springcloud-分布式缓存

---

为什么要提出分布式缓存?

单点Redis的问题:

1.数据丢失问题:Redis是内存存储，服务重启可能会丢失数据

2.并发能力问题:单节点Redis并发能力虽然不错，但也无法满足如618这样的高并发场景

3.故障恢复问题:如果Redis宕机，则服务不可用，需要一种自动的故障恢复手段

4.存储能力问题:Redis基于内存，单节点能存储的数据量难以满足海量数据需求

---

为了解决单点Redis问题:

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。

Redis停机时会执行一次RDB。

Redis内部有触发RDB的机制，可以在redis.conf文件中找到，格式如下：

在配置RDB规则时,设置时间过短会导致bgsave执行次数过高从而导致CUP占用率过高并且执行较大文件的保存操作会导致线程阻塞时间较长;设置时间太长可能会导致数据丢失的情况

RDB的其它配置也可以在redis.conf文件中设置：

---

RDB底层实现方式

bgsave开始时会fork主进程得到子进程，子进程共享主进程的内存数据(子进程复制主进程的页表从而实现共享)。完成fork后读取内存数据并写入 RDB 文件。

当主进程在执行写操作,子进程在保存数据时,由于操作的是同一张页表记录的物理内存中的数据地址,可能会产生脏数据,为了解决这个问题,fork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。

从而避免了脏写问题

总结:

1.RDB方式bgsave的基本流程？

• fork主进程得到一个子进程，共享内存空间

• 子进程读取内存数据并写入新的RDB文件

• 用新RDB文件替换旧的RDB文件。

2.RDB会在什么时候执行？save 60 1000代表什么含义？

• 默认是服务停止时。

• 代表60秒内至少执行1000次修改则触发RDB

3.RDB的缺点？

• RDB执行间隔时间长，两次RDB之间写入数据有丢失的风险

• fork子进程、压缩、写出RDB文件都比较耗时

---

2.AOF持久化

AOF全称为Append Only File（追加文件）。Redis处理的每一个写命令都会记录在AOF文件，可以看做是命令日志文件。

AOF默认是关闭的，需要修改redis.conf配置文件来开启AOF：

AOF的命令记录的频率也可以通过redis.conf文件来配：

---

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。

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：

---

RDB和AOF方式持久化Redis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建议使用AOF，在实际开发中往往会结合两者来使用。

---

二.Redis主从

1.搭建主从架构

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。

主节点主要负责写数据,从节点主要负责读数据

---

搭建主从架构(不具体演示)

一旦主从架构搭建完成,主节点和从节点的数据会同步

需要注意的是,开启主从关系的方式(哪个节点为从就在相应的节点执行slaveof命令):

示例:

假设有A、B两个Redis实例，如何让B作为A的slave节点？

• 在B节点执行命令：slaveof A的IP A的port

开启主从关系的方式有临时和永久两种模式：

• 修改配置文件（永久生效）

  • 在redis.conf中添加一行配置：slaveof <masterip> <masterport>

• 使用redis-cli客户端连接到redis服务，执行slaveof命令（重启后失效）：

  slaveof <masterip> <masterport>
  

注意：在5.0以后新增命令replicaof，与salveof效果一致。

---

数据同步原理

2.全量同步

主从第一次同步是全量同步：

在第二阶段执行bgsave生成RDB的时候,可能此时主节点会产生新的数据或者修改,主节点会记录RDB期间所有的命令到缓冲区(repl_baklog)中,在第三阶段,主节点会发送记录在缓冲区内的命令到从节点从而消除主从节点数据不一致的可能性。

master如何判断slave是不是第一次来同步数据？这里会用到两个很重要的概念：

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

简而言之:replid是数据集的标记,offset是主从之间数据同步的进度标识。故主节点判断从节点是否第一次来数据同步依据两者的replid是否一致

有了以上的概念后,同步原理图可以改为:

全量同步的流程:

1.slave节点请求增量同步

2.master节点判断replid，发现不一致，拒绝增量同步

3.master将完整内存数据生成RDB，发送RDB到slave

4.slave清空本地数据，加载master的RDB

5.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

6.slave执行接收到的命令，保持与master之间的同步

3.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

注意: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。

---

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，避免全量同步时的磁盘IO。

• 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

• 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

---

总结:

1.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

2.什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

3.什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

1.哨兵的作用和原理

哨兵的作用

Redis提供了哨兵（Sentinel）机制来实现主从集群的自动故障恢复。哨兵的结构和作用如下：

• 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

---

服务状态监控

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。(很像nacos或者eureka监测微服务状态,也是通过心跳监测)

---

选举新的master

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。

简而言之,最主要的判断依据其实是和offset值相关,因为offset值越大,就和原来的主节点的数据越接近一致

---

如何实现故障转移

当选中了其中一个slave为新的master后（例如slave1），故障的转移的步骤如下：

• sentinel给备选的slave1节点发送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(在配置文件内做修改)，当故障节点恢复后会自动成为新的master的slave节点

---

总结:

