百度360必应搜狗淘宝本站头条
当前位置:网站首页 > 技术教程 > 正文

介绍一下Redis的集群模式(redis集群三种方式的优缺点)

mhr18 2025-07-23 16:14 15 浏览 0 评论

一句话总结

Redis集群模式是一种分布式解决方案,通过分片(16384个哈希槽)将数据分散到多个节点,支持自动数据迁移和故障转移。每个节点可为主从结构,主节点处理读写,从节点备份并在主节点故障时接替,实现高可用。客户端通过重定向机制访问数据,无需代理,支持横向扩展与容错。

详细解析

Redis 的 集群模式(Cluster Mode) 是一种分布式解决方案,旨在实现数据分片、高可用和水平扩展。它通过将数据分散到多个节点,并自动处理节点故障和负载均衡,解决了单机 Redis 的内存限制和单点故障问题。以下是 Redis 集群的核心原理、配置方法和使用场景的详细介绍:


一、Redis 集群的核心设计

1. 数据分片(Sharding)

  • 哈希槽(Hash Slot)
    Redis 集群将数据划分为
    16384 个哈希槽,每个 Key 通过 CRC16 算法计算哈希值,再对 16384 取模确定其所属槽位。
    例如:CRC16("user:1000") % 16384 → 槽位 5000。
  • 槽位分配
    集群中的每个主节点负责一部分哈希槽。例如,3 主节点的集群可能分配如下:
    • 主节点1:槽位 0-5460
    • 主节点2:槽位 5461-10922
    • 主节点3:槽位 10923-16383

2. 节点角色

  • 主节点(Master):负责处理读写请求,并维护分配的哈希槽。
  • 从节点(Slave):复制主节点的数据,当主节点故障时,通过选举晋升为主节点(故障转移)。

3. 高可用与故障转移

  • 心跳检测:节点间通过 Gossip 协议 定期交换状态信息(如节点存活、槽位分布)。
  • 故障判定:若多数主节点认为某个主节点不可达(超过cluster-node-timeout),触发故障转移。
  • 自动恢复:从节点接管故障主节点的槽位,晋升为新主节点。

二、集群搭建与配置

1. 最小集群要求

  • 至少 3 个主节点:确保故障转移时能达成多数共识。
  • 每个主节点至少 1 个从节点:保证高可用性(推荐 6 节点:3 主 + 3 从)。

2. 配置步骤(以 6 节点为例)

  1. 修改配置文件:每个节点启用集群模式并设置唯一节点 ID。
port 6379
cluster-enabled yes
cluster-config-file nodes-6379.conf
cluster-node-timeout 5000

2、启动所有节点

redis-server /path/to/redis-6379.conf
redis-server /path/to/redis-6380.conf
# ... 其他端口同理

3、创建集群:使用redis-cli自动分配槽位和主从关系。

redis-cli --cluster create \
  127.0.0.1:6379 127.0.0.1:6380 127.0.0.1:6381 \
  127.0.0.1:6382 127.0.0.1:6383 127.0.0.1:6384 \
  --cluster-replicas 1  # 每个主节点配1个从节点

4、验证集群状态

redis-cli -p 6379 cluster nodes  # 查看节点信息
redis-cli --cluster check 127.0.0.1:6379  # 检查槽位分配

四、集群管理操作

1. 扩容与缩容

  • 添加节点:redis-cli --cluster add-node <新节点IP:端口> <集群任意节点IP:端口>

迁移槽位
使用redis-cli --cluster reshard重新分配槽位。

  • 删除节点
    迁移槽位后,执行redis-cli --cluster del-node <节点IP:端口> <节点ID>。

2. 故障恢复

  • 手动故障转移:在从节点执行CLUSTER FAILOVER,安全切换主从角色。
  • 节点恢复:重启故障节点后,自动以从节点身份重新加入集群。

五、集群的优缺点

优势

特性

说明

水平扩展

支持动态扩容,突破单机内存限制。

高可用

自动故障转移,服务中断时间极短(秒级)。

高性能

数据分片后,读写压力分散到多节点,提升吞吐量。

局限性

限制

说明

不支持多键操作

跨槽位的MSET、MGET、事务、Lua 脚本可能失败(需确保 Key 在同一槽位)。

冷数据迁移成本高

扩容后需手动平衡槽位,数据迁移可能影响性能。

配置复杂度高

需管理多节点,运维成本增加。


六、适用场景

  1. 大数据量存储:单机内存不足以容纳数据集。
  2. 高并发读写:需要分散负载到多个节点。
  3. 高可用需求:业务无法容忍单点故障。

七、与其他方案的对比

主从复制 + 哨兵不支持支持中小规模,读写分离场景。

Cluster 模式支持支持大规模数据,高并发和高可用需求。

客户端分片支持不支持已停用,不推荐。

方案数据分片高可用适用场景

相关推荐

订单超时自动取消业务的 N 种实现方案,从原理到落地全解析

在分布式系统架构中,订单超时自动取消机制是保障业务一致性的关键组件。某电商平台曾因超时处理机制缺陷导致日均3000+订单库存锁定异常,直接损失超50万元/天。本文将从技术原理、实现细节、...

使用Spring Boot 3开发时,如何选择合适的分布式技术?

作为互联网大厂的后端开发人员,当你满怀期待地用上SpringBoot3,准备在项目中大显身手时,却发现一个棘手的问题摆在面前:面对众多分布式技术,究竟该如何选择,才能让SpringBoot...

数据库内存爆满怎么办?99%的程序员都踩过这个坑!

你的数据库是不是又双叒叕内存爆满了?!服务器监控一片红色警告,老板在群里@所有人,运维同事的电话打爆了手机...这种场景是不是特别熟悉?别慌!作为一个在数据库优化这条路上摸爬滚打了10年的老司机,今天...

springboot利用Redisson 实现缓存与数据库双写不一致问题

使用了Redisson来操作Redis分布式锁,主要功能是从缓存和数据库中获取商品信息,以下是针对并发时更新缓存和数据库带来不一致问题的解决方案1.基于读写锁和删除缓存策略在并发更新场景下,...

外贸独立站数据库炸了?对象缓存让你起死回生

上周黑五,一个客户眼睁睁看着服务器CPU飙到100%——每次页面加载要查87次数据库。这让我想起2024年Pantheon的测试:Redis缓存能把WooCommerce查询速度提升20倍。跨境电商最...

手把手教你在 Spring Boot3 里纯编码实现自定义分布式锁

为什么要自己实现分布式锁?你是不是早就受够了引入各种第三方依赖时的繁琐?尤其是分布式锁这块,每次集成Redisson或者Zookeeper,都得额外维护一堆配置,有时候还会因为版本兼容问题头疼半...

如何设计一个支持百万级实时数据推送的WebSocket集群架构?

面试解答:要设计一个支持百万级实时数据推送的WebSocket集群架构,需从**连接管理、负载均衡、水平扩展、容灾恢复**四个维度切入:连接层设计-**长连接优化**:采用Netty或Und...

Redis数据结构总结——面试最常问到的知识点

Redis作为主流的nosql存储,面试时经常会问到。其主要场景是用作缓存,分布式锁,分布式session,消息队列,发布订阅等等。其存储结构主要有String,List,Set,Hash,Sort...

skynet服务的缺陷 lua死循环

服务端高级架构—云风的skynet这边有一个关于云风skynet的视频推荐给大家观看点击就可以观看了!skynet是一套多人在线游戏的轻量级服务端框架,使用C+Lua开发。skynet的显著优点是,...

七年Java开发的一路辛酸史:分享面试京东、阿里、美团后的心得

前言我觉得有一个能够找一份大厂的offer的想法,这是很正常的,这并不是我们的饭后谈资而是每个技术人的追求。像阿里、腾讯、美团、字节跳动、京东等等的技术氛围与技术规范度还是要明显优于一些创业型公司...

mysql mogodb es redis数据库之间的区别

1.MySQL应用场景概念:关系型数据库,基于关系模型,使用表和行存储数据。优点:支持ACID事务,数据具有很高的一致性和完整性。缺点:垂直扩展能力有限,需要分库分表等方式扩展。对于复杂的查询和大量的...

redis,memcached,nginx网络组件

1.理解阻塞io,非阻塞io,同步io,异步io的区别2.理解BIO和AIO的区别io多路复用只负责io检测,不负责io操作阻塞io中的write,能写多少是多少,只要写成功就返回,譬如准备写500字...

SpringBoot+Vue+Redis实现验证码功能

一个小时只允许发三次验证码。一次验证码有效期二分钟。SpringBoot整合Redis...

AWS MemoryDB 可观测最佳实践

AWSMemoryDB介绍AmazonMemoryDB是一种完全托管的、内存中数据存储服务,专为需要极低延迟和高吞吐量的应用程序而设计。它与Redis和Memcached相似,但具有更...

从0构建大型AI推荐系统:实时化引擎从工具到生态的演进

在AI浪潮席卷各行各业的今天,推荐系统正从幕后走向前台,成为用户体验的核心驱动力。本文将带你深入探索一个大型AI推荐系统从零起步的全过程,揭示实时化引擎如何从单一工具演进为复杂生态的关键路径。无论你是...

取消回复欢迎 发表评论: