1 Redis分布式算法原理

1.1 传统分布式算法

举个例子

蓝色表与4个节点时相同槽

1.2 Consistent hashing一致性算法原理

• 环形 hash 空间：按照常用的 hash 算法来将对应的 key 哈希到一个具有 232 个桶的空间，即（0-232-1）的数字空间中，现在我们将这些数字头尾相连，想象成一个闭合的环形
• 把数据通过一定的 hash 算法映射到环上
• 3 将机器通过一定的 hash 算法映射到环上

• 4节点按顺时针转动，遇到的第一个机器，就把数据放在该机器上

  
  
  
  
  
  
  
  
  
  
  

  在移除 or 添加一个 cache 时，他能够尽可能小的改变已经存在 key 映射关系。

  
  
  
  
  
  

  删除CacheB后,橙色区为被影响范围
  
  
  
  
  
  

  也许心中的分布式这样的
  
  
  

  但实际会这样拥挤-即倾斜性
  
  

  1.3 ##Hash倾斜性

  
  
  
  
  为解决此类事件,引入了虚拟节点
  
  
  
  
  
  
  
  

  服务器台数n,新增服务器数m

2 Redis分布式环境配置

3 Redis分布式服务端及客户端启动

4封装分布式Shared Redis API

4.1 SharedJedis源码解析

ShardedJedis.png

封装RedisSharedPool

测试代码

集成测试

5 Redis分布式环境验证

6 集群和分布式

• 分布式：不同的业务模块拆分到不同的机器上，解决高并发的问题。 工作形态
• 集群：同一个业务部署在多台机器上，提高系统可用性 是物理形态
  集群可能运行着一个或多个分布式系统，也可能根本没有运行分布式系统；分布式系统可能运行在一个集群上，也可能运行在不属于一个集群的多台（2台也算多台）机器上。

你前台页面有10个用户，分别发送了1个请求，那么如果不是集群的话，那这10个请求需要并行在一台机器上处理，如果每个请求都是1秒钟，那么就会有一个人等待10秒钟，有一个人等待9秒钟，以此类推；那么现在在集群环境下，10个任务并分发到10台机器同时进行，那么每个人的等待时间都还是1秒钟；
当然，你说的浪费确实是，如果系统的并发不是很高，只有一台或者两台机器就能处理的话，那确实是有很大的浪费