1.Sentinel的三个作用是什么？

• 监控

• 故障转移

• 通知

2.Sentinel如何判断一个redis实例是否健康？

• 每隔1秒发送一次ping命令，如果超过一定时间没有相向则认为是主观下线

• 如果大多数sentinel都认为实例主观下线，则判定服务下线

3.故障转移步骤有哪些？

• 首先选定一个slave作为新的master，执行slaveof no one

• 然后让所有节点都执行slaveof 新master

• 修改故障节点配置，添加slaveof 新master

2.搭建哨兵架构

1.搭建哨兵架构先编写配置文件,例如:

port 27001
sentinel announce-ip 192.168.150.101
sentinel monitor mymaster 192.168.150.101 7001 2
sentinel down-after-milliseconds mymaster 5000
sentinel failover-timeout mymaster 60000
dir "/tmp/s1"

解读：

• port 27001：是当前sentinel实例的端口
• sentinel monitor mymaster 192.168.150.101 7001 2：指定主节点信息
  • mymaster：主节点名称，自定义，任意写
  • 192.168.150.101 7001：主节点的ip和端口
  • 2：选举master时的quorum值

2.使用redis-sentinel命令后接上配置文件名即可启动sentinel,例如我要配置搭建拥有三个sentinel节点的sentinel集群:

# 第1个
redis-sentinel s1/sentinel.conf
# 第2个
redis-sentinel s2/sentinel.conf
# 第3个
redis-sentinel s3/sentinel.conf

sentinel集群没有主从之分,sentinel集群内部只有在发现redis主节点宕机了才会选举一个节点用于实现故障转移

3.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。

实现sentinel通知功能:

1.在pom文件中引入redis的starter依赖(使用redis的时候就引入了这个依赖,可以忽略)：

<dependency>
    <groupId>org.springframework.boot</groupId>
    <artifactId>spring-boot-starter-data-redis</artifactId>
</dependency>

2.在配置文件application.yml中指定sentinel相关信息：

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

3.配置主从读写分离

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

由于RedisTemplate底层利用lettuce实现了节点的感知和自动切换,配置读取策略需要注册配置Bean实例来实现

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(推荐使用)：优先从slave（replica）节点读取，所有的slave都不可用才读取master

四.Redis分片集群

1.搭建分片集群

分片集群结构

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

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(不需要sentinel监控master心跳)

• 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

---

搭建分片集群

主要步骤:

1.创建集群所需的redis节点,并使用新的配置文件启动redis节点,配置文件内容如下:

port 6379
# 开启集群功能
cluster-enabled yes
# 集群的配置文件名称，不需要我们创建，由redis自己维护
cluster-config-file /tmp/6379/nodes.conf
# 节点心跳失败的超时时间
cluster-node-timeout 5000
# 持久化文件存放目录
dir /tmp/6379
# 绑定地址
bind 0.0.0.0
# 让redis后台运行
daemonize yes
# 注册的实例ip
replica-announce-ip 192.168.150.101
# 保护模式
protected-mode no
# 数据库数量
databases 1
# 日志
logfile /tmp/6379/run.log

2.创建集群

启动的redis节点只是设置其具有了集群功能,但是节点互相不知道对方的存在以及主从之间的关系未知

这里使用redis-cli --cluster create --cluster-replicas命令来创建集群以及确定主从关系,示例:

redis-cli --cluster create --cluster-replicas 1 192.168.150.101:7001 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

命令说明：

• redis-cli --cluster或者./redis-trib.rb：代表集群操作命令
• create：代表是创建集群
• --replicas 1或者--cluster-replicas 1 ：指定集群中每个master的副本个数为1，此时节点总数 ÷ (replicas + 1) 得到的就是master的数量。因此节点列表中的前n个就是master，其它节点都是slave节点，随机分配到不同master

还需要说明的是,集群操作时,需要给redis-cli加上-c参数才可以

2.散列插槽

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。

所以这就解释了为什么在redis分片集群中,key不是与redis节点绑定而是与插槽值进行绑定:因为key与插槽绑定后,即使master节点宕机,数据依旧不会消失,因为其他节点能通过宕机的master节点找到它所管理的插槽范围,从而快速接管这一部分插槽(即触发插槽迁移过程),从而实现数据的不丢失,这也解决了数据分配的问题

总结:

1.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

2.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

3.集群伸缩

添加一个节点到集群

redis-cli --cluster提供了很多操作集群的命令，可以通过下面方式查看：

比如，添加节点的命令：

补充:转移插槽命令:reshard host:port

4.故障转移

当集群中有一个master宕机会发生什么呢？

首先是该实例与其它实例失去连接
然后是疑似宕机：

最后是确定下线，自动提升一个slave为新的master：(实现了sentinel中的故障转移)

数据迁移

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(哪个slave节点替代master节点,哪个slave节点执行cluster failover命令)，实现无感知的数据迁移(可以做redis的服务热更新)。其流程如下：

手动的Failover支持三种不同模式：

• 缺省(推荐)：默认的流程，如图1~6歩

• force：省略了对offset的一致性校验

• takeover：直接执行第5歩，忽略数据一致性、忽略master状态和其它master的意见

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：

• 引入redis的starter依赖(和哨兵模式一致)

• 配置分片集群地址(需要变更)

• 配置读写分离(和哨兵模式一致)

与哨兵模式相比，其中只有分片集群的配置方式略有差异(即需要告诉java客户端集群地址,以前是告诉哨兵地址)，如下：