【Redis】集群(cluster)

Redis集群(cluster)

定义

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。

官网

https://redis.io/docs/reference/cluster-spec/

作用

• 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
• 客户端与Redis的节点连接，不再需要连接集群中所有的节点，只需要任意连接集群中的一个可用节点即可
• 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

集群算法(分片->槽位)

分片(每台Redis实例)

• 定义

  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。

  

槽位

优势：方便扩缩容和数据分派查找

这种结构很容易添加或者删除节点.比如如果我想新添加个节点D,我需要从节点 A,B,C中得部分槽到D上.如果我想移除节点A需要将A中的槽移到B和C节点上,然后将没有任何槽的A节点从集群中移除即可.由于从一个节点将哈希槽移动到另一个节点并不会停止服务,所以无论添加删除或者改变某个节点的哈希槽的数量都不会造成集群不可用的状态.

slot槽位映射

哈希取余分区

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。

一致性哈希算法分区

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。

• 提出一致性Hash解决方案
• 目的是当服务器个数发生变动时
• 尽量减少影响客户端到服务器的映射关系

• 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[0,2³²-1]，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 = 2³²),这样让它逻辑上形成了一个环形空间。
  它也是按照使用取模的方法，前面笔记介绍的节点取模法是对节点（服务器）的数量进行取模。而一致性Hash算法是对2³²取模，简单来说，一致性Hash算法将整个哈希值空间组织成一个虚拟的圆环，如假设某哈希函数H的值空间为0-2³²-1（即哈希值是一个32位无符号整形），整个哈希环如下图：整个空间按顺时针方向组织，圆环的正上方的点代表0，0点右侧的第一个点代表1，以此类推，2、3、4、……直到2³²-1，也就是说0点左侧的第一个点代表2³²-1， 0和2³²-1在零点中方向重合，我们把这个由2³²个点组成的圆环称为Hash环。

  

• 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：

  

• 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。

  如我们有Object A、Object B、Object C、Object D四个数据对象，经过哈希计算后，在环空间上的位置如下：根据一致性Hash算法，数据A会被定为到Node A上，B被定为到Node B上，C被定为到Node C上，D被定为到Node D上。

  

• 优点

  • 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，只有C对象被重定位到Node D。一般的，在一致性Hash算法中，如果一台服务器不可用，则受影响的数据仅仅是此服务器到其环空间中前一台服务器（即沿着逆时针方向行走遇到的第一台服务器）之间数据，其它不会受到影响。简单说，就是C挂了，受到影响的只是B、C之间的数据，并且这些数据会转移到D进行存储。

    

  • 一致性哈希算法的扩展性

    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

  • 一致性哈希算法的数据倾斜问题

    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。

    

哈希槽分区

哈希槽实质就是一个数组，数组[0,2¹⁴-1]形成hash slot空间。

• 为什么出现

  为了解决一致性哈希算法的数据倾斜问题

• 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。

• 多少个hash槽

  一个集群只能有16384个槽，编号0-16383（0-2¹⁴）

  • 这些槽会分配给集群中的所有主节点，分配策略没有要求。可以指定哪些编号的槽分配给哪个主节点。集群会记录节点和槽的对应关系。解决了节点和槽的关系后，接下来就需要对key求哈希值，然后对16384取余，余数是几key就落入对应的槽里。slot = CRC16(key) % 16384。以槽为单位移动数据，因为槽的数目是固定的，处理起来比较容易，这样数据移动问题就解决了。

  为什么哈希槽数量是16384呢？

  • CRC16算法产生的hash值有16bit，该算法可以产生2¹⁶=65536个值。

  正常的心跳数据包带有节点的完整配置，可以用幂等方式用旧的节点替换旧节点，以便更新旧的配置。
  这意味着它们包含原始节点的插槽配置，该节点使用2k的空间和16k的插槽，但是会使用8k的空间（使用65k的插槽）。
  同时，由于其他设计折衷，Redis集群不太可能扩展到1000个以上的主节点。
  因此16k处于正确的范围内，以确保每个主机具有足够的插槽，最多可容纳1000个矩阵，但数量足够少，可以轻松地将插槽配置作为原始位图传播。请注意，在小型群集中，位图将难以压缩，因为当N较小时，位图将设置的slot / N位占设置位的很大百分比。
  

  

  (1)如果槽位为65536，发送心跳信息的消息头达8k，发送的心跳包过于庞大。
  在消息头中最占空间的是myslots[CLUSTER_SLOTS/8]。 当槽位为65536时，这块的大小是: 65536÷8÷1024=8kb 
  在消息头中最占空间的是myslots[CLUSTER_SLOTS/8]。 当槽位为16384时，这块的大小是: 16384÷8÷1024=2kb 
  因为每秒钟，redis节点需要发送一定数量的ping消息作为心跳包，如果槽位为65536，这个ping消息的消息头太大了，浪费带宽。
  
  (2)redis的集群主节点数量基本不可能超过1000个。
  集群节点越多，心跳包的消息体内携带的数据越多。如果节点过1000个，也会导致网络拥堵。因此redis作者不建议redis cluster节点数量超过1000个。 那么，对于节点数在1000以内的redis cluster集群，16384个槽位够用了。没有必要拓展到65536个。
  
  (3)槽位越小，节点少的情况下，压缩比高，容易传输
  Redis主节点的配置信息中它所负责的哈希槽是通过一张bitmap的形式来保存的，在传输过程中会对bitmap进行压缩，但是如果bitmap的填充率slots / N很高的话(N表示节点数)，bitmap的压缩率就很低。 如果节点数很少，而哈希槽数量很多的话，bitmap的压缩率就很低。 
  

  

