分布式缓存之Redis(持久化、主从、哨兵、分片集群)

本文涉及的产品
云数据库 Tair(兼容Redis),内存型 2GB
Redis 开源版,标准版 2GB
推荐场景:
搭建游戏排行榜
简介: 分布式缓存之Redis(持久化、主从、哨兵、分片集群)

069e0331c8874776b910b7d0190f8c34.png

Redis持久化

Redis有两种持久化方案:RDB持久化和AOF持久化。

RDB持久化

RDB全称Redis Database Backup file(Redis数据备份文件),也被叫做Redis数据快照。简单来说就是把内存中的所有数据都记录到磁盘中。当Redis实例故障重启后,从磁盘读取快照文件,恢复数据。快照文件称为RDB文件,默认是保存在当前运行目录。

RDB持久化在四种情况下会执行:执行save命令、执行bgsave命令、Redis停机时、触发RDB条件时。

save命令会导致主进程执行RDB,这个过程中其它所有命令都会被阻塞,只有在数据迁移时可能用到。

bgsave命令执行后会开启独立进程完成RDB,主进程可以持续处理用户请求,不受影响。

Redis停机时会执行一次save命令,实现RDB持久化。

Redis内部有触发RDB的机制,可以在redis.conf文件中找到,格式如下:

# 900秒内,如果至少有1个key被修改,则执行bgsave , 如果是save "" 则表示禁用RDB
save 900 1  
save 300 10  
save 60 10000 

RDB的其它配置也可以在redis.conf文件中设置:

# 是否压缩 ,建议不开启,压缩也会消耗cpu,磁盘比较便宜
rdbcompression yes
# RDB文件名称
dbfilename dump.rdb  
# 文件保存的路径目录
dir ./ 

RDB原理

bgsave开始时会fork主进程得到子进程,然后得到的子进程共享主进程的内存数据。完成fork后读取内存数据并写入 RDB 文件,用新RDB文件替换旧的RDB文件。fork采用的是copy-on-write技术:当主进程执行读操作时,访问共享内存;当主进程执行写操作时,则会拷贝一份数据,执行写操作。

RDB的缺点:

RDB执行间隔时间长,两次RDB之间写入数据有丢失的风险。

fork子进程、压缩、写出RDB文件都比较耗时。

AOF持久化

AOF全称为Append Only File(追加文件)。Redis处理的每一个写命令都会记录在AOF文件,可以看做是命令日志文件。AOF默认是关闭的,需要修改redis.conf配置文件来开启AOF:

# 是否开启AOF功能,默认是no
appendonly yes
# AOF文件的名称
appendfilename "appendonly.aof"


AOF的命令记录的频率也可以通过redis.conf文件来配:

# 表示每执行一次写命令,立即记录到AOF文件
appendfsync always 
# 写命令执行完先放入AOF缓冲区,然后表示每隔1秒将缓冲区数据写到AOF文件,是默认方案
appendfsync everysec 
# 写命令执行完先放入AOF缓冲区,由操作系统决定何时将缓冲区内容写回磁盘
appendfsync no


因为是记录命令,AOF文件会比RDB文件大的多。而且AOF会记录对同一个key的多次写操作,但只有最后一次写操作才有意义。通过执行bgrewriteaof命令,可以让AOF文件执行重写功能,用最少的命令达到相同效果。

Redis也会在触发阈值时自动去重写AOF文件,阈值也可以在redis.conf中配置:

# AOF文件比上次文件 增长超过多少百分比则触发重写
auto-aof-rewrite-percentage 100
# AOF文件体积最小多大以上才触发重写 
auto-aof-rewrite-min-size 64mb 

RDB和AOF各有自己的优缺点,如果对数据安全性要求较高,在实际开发中往往会结合两者来使用。

image.png

Redis主从

单节点Redis的并发能力是有上限的,要进一步提高Redis的并发能力,就需要搭建主从集群,实现读写分离。

开启主从关系,修改配置文件

在redis.conf中添加一行配置:```slaveof <masterip> <masterport>```

主从数据同步原理:全量同步、增量同步

主从第一次建立连接时,会执行全量同步,将master节点的所有数据都拷贝给slave节点。完整流程:

1.slave节点请求增量同步

2.master节点判断replid,发现不一致,拒绝增量同步

3.master将完整内存数据生成RDB,发送RDB到slave

4.slave清空本地数据,加载master的RDB

5.master将RDB期间的命令记录在repl_baklog,并持续将log中的命令发送给slave

6.slave执行接收到的命令,保持与master之间的同步

master如何得知salve是第一次来连接呢?

Replication Id:简称replid,是数据集的标记,id一致则说明是同一数据集。每一个master都有唯一的replid,slave则会继承master节点的replid

offset:偏移量,随着记录在repl_baklog中的数据增多而逐渐增大。slave完成同步时也会记录当前同步的offset。如果slave的offset小于master的offset,说明slave数据落后于master,需要更新。

因此slave做数据同步,必须向master声明自己的replication id 和offset,master才可以判断到底需要同步哪些数据。

master判断发现slave发送来的replid与自己的不一致,说明这是一个全新的slave,就知道要做全量同步了。master会将自己的replid和offset都发送给这个slave,slave保存这些信息。以后slave的replid就与master一致了。master判断一个节点是否是第一次同步的依据,就是看replid是否一致。

全量同步需要先做RDB,然后将RDB文件通过网络传输个slave,成本太高了。因此除了第一次做全量同步,其它大多数时候slave与master都是做增量同步

repl_backlog原理(master知道slave与自己的数据差异)

这个文件是一个固定大小的数组,只不过数组是环形,也就是说角标到达数组末尾后,会再次从0开始读,这样数组头部的数据就会被覆盖。repl_baklog中会记录Redis处理过的命令日志及offset,包括master当前的offset,和slave已经拷贝到的offset。slave与master的offset之间的差异,就是salve需要增量拷贝的数据了。

repl_baklog大小有上限,写满后会覆盖最早的数据。如果slave断开时间过久,导致尚未备份的数据被覆盖,则无法基于log做增量同步,只能再次全量同步

主从同步可以保证主从数据的一致性,可以从以下几个方面来优化Redis主从就集群:

1.在master中配置repl-diskless-sync yes启用无磁盘复制,避免全量同步时的磁盘IO。

2.Redis单节点上的内存占用不要太大,减少RDB导致的过多磁盘IO

3.适当提高repl_baklog的大小,发现slave宕机时尽快实现故障恢复,尽可能避免全量同步

4.限制一个master上的slave节点数量,如果实在是太多slave,则可以采用主-从-从链式结构,减少master压力

小结:

全量同步:master将完整内存数据生成RDB,发送RDB到slave。后续命令则记录在repl_baklog,逐个发送给slave。

增量同步:slave提交自己的offset到master,master获取repl_baklog中从offset之后的命令给slave

执行全量同步的时机:

slave节点第一次连接master节点时

slave节点断开时间太久,repl_baklog中的offset已经被覆盖时

Redis哨兵

Redis提供了哨兵(Sentinel)机制,其作用如下:

监控:Sentinel 会不断检查您的master和slave是否按预期工作

自动故障恢复:如果master故障,Sentinel会将一个slave提升为master,当故障实例恢复后也以新的master为主。

通知:Sentinel充当Redis客户端的服务发现来源,当集群发生故障转移时,会将最新信息推送给Redis的客户端。

集群监控原理

Sentinel基于心跳机制监测服务状态,每隔1秒向集群的每个实例发送ping命令:如果某sentinel节点发现某实例未在规定时间响应,则认为该实例主观下线。如果超过指定数量(quorum)的sentinel都认为该实例主观下线,则该实例客观下线。quorum值最好超过Sentinel实例数量的一半。

集群故障恢复原理

一旦发现master故障,sentinel需要在salve中选择一个作为新的master,选择依据如下:

1.首先会判断slave节点与master节点断开时间长短,如果超过指定值(down-after-milliseconds * 10【主从库断连的最大连接超时时间】)则会排除该slave节点

