引言

上期我们聊到redis单点带来的问题和应对理论AKF拆分原则

大环境不好？前同事斩获30K的Offer就是用的这套redis谈资

其实AKF也存在着一些问题，今天我们就来探讨一下使用AKF时沿着X轴扩展问题。

X轴横向扩展隐藏问题

上期我们聊到，在X轴上扩展机器其核心是原机器和新增的机器要保持数据一致，那这里就涉及到数据同步，存在着主从或者主备的情况，定是需要区分主备，主节点向从节点同步数据，那么要保证所有机器，这些机器的组合我们叫做集群，集群这里不展开叙述，集群数据同步需要考虑的问题：

一、主从数据复制

主机与从机都会对外提供查询服务，它们的数据是一致的，所以查询的结果也是一致的，当某一个从机接收到写请求时，所有对数据的写请求都要发送到主机上，主机上收到不用转发，主机将写请求处理修改数据后，主机将修改数据的命令下发给所有的从机。

那么这里主机向从机进行数据同步也会有几种规则，就是这个过程有几种同步模式，我们来逐一看看：

1.主机从机阻塞同步修改

当客户端向redis集群发送修改数据的操作消息，不管是不是主机，最后都交由主机，主机先进行修改，随后阻塞，此时整个集群不对外提供任何服务，直到向所有从机发送完修改数据的指令，并且等待所有从机回复数据修改成功或者修改失败，汇总结果后才给客户端返回。 这种方式保证了集群中所有机器的数据的强一致性，但是破坏了集群的可用性，一旦某个从节点发生故障的话，主机得不到从机的响应，会一直阻塞等待，那么客户端永远都不会得到确认消息，这样就无法使用了，这种方式显然不可取。那么在强一致性的要求下会破会可用性，我们就需要考虑取舍问题，我们是需要保证可用性，就需要降低强一致性，进而有了异步非阻塞和消息队列消费两种处理方式。

2.主机从机异步非阻塞修改

当主机执行写指令操作成功后，通过异步通信的方式向所有从机发送写指令，不管从机是否已经更新完成还是更新失败，主机发送完写指令后直接就向操作的客户端返回确认消息。

此种异步非阻塞的方式优点是能给客户端及时响应，增加吞吐量，但是对于集群内部的数据是否全部一致却得不到保障，也就是弱一致性。

3.借助消息队列进行修改

当主机收到一个写操作指令后，自己执行完写操作，不立即返回给客户端而是同步阻塞住，将指令同步到消息中间件，我们要求这个消息间件具备高可用，是一个集群，响应速度非常快等特性，比如kafka，同步给消息中间件后将确认消息返回给调用的客户端。 集群中的其他从机订阅了消息队列对应的消息主题，从机就会读取消息队列中的消息，并执行写操作命令，这种方式可以快速的响应客户端，集群中的所有从机也会在未来的某一时刻达到数据的一致性，这个一致性是弱一致性，有可能出现某些客户端返回的数据不是最新的数据，我们将这种情况称之为最终一致性，强调一致性并非强一致性。

redis作者是用的哪种方式实现数据同步的呢，是用的异步非阻塞方式进行数据同步，也是舍弃掉强一致性，提高可用性，大家其实在自己设计程序的时候，就要根据具体情况进行取舍，这个功能是可用性重要还是一致性重要，比如大家所熟知的火车票和银行卡账户的余额操作都是强一致性。

二、故障发现

在机器集群中，及时发现主机出现故障是非常重要的事情，这样就会引申出一个问题：怎么才知道主机出现故障？

最简单也是最愚蠢的办法，咱们可以安排一个人一直监控，不行就2个换班，这样似乎是能解决监控的问题，不过人是不可靠的，有可能没有将职责进行到位或者擅离职守，人还有各种需求，所以可以搞一套程序监控主机，这样做才是合适的解决方法。这一套程序应该是具备高可用的，必然不是一个而是一群，那么这套程序应当是一个集群。集群中所有节点都监控着主机，我们可以用主机广播一个主题，所有监控都在这个主题下收取消息，当监控集群中某个节点发现主机挂了，就会同步给其他节点。 其他节点知道后怎么确定监控的主机是否挂了呢，有没有可能其他节点没有监控到主机挂了，更有一种极端的情况比如我们监控集群是4台机器，有2台通报说主机挂了，另外两台没有监控到主机挂了，这个时候要确定主机是否挂了就需要投票，这种投票2：2分不出结果，就会出现脑裂问题。这个时候就需要引入势力范围，只要集群中达成了一致的势力范围，就可以将这个结果进行统一，那么我们要求势力范围一定是有结果的，所以搭建集群时，从机总数总和是奇数，这样不至于会有脑裂的情况发生。 达成势力范围的条件是过半通过，也就是n/2+1，n代表从机总和，只有这样才能准确确定被监控主机的状态，如果确定主机挂了就要进行故障恢复。

三、故障恢复

故障恢复本节不做实操，涉及搭建集群和集群相关的知识，这里不展开叙述，只做简单的故障恢复理论讲解。集群中存在主节点和从节点，就会分为主节点挂掉和从节点挂掉，我们恢复的方式又可手动和自动。

1. 主节点挂掉

• 手动方式我们是现将存在的从节点的追随关系改到某个从节点，然后再去排查主机的问题，当主机问题修复后，之前主机在追随新的主机
• 自动方式是由redis哨兵来做的，哨兵会监控集群并且哨兵之间也有通信，主节点挂了就相当于做了和手动恢复的操作，这个操作是由哨兵来完成，原来的主能恢复就加回来，不能恢复就直接踢掉，这时候需要配置一些辅助策略比如邮件通知管理员某某机器挂了，需要检修。

2.从节点挂掉

对于从节点来说，手动的方式就是检查问题然后再重启机器，重新追随主机，自动的方式就是从节点挂了就直接踢掉，如果从节点是因为网络问题暂，可能在某个时刻又能正常通信，这个时候哨兵会将其恢复至集群。

总结

今天我们接着上期展开叙述了AKF拆分的沿着X轴拆分存在的一些问题进行了探讨，并且也引出了一些集群的知识，后面将会对集群进行一次探讨，欢迎持续关注！