节点删除这个key，这样，一个key的迁移过程就结束了。

• 所有的key都迁移完成后，一个slot的迁移就结束了。

• 迁移所有的slot(应该被迁移的那些)，所有的slot迁移完成后，新的集群的slot就重新分配完成了，向集群内所有master发送cluster setslot {slot_id} node {targetNodeId}命令，通知他们哪些槽被迁移到了哪些master上，让它们更新自己的信息。

5.2 slot迁移的其他说明

• 迁移过程是同步的，在目标节点执行restore指令到原节点删除key之间，原节点的主线程处于阻塞状态，直到key被删除成功。

• 如果迁移过程突然出现网路故障，整个slot迁移只进行了一半，这时两个节点仍然会被标记为中间过滤状态，即"migrating"和"importing"，下次迁移工具连接上之后，会继续进行迁移。

• 在迁移过程中，如果每个key的内容都很小，那么迁移过程很快，不会影响到客户端的正常访问。

• 如果key的内容很大，由于迁移一个key的迁移过程是阻塞的，就会同时导致原节点和目标节点的卡顿，影响集群的稳定性，所以，集群环境下，业务逻辑要尽可能的避免大key的产生 。

5.3 slot编号

无需要求每个master的slot编号是连续的，只要每个master管理的slot的数量均衡就可以。

5.4 减少节点(缩容)

缩容的过程与扩容类似，只是slot和数据从下线的节点内转移到其他的节点上。

6 集群中机器出现故障

6.1 故障检测，节点失效

如果一个节点认为另外一个节点宕机，那么就是 pfail，主观宕机；

如果超过半数的节点都认为另外一个节点宕机了，那么就是 fail，客观宕机；

6.2 故障转移，节点选举

每个slave节点，都根据自己对 master 复制数据的 offset，来设置一个选举时间，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，给要进行选举的 slave 进行投票，如果大部分 master node（N/2 + 1）都投票给了某个从节点，那么选举通过，那个从节点可以切换成 master。

从节点执行主备切换，从节点切换为主节点。

7 主从同步以及高可用

redis的主从同步在cluster版本之前就存在了，既可以提供更高的查询效率(多slave可以查询)，又可以增加服务的可用性(master挂机后可以启用slave成为master)。

7.1 使用主从架构时

将只有一个 Master 和多个从属用于复制。

所有写入都转到主节点，这会在主节点上产生更多负载。

如果Master宕机，整个架构容易出现SPOF（单点故障）。

当您的用户群增长时，MS 架构无助于扩展。

所以我们需要一个进程来在发生故障或关闭的情况下监控 Master，那就是 Sentinel。

7.2 Redis哨兵

故障转移处理

8 主从同步与数据一致性

8.1 主从同步的实现过程

主从同步分为 2 个步骤：同步和命令传播。

数据同步有sync和psync。

sync全量同步，性能比较差；psync增量同步，速度和实时性好很多。

8.2 全量同步 sync

从服务器对主服务的同步操作，需要通过 sync 命令来实现，以下是 sync 命令的执行步骤：

• 从服务器向主服务器发送 sync 命令

• 收到 sync 命令后，主服务器执行 bgsave 命令，用来生成 rdb 文件，并在一个缓冲区中记录从现在开始执行的写命令。

• bgsave 执行完成后，将生成的 rdb 文件发送给从服务器，用来给从服务器更新数据

• 主服务器再将缓冲区记录的写命令发送给从服务器，从服务器执行完这些写命令后，此时的数据库状态便和主服务器一致了。

8.3 部分重同步 psync

部分重同步功能由以下 3 部分组成：

• 主从服务器的复制偏移量

• 主服务器的复制积压缓冲区

• 服务器的运行 id（run id）

8.4 心跳检测

当完成了同步之后，主从服务器就会进入命令传播阶段，此时从服务器会以每秒 1 次的频率，向主服务器发送命令：REPLCONF ACK <replication_offset> 其中 replication_offset 是从服务器当前的复制偏移量