• 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，然后把结果对 16384 求余数，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

  
  

搭建三主三从集群

关闭防火墙+启动docker后台服务 systemctl disable firewalld、 systemctl start docker

新建6个redis实例

docker容器方式

docker run -d --name redis-node-1 
--net host					# 使用宿主机的网络与端口，默认
--privileged=true
-v /bk/redis/share/redis-node-1:/data 
redis:6.0.8 
--cluster-enabled yes		# 开启集群集群
--appendonly yes --port 6381

不使用docker，conf配置文件如下

bind 0.0.0.0
daemonize yes
protected-mode no
port 6381
logfile "/myredis/cluster/cluster6381.log"
pidfile /myredis/cluster6381.pid
dir /myredis/cluster
dbfilename dump6381.rdb
appendonly yes
appendfilename "appendonly6381.aof"
requirepass 111111
masterauth 111111
 
cluster-enabled yes
cluster-config-file nodes-6381.conf
cluster-node-timeout 5000

conf配置文件启动redis

redis-server /myredis/cluster/redisCluster6381.conf

通过redis-cli命令为6台机器构建集群关系

redis-cli --cluster create 192.168.111.147:6381 192.168.111.147:6382 \
192.168.111.147:6383 192.168.111.147:6384 192.168.111.147:6385 192.168.111.147:6386 \
--cluster-replicas 1		# 表示为每个master创建一个slave节点

进入6381作为切入点，查看集群状态 cluster info

查看各节点状态

M: 1 =》 S:6
M: 2 =》 S:4
M: 3 =》 S:5

主从容错切换迁移

常规进入redis新增数据

失效原因：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

防止路由失效加参数-c并新增两个key redis-cli -p 6381 -c

查看集群信息 redis-cli --cluster check 192.168.111.147:6381

查看某个key该属于对应的槽位值 cluster keyslot key

槽位数字编号 CLUSTER COUNTKEYSINSLOT

• 1，该槽位被占用
• 0，该槽位没占用

6381主机停了，对应的6386从机上位，这里的M:6381对应的S:6386

任意选一台机子作为突破口，再次查看集群信息

6379重新上线，并以从节点形式回归

手动故障转移 or 节点从属调整该如何处理CLUSTER FAILOVER

上面一换后6381、6386主从对调了，和原始设计图不一样了，该如何

• 方案一：对6386节点手动停止，然后再恢复

  docker restart redis-node-6不行=》docker stop redis-node-6 & docker start redis-node-6

• 方案二

  CLUSTER FAILOVER命令即可

  

集群对数据的一致性

集群不保证数据一致性100%OK，一定会有数据丢失情况

集群是否完整才能对外提供服务

默认YES，现在集群架构是3主3从的redis cluster由3个master平分16384个slot，每个master的小集群负责1/3的slot，对应一部分数据。

• cluster-require-full-coverage： 默认值 yes , 即需要集群完整性，方可对外提供服务 通常情况，如果这3个小集群中，任何一个（1主1从）挂了，你这个集群对外可提供的数据只有2/3了， 整个集群是不完整的， redis 默认在这种情况下，是不会对外提供服务的。
• 如果你的诉求是，集群不完整的话也需要对外提供服务，需要将该参数设置为no ，这样的话你挂了的那个小集群是不行了，但是其他的小集群仍然可以对外提供服务。

不在同一个slot槽位下的多键操作支持不好，通识占位符登场

• 不在同一个slot槽位下的键值无法使用mset、mget等多键操作

  

• 可以通过{}来定义同一个组的概念，使key中{}内相同内容的键值对放到一个slot槽位去，对照下图类似k1k2k3都映射为x，自然槽位一样

  

集群扩容

新建6387、6388两个节点+新建后启动+查看是否8节点

dcoker起容器

docker run -d --name redis-node-7 --net host --privileged=true -v /bk/redis/share/redis-node-7:/data redis:6.0.8 --cluster-enabled yes --appendonly yes --port 6387
docker run -d --name redis-node-8 --net host --privileged=true -v /bk/redis/share/redis-node-8:/data redis:6.0.8 --cluster-enabled yes --appendonly yes --port 6388

redis-cli 配置文件

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 111111
masterauth 111111

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

redis-server /myredis/cluster/redisCluster6387.conf

进入6387容器实例内部 docker exec -it redis-node-7 /bin/bash

将新增的6387节点(空槽号)作为master节点加入原集群 redis-cli --cluster add-node 自己实际IP地址:6387 自己实际IP地址:6381

6387 就是将要作为master新增节点
6381 就是原来集群节点里面的领路人，相当于6387拜拜6381的码头从而找到组织加入集群

第一次检查集群情况 redis-cli --cluster check 真实ip地址:6381

重新分派槽号 redis-cli --cluster reshard IP地址:端口号

第二次检查集群情况:6387的槽位是由之前三台主机匀过去的

为主节点6387分配从节点6388 redis-cli --cluster add-node ip:新slave端口 ip:新master端口 --cluster-slave --cluster-master-id 新主机节点ID

第三次检查集群状态，6388从机的是否OK

集群缩容

6387和6388下线，先删从机6388，再删除6387

将6388删除 从集群中将4号从节点6388删除 redis-cli -a 密码 --cluster del-node ip:从机端口 从机6388节点ID

• 首先获取从机的ID

  

• 执行删除命令

  redis-cli -a 密码 --cluster del-node ip:从机端口 从机6388节点ID

• 查看集群状态

  

将6387的槽号清空，重新分配，本例将清出来的槽号都给6381 redis-cli --cluster reshard 192.168.111.147:6381

将6387删除 redis-cli --cluster del-node ip:端口 6387节点ID