2.然后判断slave节点的slave-priority值,越小优先级越高【一般都为1】,如果是0则永不参与选举

3.如果slave-prority一样,则判断slave节点的offset值,越大说明数据越新,优先级越高

4.最后是判断slave节点的运行id大小,越小优先级越高。

当选出一个新的master后,实现切换流程:

1.sentinel给备选的slave节点发送slaveof no one命令,让该节点成为master

2.sentinel给所有其它slave发送(slaveof ip+端口)命令,让这些slave成为新master的从节点,开始从新的master上同步数据。

3.最后,sentinel将故障节点标记为slave(修改故障节点配置,添加slaveof 新master 命令),当故障节点恢复后会自动成为新的master的slave节点。

Redis分片集群

主从和哨兵可以解决高可用、高并发读的问题。但是对于海量数据存储问题和高并发写的问题,只有使用分片集群可以解决。

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。

散列插槽

Redis会把每一个master节点映射到0~16383共16384个插槽(hash slot)上,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:

1.key中包含"{}",且“{}”中至少包含1个字符,“{}”中的部分是有效部分【可以根据{}里面的内容将key分类】

2.key中不包含“{}”,整个key都是有效部分

例如:key是num,那么就根据num计算,如果key是{xy}num,则根据xy计算。计算方式是利用CRC16算法得到一个hash值,然后对16384取余,得到的结果就是slot值。

小结:

Redis如何判断某个key应该在哪个实例?

1.将16384个插槽分配到不同的实例

2.根据key的有效部分计算哈希值,对16384取余

3.余数作为插槽,寻找插槽所在实例即可

如何将同一类数据固定的保存在同一个Redis实例?

这一类数据使用相同的有效部分,例如key都以{typeId}为前缀。

集群伸缩

添加新节点到redis

执行命令:

redis-cli --cluster add-node  新节点地址:端口  旧节点地址:端口

默认是加入了一个master节点。

转移插槽:

redis-cli --cluster reshard 节点地址:端口


其实对于分片集群来说,所有数据都是跟着插槽走的。

故障转移

当集群中有一个master宕机,首先是该实例与其它实例失去连接,然后是疑似宕机状态,最后是确定下线,自动提升一个slave为新的master,当改故障master再次启动,就会变为一个slave节点了。

PS: 多级缓存

传统的缓存策略一般是请求到达Tomcat后,先查询Redis,如果未命中则查询数据库,但是存在下面的问题:

1.请求要经过Tomcat处理,Tomcat的性能成为整个系统的瓶颈

2.Redis缓存失效时,会对数据库产生冲击

多级缓存就是充分利用请求处理的每个环节,分别添加缓存,减轻Tomcat压力,提升服务性能:

1.浏览器访问静态资源时,优先读取浏览器本地缓存

2.访问非静态资源(ajax查询数据)时,访问服务端

3.请求到达Nginx后,优先读取Nginx本地缓存

4.如果Nginx本地缓存未命中,则去直接查询Redis(不经过Tomcat)

5.如果Redis查询未命中,则查询Tomcat

6.请求进入Tomcat后,优先查询JVM进程缓存

7.如果JVM进程缓存未命中,则查询数据库

在多级缓存架构中,Nginx内部需要编写本地缓存查询、Redis查询、Tomcat查询的业务逻辑,因此这样的nginx服务不再是一个反向代理服务器,而是一个编写业务的Web服务器了

如果tomcat是集群模式,那么要对tomcat集群做负载均衡,是因为要让每一个路径请求进来都访问同一个tomcat服务,那么JVM缓存就能一定能生效。

关于Redis缓存预热

Redis缓存会面临冷启动问题:

冷启动:服务刚刚启动时,Redis中并没有缓存,如果所有商品数据都在第一次查询时添加缓存,可能会给数据库带来较大压力。

缓存预热:在实际开发中,我们可以利用大数据统计用户访问的热点数据,在项目启动时将这些热点数据提前查询并保存到Redis中。


相关实践学习
基于Redis实现在线游戏积分排行榜
本场景将介绍如何基于Redis数据库实现在线游戏中的游戏玩家积分排行榜功能。
相关文章
|
13天前
|
存储 负载均衡 NoSQL
【赵渝强老师】Redis Cluster分布式集群
Redis Cluster是Redis的分布式存储解决方案,通过哈希槽(slot)实现数据分片,支持水平扩展,具备高可用性和负载均衡能力,适用于大规模数据场景。
|
2月前
|
存储 缓存 NoSQL
Redis核心数据结构与分布式锁实现详解
Redis 是高性能键值数据库,支持多种数据结构,如字符串、列表、集合、哈希、有序集合等,广泛用于缓存、消息队列和实时数据处理。本文详解其核心数据结构及分布式锁实现,帮助开发者提升系统性能与并发控制能力。
|
4月前
|
缓存 NoSQL 关系型数据库
美团面试:MySQL有1000w数据,redis只存20w的数据,如何做 缓存 设计?
美团面试:MySQL有1000w数据,redis只存20w的数据,如何做 缓存 设计?
美团面试:MySQL有1000w数据,redis只存20w的数据,如何做 缓存 设计?
|
4月前
|
缓存 NoSQL Java
Redis+Caffeine构建高性能二级缓存
大家好,我是摘星。今天为大家带来的是Redis+Caffeine构建高性能二级缓存,废话不多说直接开始~
567 0
|
2月前
|
NoSQL Redis
Lua脚本协助Redis分布式锁实现命令的原子性
利用Lua脚本确保Redis操作的原子性是分布式锁安全性的关键所在,可以大幅减少由于网络分区、客户端故障等导致的锁无法正确释放的情况,从而在分布式系统中保证数据操作的安全性和一致性。在将这些概念应用于生产环境前,建议深入理解Redis事务与Lua脚本的工作原理以及分布式锁的可能问题和解决方案。
98 8
|
17天前
|
存储 NoSQL 算法
Redis的集群架构与使用经验
本文介绍了Redis的集群架构与使用经验,包括主从复制、哨兵集群及Cluster分片集群的应用场景与实现原理。内容涵盖Redis主从同步机制、数据分片存储方式、事务支持及与Memcached的区别,并讨论了Redis内存用尽时的处理策略。适用于了解Redis高可用与性能优化方案。
|
2月前
|
负载均衡 NoSQL Redis
【赵渝强老师】Redis的主从复制集群
Redis主从复制是指将一台Redis服务器的数据复制到其他Redis服务器,实现数据热备份、故障恢复、负载均衡及高可用架构的基础。主节点负责写操作,从节点同步数据并可提供读服务,提升并发处理能力。
|
4月前
|
数据采集 存储 NoSQL
基于Scrapy-Redis的分布式景点数据爬取与热力图生成
基于Scrapy-Redis的分布式景点数据爬取与热力图生成
272 67
|
3月前
|
缓存 NoSQL 算法
高并发秒杀系统实战(Redis+Lua分布式锁防超卖与库存扣减优化)
秒杀系统面临瞬时高并发、资源竞争和数据一致性挑战。传统方案如数据库锁或应用层锁存在性能瓶颈或分布式问题,而基于Redis的分布式锁与Lua脚本原子操作成为高效解决方案。通过Redis的`SETNX`实现分布式锁,结合Lua脚本完成库存扣减,确保操作原子性并大幅提升性能(QPS从120提升至8,200)。此外,分段库存策略、多级限流及服务降级机制进一步优化系统稳定性。最佳实践包括分层防控、黄金扣减法则与容灾设计,强调根据业务特性灵活组合技术手段以应对高并发场景。
827 7
|
4月前
|
NoSQL 算法 安全
redis分布式锁在高并发场景下的方案设计与性能提升
本文探讨了Redis分布式锁在主从架构下失效的问题及其解决方案。首先通过CAP理论分析,Redis遵循AP原则,导致锁可能失效。针对此问题,提出两种解决方案:Zookeeper分布式锁(追求CP一致性)和Redlock算法(基于多个Redis实例提升可靠性)。文章还讨论了可能遇到的“坑”,如加从节点引发超卖问题、建议Redis节点数为奇数以及持久化策略对锁的影响。最后,从性能优化角度出发,介绍了减少锁粒度和分段锁的策略,并结合实际场景(如下单重复提交、支付与取消订单冲突)展示了分布式锁的应用方法。
286 3