发送这个命令主要有三个作用：

• 检测主从服务器的网络状态

• 辅助实现 min-slaves 选项

• 检测命令丢失（若丢失，主服务器会将丢失的写命令重新发给从服务器）

8.5 主从同步总结

发送 SLAVEOF 命令可以进行主从同步，比如：SLAVEOF 127.0.0.1 6379

主从同步有同步和命令传播 2 个步骤

• 同步：将从服务器的数据库状态更新成主服务器当前的数据库状态（一个消耗资源的操作）

• 命令传播：当主服务器数据库状态被修改后，导致主从服务器数据库状态不一致，此时需要让主从数据同步到一致的过程

主从同步分初次复制和断线后重复制两种情况

• 从 2.8 版本开始，在出现断线后重复制情况时，主服务器会根据复制偏移量、复制积压缓冲区和 run id，来确定执行完整重同步还是部分重同步

• 2.8 版本使用 psync 命令来代替 sync 命令去执行同步操作。目的是为了解决同步（sync 命令）的低效操作

问题1：集群的规模能否无限大，比如：1w台机器？

答案是否定的，redis 官方给的 Redis Cluster 的规模上限是 1000 个实例。

限制的原因，关键在于实例间的通信开销，集群中的每个节点都保存所有哈希槽与节点对应关系信息（Slot 映射到节点的表），以及自身的状态信息。

参照3.2gossip协议广播方式，节点越多，广播风暴对于网络以及服务器压力也就越大。

虽然可以设置广播消息同步的超时时间，但是节点增多、超时时间变长之后，数据一致性的消息同步延时也会更大，出现元数据不一致的可能性也会增加。

问题2：从库的使用，以及如何权衡？

从库的作用，一是提高可用性，当主库宕机之后，可以立即启用从库作为主库提供服务；一是提高伸缩性，提高了数据查询并发能力，从库提供查询服务就增加了服务资源，更多的节点来支持查询。

由于主从同步存在数据一致性问题，所以在使用从库的过程中，相应的也就会遇到一些问题。

比如：因为从库数据同步慢了，这时候主库宕机了，数据不完整的从库作为主库，就会出现数据丢失的情况。从库用来查询也有类似问题，实时写入的新数据，同步到从库可能会有延时，在数据没有同步到从库的时候查询从库，也会出现查询无数据的情况。

所以在使用从库的情况下，需要考虑到上面的问题。

面对宕机的时候，数据丢失的问题，内存型数据库都会存在的风险，使用redis都需要面对这个风险，否则就要牺牲性能高正数据一致性，redis数据先持久化再提供服务，这样性能就会下降非常明显了，没法满足内存性数据库的优势了。

启用从库查询，可以针对一些数据更新的实时性较低，对于脏数据不那么敏感的业务，或者查询量实在太大而可以忽略部分数据延时的影响。

问题3：redis集群化之后，代理的必要性？

代理的性能和稳定性同样是问题所在。

产品的运维难度以及持续的维护，还是官方的redis cluster更加可靠。

有条件的团队，针对redis cluster的不足，还会有更深入的优化，比如咱们自己研发的tendis。

问题4：单key的百万qps限频问题？（待解）

单key的频繁更新，由于单个key有且只能落地到一个master节点的一个slot上面，无法通过增加节点增加slave的方法扩容，性能瓶颈就会受限于机器的CPU/内存的读写能力了。

假设单机最高10w的写如速度，那么，要实现接口的100w的qps限频功能，要怎么实现呢？

请输出你的解答。。。

附-脑洞：三体人来到地球，要消灭近半的地球人（待解）

三体人不像灭霸，直接用手套简单粗暴的一个响指就毁灭一半生灵，而是给每个人一个选择，选择对的人就有机会生存下来。

这个选择的方法也特别简单，但是需要开发一套系统来支持。

那么这套系统的开发工作就落在了地球人最聪明的程序员你的头上。

开发好了可以让自己以及家人获得豁免权而生存下来，开发的不好，直接咔嚓。

这个选择的描述如下

全球有一个三体人的灯球，默认是熄灭状态。

每个人会有一个三体人的开关，上面会显示当前灯球的状态(熄灭或者亮起)，有两个操作按钮，分别是控制灯球的熄灭和亮起。每个人只有一次选择机会，两个按钮只能选择一个按钮，按一次。如果一个按钮都不选择，不按的话，无论灯球最终状态如何，都是要被消灭。小孩子或者老人、残疾人，可以由监护人来辅助其完成选择。

系统实现的前提条件和需求

前提条件说明

1 全球80亿人口，必须同时在1分钟时间内完成选择（三体人的开关，全球实时状态同步，无时间偏差，无时延），规定时间范围之外无法操作；

2 三体人提供1000台128核256G内存1T磁盘的服务器，三体人的开关与服务器的网络是直连的，没有时延，没有网络开销；

3 全球80亿人，每个人都有一个唯一的从0开始自增的数字ID，与三体人的开关也是一一对应的；

4 每个人的ID%1000指向特定服务器，请求系统提供的接口 /vote

系统需求

功能，开发这个投票接口(所有请求只会在这1分钟内请求)

/vote?uid=1111&click=1&t=1234143134134134134

参数 

uid 长整型，每个人的唯一ID

click 枚举值，按钮选择，0 熄灭，1 亮起

t 长整型，操作时间，单位纳秒

处理

1 在同一个时刻(同一纳秒)，如果有多个人操作，选择次数多的生效，如果2个选择次数相同，状态不变。如：熄灭2次，亮起3次，这个时刻的状态是亮起。

结果数据

1 最终灯球的状态，是熄灭，还是亮起；

2 选择正确的人(ID集合);

3 选择错误的人(ID集合);

4 没有做出选择的人(ID集合)；

最终执行

调用三体人在服务器上安装的系统程序 ，完成地球人消灭计划。

kill uid

调用三体人的系统程序无延时，等同于内存读取的效率。

要求在1分钟时间内，把选择错误的人和没有做出选择的人消灭掉。

模拟测试

1 三体人在1分钟内导入测试用例，完成80亿人的选择。

2 1分钟正确执行完成 kill 调用。

如果无法实现上述工作，失败。

请输出你的解答。。。