大厂面试官都服了，你竟然掌握了这四种Redis高可用架构？

前言

Hi 你好，我是东东拿铁，一个正在探索个人IP&副业的后端程序员。

如果你是一个后端开发同学，那你一定对Redis不陌生，但用了这么多年，你真正搞懂过Redis吗？

所以，文章开头，我想让你先问自己几个问题：

1. Redis高可用架构，你都了解哪几种？
2. 你们生产服务，用的是哪一种高可用架构？（不清楚的抓紧去弄清楚）
3. 主从复制是什么？数据分片又是什么？
4. 哨兵之间如何通信，选主又是什么意思？

如果你还有些许疑问，没关系，看完这篇文章，你可以快速了解Redis的四种高可用架构模式与优缺点。

主从架构

假设我们主节点ip为192.168.0.100，我们新上一个从节点，那就在从节点执行命令。

replicaof 192.168.0.100 6379

主从复制流程

第一阶段

从节点发送命令psync，有两个参数

runId：redis启动的随机id，一开始从库并不知道这个值，所以传'？'

offset：设置-1，表示第一次复制。

主库收到命令后，会返回FULLRESYNC响应命令，并带上上面两个参数

第二阶段

主库执行 bgsave 命令，生成 RDB 文件，接着将文件发给从库。

在主库将数据同步给从库的过程中，主库不会被阻塞，仍然可以正常接收请求。否则，Redis 的服务就被中断了。但是，这些请求中的写操作并没有记录到刚刚生成的 RDB 文件中。为了保证主从库的数据一致性，主库会在内存中用专门的 replication buffer，记录RDB 文件生成后收到的所有写操作。

具体细节，可以查看我另一篇文章。

第三阶段

主库会把第二阶段执行过程中新收到的写命令，再发送给从库。具体的操作是，当主库完成 RDB 文件发送后，就会把此时 replication buffer 中的修

改操作发给从库，从库再重新执行这些操作。这样一来，主从库就实现同步了。

主从复制的架构很简单，但是有一个很明显的弊端，如果主库挂了，整个服务职能提供读请求，写请求无法处理了，这是业务不能接受的，所以我们来介绍下一种模式，哨兵模式。

哨兵（Redis Sentinel）

哨兵其实就是一个运行在特殊模式下的 Redis 进程，主从库实例运行的同时，它也在运行。哨兵主要负责的就是三个任务：监控、选主（选择主库）和通知。

流程

监控

我们先看监控。监控是指哨兵进程在运行时，周期性地给所有的主从库发送 PING 命令，检测它们是否仍然在线运行。如果从库没有在规定时间内响应哨兵的 PING 命令，哨兵就会把它标记为"下线状态"；

同样，如果主库也没有在规定时间内响应哨兵的 PING 命令，哨兵就会判定主库下线，然后开始自动切换主库的流程。

选主

一旦主节点被标记为"客观下线"，哨兵节点开始执行选举新主节点的流程。

1. 哨兵节点会从所有可用的从节点中选举一个新的主节点。它会评估每个从节点的性能和复制偏移量等指标，并选择最适合的节点作为新的主节点。

2. 如果有多个从节点符合条件，则哨兵节点可能会使用一些额外的逻辑来选择最合适的节点。例如，它可能会考虑节点的复制延迟、磁盘使用率等因素。

3. 一旦选举出新的主节点，哨兵节点会更新集群的配置信息，并通知其他哨兵节点和客户端进行相应的调整。

通知

一旦新的主节点选举出来，哨兵节点会更新集群的配置信息，并通知客户端重新连接到新的主节点。客户端会重新连接到新的主节点，并继续进行数据操作。

主观下线和客观下线

为了增加判断的准确性，一般会采用多实例组成的集群模式进行部署，这也被称为哨兵集群。引入多个哨兵实例一起来判断，就可以避免单个哨兵因为自身网络状况不好，而误判主库下线的情况。同时，多个哨兵的网络同时不稳定的概率较小，由它们一起做决策，误判率也能降低。

因此在判断主库是否下线时，不能由一个哨兵说了算，只有大多数的哨兵实例，都判断主库已经"主观下线"了，主库才会被标记为"客观下线"，这个叫法也是表明主库下线成为一个客观事实了。这个判断原则就是：少数服从多数。同时，这会进一步触发哨兵开始主从切换流程。

哨兵通信

Redis Sentinel（哨兵）可以使用发布/订阅（Pub/Sub）功能来实现节点之间的通信和事件通知。通过发布/订阅机制，哨兵节点可以向其他节点发送消息，以通知它们发生了某些事件，比如主节点故障、故障转移等。以下是如何在Redis Sentinel中使用发布/订阅功能：

1. 订阅频道：

哨兵节点可以通过订阅一个或多个频道来接收消息。在Redis Sentinel中，通常会使用特定的频道来发布各种事件，比如+switch-master用于通知主节点切换，+sdown用于通知节点下线等。

SUBSCRIBE +switch-master

2. 发布消息：

当发生某些事件时，比如主节点故障或故障转移，哨兵节点可以使用PUBLISH命令向订阅者发送消息。

PUBLISH +switch-master master-name new-ip new-port

这条命令会向订阅了+switch-master频道的所有节点发送一条消息，通知它们主节点切换的情况。

主库切换

任何一个实例只要自身判断主库"主观下线"后，就会给其他实例发送 is-master-down-by-addr 命令。接着，其他实例会根据自己和主库的连接情况，做出Y或N的响应，Y同意，N反对。

一个哨兵获得了仲裁所需的赞成票数后，就可以标记主库为"客观下线"。这个所需的赞成票数是通过哨兵配置文件中的 quorum 配置项设定的。

Leader选举，这个哨兵就可以再给其他哨兵发送命令，表明希望由自己来执行主从切换，并让所有其他哨兵进行投票。因为最终执行主从切换的哨兵

称为 Leader，投票过程就是确定 Leader。

选择为Leader的条件

1. 拿到半数以上的赞成票；
2. 拿到的票数同时还需要大于等于哨兵配置文件中的 quorum 值。

注：如果哨兵集群只有 2 个实例，此时，一个哨兵要想成为 Leader，必须获得2 票（需要超过半数）。所以，如果有个哨兵挂掉了，那么，此时的集群是无法进行主从库切换的。因此，通常我们至少会配置3个哨兵实例。

Redis Cluster

假如我们的用户量千万，需要缓存的数据越来越大，我们应该怎么处理呢？

纵向扩展：升级单个 Redis 实例的资源配置，包括增加内存容量、增加磁盘容量、使用更高配置的 CPU。

横向扩展：横向增加当前 Redis 实例的个数，把数据等分成几个部分。

虽然纵向扩展简单直接，直接扩大内存就好了，但是有一些缺点：

1. 硬件限制，比如我们有1TB的内存数据，单机就很难支持了，线上机器实例很少会这样配置，有也不给你Redis

2. 持久化，大数据量持久化时，fork导致主线程阻塞看，数据越大，阻塞时间越长

从 3.0 开始，官方提供了一个名为 Redis Cluster 的方案，用于实现切片集群。Redis Cluster 方案中就规定了数据和实例的对应规则。

如何通信

一个Redis集群由多个节点组成，各个节点之间是怎么通信的呢？通过Gossip协议！

常用的Gossip消息分为4种，分别是：ping、pong、meet、fail。

meet消息：通知新节点加入。消息发送者通知接收者加入到当前集群，meet消息通信正常完成后，接收节点会加入到集群中并进行周期性的ping、pong消息交换。

ping消息：集群内交换最频繁的消息，集群内每个节点每秒向多个其他节点发送ping消息，用于检测节点是否在线和交换彼此状态信息。
pong消息：当接收到ping、meet消息时，作为响应消息回复给发送方确认消息正常通信。pong消息内部封装了自身状态数据。节点也可以向集群内广播自身的pong消息来通知整个集群对自身状态进行更新。
fail消息：当节点判定集群内另一个节点下线时，会向集群内广播一个fail消息，其他节点接收到fail消息之后把对应节点更新为下线状态。

数据切片后，数据在多个实例之间如何分布？

Redis Cluster 方案采用哈希槽（Hash Slot，接下来我会直接称之为 Slot）来处理数据和实例之间的映射关系。在Redis Cluster方案中，一个切片集群共有16384个哈希槽，这些哈希槽类似于数据分区，每个键值对都会根据它的 key，被映射到一个哈希槽中。

具体的映射过程分为两大步：首先根据键值对的 key，按照CRC16算法计算一个16bit的值；然后，再用这个16bit值对16384取模，得到0~16383范围内的模数，每个模数代表一个相应编号的哈希槽。

使用Redis Cluster 方案时，可以使用 cluster create 命令创建集群，此时Redis会自动把这些槽平均分布在集群实例上。例如，如果集群中有 N 个实例，每个实例上的槽个数为 16384/N 个。

