当前位置: 首页 > news >正文

Redis集群方案——Redis分片集群

        Redis分片集群(Redis Cluster)是Redis官方提供的分布式解决方案,它允许数据自动分布在多个Redis节点上,提供高性能、高可用的Redis服务。

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,如图:

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

  • 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

1.散列插槽

        Redis 分片集群引入了哈希槽的概念,Redis 集群有 16384 个哈希槽,每个 kev通过 CRC16 校验后对 16384 取模来决定放置哪个槽,集群的每个节点负责一部分 hash 槽。

1.1 插槽原理

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

        那么依据以上插槽原理,如果想要进行定点存储,也就是同一种类型数据存储到相同的节点上,那么我们就可以定义{}中的有效部分是相同的。

2.集群伸缩

Redis分片集群的伸缩是指动态增加或减少集群节点的能力,包括扩容缩容两种操作。

集群伸缩的核心机制就是哈希槽的重分配

  • Redis Cluster将数据划分为16384个哈希槽

  • 伸缩本质是重新分配这些槽位到不同节点

  • 槽位迁移是原子操作,保证数据一致性

3.故障转移

Redis分片集群的故障转移是其高可用性的核心保障,能够在节点故障时自动进行主从切换,确保服务持续可用。

3.1 自动故障转移

        自动故障转移就是其他的master检测不到宕机的master,确认其真的下线了,就会选取其slave为新的master,当宕机的实例恢复后会成为slave。

3.2 手动故障转移

        当我们想要实现数据迁移时,可以进行手动转移操作:
        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,实现无感知的数据迁移。其流程如下:

这种failover命令可以指定三种模式:

  • 缺省: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

4.Docker搭建Redis分片集群

Docker搭建Redis分片集群(内涵原理验证)https://blog.csdn.net/m0_74808313/article/details/149331126?spm=1011.2124.3001.6209

5.相关面试问题

5.1 redis分片集群有什么作用?

        redis分片集群是redis提供的一种高并发和高可用性的分布式方案,主要解决的是海量数据存储和高并发写的场景。

        首先,集群中有多个master,每个master之间通过心跳机制相互检测,类似于哨兵机制,可以进行自动故障转移,保障了服务的高可用性。

        其次,每个master还可以配置多个slave,提高了服务的高并发性。

        最后,客户端可以访问任意的节点,最后请求可以被转发到相应的节点访问。

5.2 redis分配集群中的数据是如何进行存储和读取的?

        redis分片集群中提出了哈希槽的概念,一共有16384个哈希槽,数据不是存储到节点上的,而是存储到哈希槽中,为节点分配一定范围的哈希槽。

        key通过CRC16校验,然后对16384取余来决定存储到哪个哈希槽中。

        读取也是相同的逻辑。

http://www.dtcms.com/a/279783.html

相关文章:

  • GPU集群运维
  • Unity物理系统由浅入深第六节:高级主题与前沿探索
  • 动态规划题解——乘积最大子数组【LeetCode】
  • 【EM算法】算法及注解
  • 12.4 Hinton与Jeff Dean突破之作:稀疏门控MoE如何用1%计算量训练万亿参数模型?
  • 【python】基于pygame实现动态粒子爱心
  • Qualcomm FastConnect C7700:新一代Wi-Fi 7
  • Js 压缩图片为 120 kb且使用canvas显示(一键运行)
  • 【EM算法】三硬币模型
  • [硬件电路-21]:模拟信号处理运算与数字信号处理运算的详细比较
  • 连分数的收敛判别与计算方法
  • 鸿蒙开发NDK之---- 如何将ArkTs的类型转化成C++对应的类型(基础类型,包含部分代码解释)
  • Jetson平台CSI摄像头采集与显示:gst-launch-1.0与OpenCV实战
  • 【linux V0.11】boot
  • 多生产者多消费者问题(操作系统os)
  • SpringCloud之Hystrix
  • 【DOCKER】-4 dockerfile镜像管理
  • linux网络存储——freeNAS的安装配置
  • Spring Cloud分布式配置中心:架构设计与技术实践
  • MFC/C++语言怎么比较CString类型 第一个字符
  • 读文章 Critiques of World model
  • Java(集合)
  • aspnetcore Mvc配置选项中的ModelMetadataDetailsProviders
  • SAP-ABAP:SAP库存管理核心增强:IF_EX_MB_DOCUMENT_BADI 深度解析
  • 交换类排序的C语言实现
  • Hello, Tauri!
  • 基于Android的景点旅游信息系统App
  • 使用aiohttp实现高并发爬虫
  • uni-app开发的页面跳转全局加载中
  • 基于HarmonyOS的智能灯光控制系统设计:从定时触发到动作联动全流程实战