目录

一、集群的介绍

1.1  为什么需要集群呢？

 1.2  什么是集群？

1.2  集群能干什么呢？

二、集群的算法之分片&槽位slot

2.1  什么是槽位slot？

 2.2  分片

 2.3  使用槽位和分片的优势

 2.4  slot  槽位映射的三种算法

1、哈希取余分区（小厂）

2、一致性哈希（中厂）

3、哈希槽分区

 为什么redis集群的最大槽数是16384个？

redis集群不保证强一致性

三、3主3从集群环境搭建

3.1  redis集群读写

 3.2  主从容错切换迁移案例

3.3  主从扩容

3.4  主从缩容

---

一、集群的介绍

1.1  为什么需要集群呢？

在之前的哨兵当中，一旦Main挂掉了，就势必会导致一段时间内的数据写不进去了，当并发量很大的时候这势必是一个比较大的问题

集群就说为了解决这个问题而诞生的。

 1.2  什么是集群？

• 由于数据量过大，单个Master复制集难以承担，因此需要对多个复制集进行集群，形成水平扩展每个复制集只负责存储整个数据集的一部分，这就是Redis的集群，其作用是提供在多个Redis节点间共享数据的程序集。

• Redis集群是一个提供在多个Redis节点间共享数据的程序集

• Redis集群可以支持多个Master

1.2  集群能干什么呢？

• Redis集群支持多个Master，每个Master又可以挂载多个Slave
  • 读写分离
  • 支持海量数据的高可用
  • 支持海量数据的读写存储操作

• 由于Cluster自带Sentinel的故障转移机制，内置了高可用的支持，无需再去使用哨兵功能
• 客户端和Redis的节点连接，不再需要连接集群中所有节点，只需连接集群中的任意一个可用节点即可（一个有所有都有了）
• 槽位slot负责分配到各个物理服务节点，由对应的集群来负责维护节点、插槽和数据之间的关系

二、集群的算法之分片&槽位slot

2.1  什么是槽位slot？

我们先来想这个问题：之前我们只有一个主机的时候，我么进行存储的时候，很自然的就是一对一的概念（因为只能在主机上进行set），现在引入了集群的概念（集群有多个主机），我们再想去set  k1  v1 的时候，到底操作的是哪一个主机呢

这里肯定有一种方法让我们去通过一种算法进行映射：存的时候可以得到一个槽位，读的时候也能通过key找到相同的槽位

 2.2  分片

分片是什么	使用Redis集群时我们会将存储的数据分散到多台redis机器上，这称为分片。简言之，集群中的每个Redis实例都被认为是整个数据的一个分片。
如何找到给定key的分片	为了找到给定key的分片，我们对key进行CRC16(key)算法处理并通过对总分片数量取模。然后， 使用确定性哈希函数，这意味着给定的key 将多次始终映射到同一个分片，我们可以推断将来读取特定key的位置。

 2.3  使用槽位和分片的优势

 

 2.4  slot  槽位映射的三种算法

1、哈希取余分区（小厂）

2亿条记录就是2亿个k,v，我们单机不行必须要分布式多机，假设有3台机器构成一个集群，用户每次读写操作都是根据公式： hash(key) % N个机器台数，计算出哈希值，用来决定数据映射到哪一个节点上。

优点：   简单粗暴，直接有效，只需要预估好数据规划好节点，例如3台、8台、10台，就能保证一段时间的数据支撑。使用Hash算法让固定的一部分请求落到同一台服务器上，这样每台服务器固定处理一部分请求（并维护这些请求的信息），起到负载均衡+分而治之的作用。

缺点：    原来规划好的节点，进行 扩容或者缩容就比较麻烦了额，不管扩缩，每次数据变动导致节点有变动，映射关系需要重新进行计算，在服务器个数固定不变时没有问题，如果需要弹性扩容或故障停机的情况下，原来的取模公式就会发生变化：Hash(key)/3会变成Hash(key) /?。此时地址经过取余运算的结果将发生很大变化，根据公式获取的服务器也会变得不可控。 某个redis机器宕机了，由于台数数量变化， 会导致hash取余全部数据重新洗牌。

就类似于之前的哈希表开散列扩容，一扩容就会导致原来的映射关系改变，所有的数据都要重新洗牌，这就导致效率很低

2、一致性哈希（中厂）

一致性Hash算法背景

　　一致性哈希算法在1997年由麻省理工学院中提出的，设计目标是为了解决

分布式缓存数据变动和映射问题，某个机器宕机了，分母数量改变了，自然取余数不OK了。

当服务器个数发生变化的时候，尽量减少影响客户端到服务器的映射关系

1、算法构建一致性哈希环

    一致性哈希算法必然有个hash函数并按照算法产生hash值，这个算法的所有可能哈希值会构成一个全量集，这个集合可以成为一个hash空间[0,2^32-1]，这个是一个线性空间，但是在算法中，我们通过适当的逻辑控制将它首尾相连(0 = 2^32),这样让它逻辑上形成了一个环形空间。

2、redis服务器ip节点映射

   将集群中各个IP节点映射到环上的某一个位置。

   将各个服务器使用Hash进行一个哈希，具体可以选择服务器的IP或主机名作为关键字进行哈希，这样每台机器就能确定其在哈希环上的位置。假如4个节点NodeA、B、C、D，经过IP地址的哈希函数计算(hash(ip))，使用IP地址哈希后在环空间的位置如下： 

 3、key 落到服务器的落键规则

当我们需要存储一个kv键值对时，首先计算key的hash值，hash(key)，将这个key使用相同的函数Hash计算出哈希值并确定此数据在环上的位置，从此位置沿环顺时针“行走”，第一台遇到的服务器就是其应该定位到的服务器，并将该键值对存储在该节点上。

 一致性哈希的优缺点：

1、一致性哈希算法的容错性

假设Node C宕机，可以看到此时对象A、B、D不会受到影响。

2、扩展性

数据量增加了，需要增加一台节点NodeX，X的位置在A和B之间，那收到影响的也就是A到X之间的数据，重新把A到X的数据录入到X上即可，

不会导致hash取余全部数据重新洗牌。

 缺点：

Hash环的数据倾斜问题

一致性Hash算法在服务节点太少时，容易因为节点分布不均匀而造成数据倾斜（被缓存的对象大部分集中缓存在某一台服务器上）问题，

例如系统中只有两台服务器

3、哈希槽分区

哈希槽的出现是为了解决一致性哈希算法的数据倾斜问题。

2 能干什么

解决均匀分配的问题，在数据和节点之间又加入了一层，把这层称为哈希槽（slot），用于管理数据和节点之间的关系，现在就相当于节点上放的是槽，槽里放的是数据。

 槽解决的是粒度问题，相当于把粒度变大了，这样便于数据移动。哈希解决的是映射问题，使用key的哈希值来计算所在的槽，便于数据分配

哈希槽计算

Redis 集群中内置了 16384 个哈希槽，redis 会根据节点数量大致均等的将哈希槽映射到不同的节点。当需要在 Redis 集群中放置一个 key-value时，redis先对key使用crc16算法算出一个结果然后用结果对16384求余数[ CRC16(key) % 16384]，这样每个 key 都会对应一个编号在 0-16383 之间的哈希槽，也就是映射到某个节点上。如下代码，key之A 、B在Node2， key之C落在Node3上

 为什么redis集群的最大槽数是16384个？

 redis集群不保证强一致性，这意味着在特定条件下，redis集群可能会丢掉一些被系统收到的写入请求或命令

三、3主3从集群环境搭建

3.1  redis集群读写

新增两个key，看看效果是怎么样的

 我们发现我们在增加key的时候，有时候会报错，有时候就是成功的

为什么会报错呢？

一定注意槽位的范围区间，需要路由到位，路由到位，路由到位，路由到位

 如何解决呢？

 3.2  主从容错切换迁移案例

在我这里我的6381是slave，他的master是6384（在 cluster nodes 中 看他们的id）

• 把6384停了，6381会成为master（从机上位）

 启动6384，6381还是master，并不会让位

• Redis集群不保证强一致性，意味着在特定的条件下，Redis集群可能会丢掉一些被系统收到的写入请求命令

  • 因为本质还是发送心跳包，需要一些时间判断是否down机，如果down机，对应的slave直接成为master

3.3  主从扩容

新建6387、6388 两个服务实例配置文件+启动 (又加了个虚拟机 或者 直接在三个虚拟机里选一个)

• 6387端口

bind 0.0.0.0
daemonize yes
protected-mode no
port 6387
logfile "/myredis/cluster/cluster6387.log"
pidfile /myredis/cluster6387.pid
dir /myredis/cluster
dbfilename dump6387.rdb
appendonly yes
appendfilename "appendonly6387.aof"
requirepass 123456
masterauth 123456

cluster-enabled yes
cluster-config-file nodes-6387.conf
cluster-node-timeout 5000

• 6388 端口

bind 0.0.0.0
daemonize yes
protected-mode no
port 6388
logfile "/myredis/cluster/cluster6388.log"
pidfile /myredis/cluster6388.pid
dir /myredis/cluster
dbfilename dump6388.rdb
appendonly yes
appendfilename "appendonly6388.aof"
requirepass 123456
masterauth 123456
 
cluster-enabled yes
cluster-config-file nodes-6388.conf
cluster-node-timeout 5000

启动，此时这两个实例都是master

redis-server /myredis/cluster/redisCluster6388.conf 
    
redis-server /myredis/cluster/redisCluster6387.conf

将新增的6387节点作为master加入原集群

• redis-cli -a 123456  --cluster add-node 192.168.230.114:6387 192.168.238.111:6381

检查集群情况，第一次

redis-cli -a 密码 --cluster check 真实ip地址:6381

redis-cli -a 111111 --cluster check 192.168.111.175:6381

分配槽号

重新分派槽号 命令:redis-cli -a 密码 --cluster  reshard IP地址:端口号 redis-cli -a 密码 --cluster reshard 192.168.111.175:6381

 

 执行完之后会进行重新洗牌。

 检查集群情况，第二次

redis-cli --cluster check 真实ip地址:6381

redis-cli -a 111111 --cluster check 192.168.111.175:6381

 重新分配成本太高，所以前3家各自匀出来一部分，

从6381/6383/6385三个旧节点分别匀出1364个坑位，注意本机这里经过调整所以我是需要从6381中分出4096即可

3.4  主从缩容

让6388和6387下线

• 先获得6388的节点id（上图可获取），在集群中将6388删除

 将从节点6388删除

 将6387的槽号情况，重新分配，先全部都给6381

 

 删除完再第二次检查集群的情况

redis-cli -a 111111 --cluster check 192.168.111.175:6381