当然我们也可以手动设置机器上面的hash槽个数，应对线上机器不同配置的情况，这个大家去查看官方文档就好了。

客户端怎么确定数据在哪个实例上？

假设数据一成不变

在定位键值对数据时，客户端发送请求时，来计算它所处的哈希槽。但是，要进一步定位到实例，还需要知道哈希槽分布在哪个实例上。

但集群模式下，Redis实例会把自己的哈希槽信息发给和它相连接的其它实例，来完成哈希槽分配信息的扩散。当实例之间相互连接后，每个实例就有所有哈希槽的映射关系了。

客户端收到哈希槽信息后，会把哈希槽信息缓存在本地。当客户端请求键值对时，会先计算键所对应的哈希槽，然后就可以给相应的实例发送请求了。

当然，有一些特殊情况，hash槽对应的实例会有变化

1. 在集群中，实例有新增或删除，Redis 需要重新分配哈希槽。

2. 为了负载均衡，Redis 需要把哈希槽在所有实例上重新分布一遍。

此时客户端缓存的数据就不准了，可能出现以下情景：

本地缓存的实例ip是192.168.0.1，但是此时该hash槽的对应ip变成了192.168.0.2。

GET helloworld

(error) MOVED 2400 192.168.0.2:6379

MOVED命令含义：表示请求的key，对应的hash槽与对应的实例信息，然后客户端只需要重新在对应的实例去操作就可以了。

当迁移的数据量过大时，就可能出现一种情况，请求时这个hash槽只迁移了一部分数据到新实例，还有一部分数据在老实例。

GET helloworld

(error) ASK 2400 172.16.19.5:6379

ASK命令含义，当在Redis Cluster中使用ASK（Ask Redirect）返回报错时，通常表示在执行命令时客户端与集群之间发生了某种异常情况。ASK是Redis Cluster中的一种特殊机制，用于在槽迁移时指示客户端重定向到另一个节点。

Cluster Proxy（集群代理）

Proxy模式通过在Redis客户端和服务端之间插入代理（Proxy）来实现负载均衡、故障转移和数据分片等功能。Proxy可以根据负载情况将请求分发到不同的Redis节点上，并在节点故障时自动切换到备用节点。Proxy模式提供了更灵活的架构设计和更好的可扩展性，但也增加了系统的复杂性和延迟。

优点：

1. 负载均衡： Redis Proxy可以实现负载均衡，将客户端请求分发到多个后端的Redis服务器上，从而平衡集群中各个节点的负载，提高系统的整体性能和吞吐量。

2. 故障转移： 当后端的Redis服务器出现故障或不可用时，Redis Proxy可以自动将请求重新路由到其他可用的节点上，从而实现故障转移，保证系统的高可用性。

3. 数据分片： Redis Proxy可以将数据分片存储在多个后端的Redis服务器上，并根据数据的键来选择合适的服务器，从而增加系统的存储容量和并发处理能力。

4. 协议转换： Redis Proxy可以支持多种Redis协议，如RESP（REdis Serialization Protocol）、Memcached协议等，可以根据客户端的请求协议，将请求转换成后端服务器所支持的协议格式。

5. 缓存： 一些Redis Proxy还提供了缓存功能，可以缓存常用的请求结果，并在后续的请求中直接返回缓存的结果，对于热点数据，非常好用。

缺点：

1. 单点故障： Redis Proxy本身也可能成为系统的单点故障，如果Proxy出现故障或不可用，会影响整个系统的稳定性和可用性。

2. 性能损耗： 由于Redis Proxy介于客户端和后端Redis服务器之间，数据传输需要经过额外的中间层，可能会引入一定的性能损耗和延迟。

3. 复杂性： 引入Redis Proxy会增加系统的复杂性，需要额外的管理和维护工作，包括配置管理、监控和故障排查等，增加了系统的开发和运维成本。

4. 一致性问题： 如果Redis Proxy缓存了部分数据，并且与后端Redis服务器之间存在数据不一致的情况，可能会导致数据一致性的问题，需要谨慎处理。

说在最后

本文带大家了解了Redis的四种高可用架构模式

1. 主从架构，提供了读写分离，但主节点故障，则会影响线上业务。
2. 哨兵模式，提供了哨兵节点，主节点故障，则可以自动切换。
3. 集群模式，提供了分片功能，极大的降低了但实例的数据量，适合大规模的Redis
4. 集群代理，在集群模式上做了优化，但也有一些缺点。

先说结论，高可用架构中，很多实践细节都偏向于运维来操作，对于后端研发来说，不要太深究运维细节，切忌让自己深入在命令的操作中去，

重点要了解四种架构的优缺点 ，每种架构的底层原理 是什么，为什么会有这样的演进方向，每种架构都解决了什么问题，知其然，知其所以然。

不知道你在工作中，处理过哪些Redis的问题，可以和大家分享呢？欢迎你在评论区与我交流。希望本文能够为您工作和面试中提供一些参考和帮助，看到这里，希望点赞评论支持一下，也欢迎你加我的wx：Ldhrlhy10，一起交流～