我的博客大纲

我的后端学习大纲

我的Redis学习大纲

---

1.cluster（集群）模式-docker版 哈希槽分区进行亿级数据存储

1.1.面试题：1~2亿条数据需要缓存，请问如何设计这个存储案例

• 1.回答：单机单台100%不可能，肯定是使用Redis，对数据进行分布式存储，那在这分布式环境中，亿级的数据怎么进行存储，怎么进行查询，redis如何落地,有如下三种解决方案
  • 哈希取余分区
  • 一致性哈希算法分区
  • 哈希槽分区

---

2.三种解决方案的介绍：

2.1.哈希取余分区:

a.什么是哈希取余：

b.优点：

• 1.简单粗暴，直接有效，只需要预估好数据，规划好节点，就能保证一段时间内的数据支撑。使用Hash算法，可以让固定的一部分请求落在同一台服务器上，这样每台服务器就处理一些固定的请求，起到负载均衡和分而治之的作用；

c.缺点：

• 原来规划好的节点，进行扩容或者缩容就比较麻烦了，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。

2.2.一致性哈希算法分区：

a.是什么：

• 1.一致性哈希算法在1997年由麻省理工学院中提出的，设计目标是为了解决上述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。

b.能干嘛：

• 1.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

c.实现步骤

• 1.步骤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。
  • 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2^{32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0-2}32-1（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2^{32-1，也就是说0点左侧的第一个点代表2}32-1， 0和2^{32-1在零点中方向重合，我们把这个由2}32个点组成的圆环称为Hash环。
• 2.步骤2：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.步骤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。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。
    

d.优点

• 1.一致性哈希算法的容错性：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。
• 2.一致性哈希算法的扩展性： 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。

e.缺点

• 1.一致性哈希算法的数据倾斜问题： 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：
  

f.总结：

• 1.为了在节点数目发生改变时尽可能少的迁移数据 将所有的存储节点排列在收尾相接的Hash环上，每个key在计算Hash后会顺时针找到临近的存储节点存放。而当有节点加入或退出时仅影响该节点在Hash环上顺时针相邻的后续节点。
• 优点加入和删除节点只影响哈希环中顺时针方向的相邻的节点，对其他节点无影响
• 缺点 数据的分布和节点的位置有关，因为这些节点不是均匀的分布在哈希环上的，所以数据在进行存储时达不到均匀分布的效果。

---

2.3.哈希槽分区（常用）

a.什么是哈希槽：

• 哈希槽实质就是一个数组，数组[0,2^14 -1]形成hash slot空间

b.哈希槽能干什么：

• 哈希槽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

c.多少个Hash槽：

• 1.一个集群只能有16384个槽，编号0-16383（0-2^14-1）。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。
• 2.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
    

---

3.搭建Redis的3主3从的redis集群扩缩容配置案例架构：

3.1.搭建3主3从集群配置：

• 1.架构图
  
• 2.关闭防火墙 + 启动docker后台服务
  
• 3.新建6个Docker实例：

  docker run -d --name redis-node-1 --net host --privileged=true -v /data/redis/share/redis-node-1:/data redis:6.0.8 --cluster-enabled yes --appendonly yes --port 6381 docker run -d --name redis-node-2 --net host --privileged=true -v /data/redis/share/redis-node-2:/data redis:6.0.8 --cluster-enabled yes --appendonly yes --port 6382 docker run -d --name redis-node-3 --net host --privileged=true -v /data/redis/share/redis-node-3:/data redis:6.0.8 --cluster-enabled yes --appendonly yes --port 6383 docker run -d --name redis-node-4 --net host --privileged=true -v /data/redis/share/redis-node-4:/data redis:6.0.8 --cluster-enabled yes --appendonly yes --port 6384 docker run -d --name redis-node-5 --net host --privileged=true -v /data/redis/share/redis-node-5:/data redis:6.0.8 --cluster-enabled yes --appendonly yes --port 6385 docker run -d --name redis-node-6 --net host --privileged=true -v /data/redis/share/redis-node-6:/data redis:6.0.8 --cluster-enabled yes --appendonly yes --port 6386
  

• 4.进入容器redis-one并为6台机器构建集群关系:
  • 假设是进入1号机：docker exec -it redis-node-1 /bin/bash
  • 构建主从关系的命令：cluster-replicas 1 表示为每个master创建一个slave节点

//注意，进入docker容器后才能执行一下命令，且注意自己的真实IP地址
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 

• 5.链接进入6381作为切入点，查看集群状态
  • cluster info
    
  • cluster nodes
    

---

3.2.主从容错切换迁移案例：

a. 数据读写存储：

a1.启动6机构成的集群并通过exec进入

• 1.进入6381机器：
  
• 2.存储k-v测试：其原因是存储的key不在6381所属槽位，但是又不能自动分配到别的redis槽位上，其原因是目前是集群环境，使用的启动并不正确，是单机版的命令，应该是改成集群版命令。
  
• 3.重启进入redis：
  
• 4.查看集群信息：
  

b.容错切换迁移：

b1.主6381和从机切换，先停止主机6381

• 1.停止6381机器：
  

b2.再次查看集群信息：发现6384机器变成了主机

b3.先还原之前的3主3从

• 先启6381：docker start redis-node-1
• 再停6385：docker stop redis-node-5
• 再启6385：docker start redis-node-5

b4.查看集群状态：

---

3.3.主从扩容案例：

3主3从变成4主4从

a.新建6387、6388两个节点+新建后启动+查看是否8节点

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

b.进入6387容器实例内部

• 1.docker exec -it redis-node-7 /bin/bash

a.将新增的6387节点(空槽号)作为master节点加入原集群

• 1.将新增的6387作为master节点加入集群: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

c.检查集群情况第1次:

d.重新分派槽号:

e.检查集群情况第2次：

• 1.检查命令：
  
• 2.发现是每个节点分给第四台主机上：重新分配成本太高，所以前3家各自匀出来一部分，从6381/6382/6383三个旧节点分别匀出1364个坑位给新节点6387
  

f.为主节点6387分配从节点6388：

g.检查集群情况第3次:

---

3.4.主从缩容案例：

a.目的：6387和6388下线

b.检查集群情况，获得6388的节点ID

c.从集群中将4号从节点6388删除

d.将6387的槽号清空，重新分配，本例是将清出来的槽号都给6381

e.检查集群情况第二次:

f.将6387删除:

g.检查集群情况第三次: