转载自：https://www.cnblogs.com/jgx0/p/16302627.html

今日内容概要

• redis高可用
• redis集群
• redis缓存优化

内容详细

1、redis高可用

# 主从复制存在的问题：
	1 主从复制，主节点发生故障，需要做故障转移，可以手动转移：让其中一个slave变成master--->哨兵
    
	2 主从复制，只能主写数据，所以写能力和存储能力有限----》集群

# 案例
	-一主两从，主写数据，从读数据
	-如果主库挂掉，从库只能读，redis就不能对外提供服务了，它就不高可用
	-即便主挂掉，选一个从库作为主库，继续对外提供服务 就是高可用
	-原来的主库，又启动起来了，它现在作为从库
  
# 使用哨兵完成上面的事情  sentinel--》哨兵

##### 搭建步骤
# 搭建一主两从

# 配置3个哨兵
# 主一
daemonize yes
dir ./data3
protected-mode no
bind 0.0.0.0
logfile "redis_sentinel3.log"
sentinel monitor mymaster 127.0.0.1 6379 2
sentinel down-after-milliseconds mymaster 30000
sentinel parallel-syncs mymaster 1
sentinel failover-timeout mymaster 180000

# 从一
port 26380
daemonize yes
dir ./data2
protected-mode no
bind 0.0.0.0
logfile "redis_sentinel3.log"
sentinel monitor mymaster 127.0.0.1 6379 2
sentinel down-after-milliseconds mymaster 30000
sentinel parallel-syncs mymaster 1
sentinel failover-timeout mymaster 180000

# 从二
port 26381
daemonize yes
dir ./data
protected-mode no
bind 0.0.0.0
logfile "redis_sentinel1.log"
sentinel monitor mymaster 127.0.0.1 6379 2
sentinel down-after-milliseconds mymaster 30000
sentinel parallel-syncs mymaster 1
sentinel failover-timeout mymaster 180000


# 启动三个哨兵
./src/redis-sentinel sentinel_26379.conf
./src/redis-sentinel sentinel_26378.conf
./src/redis-sentinel sentinel_26377.conf


# 客户端连接到某一个redis上
info  # 查看主从信息


# 客户端连到某个 sentinel上(一个sentinel类似于一个redis-server，客户端可以连接)
redis-cli -p 26379   # 连到这个哨兵上
info
'''
# Sentinel
sentinel_masters:1
sentinel_tilt:0
sentinel_running_scripts:0
sentinel_scripts_queue_length:0
sentinel_simulate_failure_flags:0
master0:name=mymaster,status=ok,address=127.0.0.1:6379,slaves=2,sentinels=3
'''

# 演示故障切换
# 停掉主库---》6379
shutdown

# 哨兵认为主挂了，会自动选一个从库当主库
info
选择了6380作为主了

# 把6379启动，6379现在变成从库

哨兵搭建后的python连接

# python连接redis---》写写到主库，读从从库中读---》一旦用了高可用(主库会变)---》python连接哨兵---》通过哨兵返回主，去写，返回从，去读

import redis
from redis.sentinel import Sentinel

# 连接哨兵服务器(主机名也可以用域名)
# 127.0.0.1:26379
sentinel = Sentinel([('127.0.0.1', 26379),
                     ('127.0.0.1', 26380),
                     ('127.0.0.1', 26381)
		     ],
                    socket_timeout=5)

print(sentinel)
# 获取主服务器地址
master = sentinel.discover_master('mymaster')
print(master)  # 返回所有主

# 获取从服务器地址
slave = sentinel.discover_slaves('mymaster')
print(slave)  # 返回所有从



##### 读写分离
# 获取主服务器进行写入
master = sentinel.master_for('mymaster', socket_timeout=0.5)
w_ret = master.set('foo', 'bar')

slave = sentinel.slave_for('mymaster', socket_timeout=0.5)
r_ret = slave.get('foo')
print(r_ret)

2、redis集群

# 主从复制，只能主写数据，所以写能力和存储能力有限----》集群

# 存在问题 
	1 并发量：单机redis qps为10w/s,但是我们可能需要百万级别的并发量
	2 数据量：机器内存16g--256g，如果存500g数据呢？

# 解决：加机器，分布式
redis cluster 在2015年的 3.0 版本加入了，满足分布式的需求


# 分布式数据库
	假设全量的数据非常大，500g，单机已经无法满足，我们需要进行分区，分到若干个子集中
    
# 分区方式
	-哈希分布
	原理：hash分区： 节点取余 ，假设3台机器， hash(key)%3,落到不同节点上
	优点：热点数据分散  
	缺点：不利于批量查询
    
	-顺序分布 	
	原理：100个数据分到3个节点上 1--33第一个节点；34--66第二个节点；67--100第三个节点（很多关系型数据库使用此种方式，mysql通常用它）
	缺点：热点数据太集中

  
# mysql 官方没有集群方案---》第三方解决方案---》顺序，哈希


# 哈希分区
	-节点取余：后期扩容--》迁移数据总量大---》推荐翻倍库容
    
	-一致性 hash
		每个节点负责一部分数据，对key进行hash，得到结果在node1和node2之间，就放到node2中，顺时针查找
		扩容迁移数据迁移少，数据不均衡
    
	-虚拟槽分区（redis集群）
		预设虚拟槽：每个槽映射一个数据子集，一般比节点数大
		良好的哈希函数：如CRC16
		服务端管理节点、槽、数据：如redis cluster（槽的范围0–16383）

2.1 搭建

# 6台机器，3个节点的集群，另外三台做副本库(从库)

# 自动故障转移，3个主节点，如果有一个挂了，另外一个从库就会升级为主库


# redis的端口7000 
# redis的端口7001 
# redis的端口7002  
# redis的端口7003
# redis的端口7004
# redis的端口7005


# 只要集群中有一个故障了，整个就不对外提供服务了，这个实际不合理，假设有50个节点，一个节点故障了，所有不提供服务了


# 配置文件
port 7000
daemonize yes
dir "/root/s20/redis-5.0.7/data"
logfile "7000.log"
dbfilename "dump-7000.rdb"

cluster-enabled yes
cluster-config-file nodes-7000.conf
cluster-require-full-coverage yes


# 快速生成其他配置
sed 's/7000/7001/g' redis-7000.conf > redis-7001.conf
sed 's/7000/7002/g' redis-7000.conf > redis-7002.conf
sed 's/7000/7003/g' redis-7000.conf > redis-7003.conf
sed 's/7000/7004/g' redis-7000.conf > redis-7004.conf
sed 's/7000/7005/g' redis-7000.conf > redis-7005.conf


# 启动6个节点
./src/redis-server ./redis-7000.conf
ps -ef |grep redis
./src/redis-server ./redis-7001.conf
./src/redis-server ./redis-7002.conf
./src/redis-server ./redis-7003.conf
./src/redis-server ./redis-7004.conf
./src/redis-server ./redis-7005.conf


### 客户端连上---》放数据--->想搭建集群---》集群模式没有分槽---》放的这个数据不知道放到哪个节点--》放不进去----》搭建完成才能写入数据


## 客户端链接上的命令：
cluster nodes   # 如果没有搭建完成，只能看到自己
cluster info    # 集群状态是成功\失败的


# 搭建集群 4.x以前版本，比较麻烦
	-先meet
	-指派槽
	-建立主从


# 快速搭建集群 4.x以后，只需要这一条，自动meet，自动指派槽，自动建主从
# 注意这个数字  cluster-replicas 1  ---》指的是每个主节点有几个从节点
redis-cli --cluster create --cluster-replicas 1 127.0.0.1:7000 127.0.0.1:7001 127.0.0.1:7002 127.0.0.1:7003 127.0.0.1:7004 127.0.0.1:7005

                        
                        
### 演示写入数据
	-在7001上写入  name   lqz
	-去7002上查不到name
	-对name crc16哈希运算完---》算完的槽--->知道哪个节点管了哪些槽---》告诉你去哪个节点存
            
        
# 以集群模式登陆，
	-无论在哪个主节点，都能写入数据,获取数据
	redis-cli -c -p 端口  # 以集群模式登陆，如果操作不到，自动重定向过去
       
        
# 演示故障转移
	-7001 是个主库---》主库停掉--》7005从库会自动升级为主库                

2.2 集群扩容/缩容

## 集群扩容
sed 's/7000/7006/g' redis-7000.conf > redis-7006.conf
sed 's/7000/7007/g' redis-7000.conf > redis-7007.conf
./src/redis-server ./redis-7006.conf
./src/redis-server ./redis-7007.conf


### 方式一
在7000上执行
redis-cli -p 7000 cluster meet 127.0.0.1 7006
redis-cli -p 7000 cluster meet 127.0.0.1 7007

### 方式二
redis-cli --cluster add-node 127.0.0.1:7006 127.0.0.1:7000
redis-cli --cluster add-node 127.0.0.1:7007 127.0.0.1:7000

# 让7007做为7006的从
redis-cli -p 7007 cluster replicate 2d657119470fd7c65c366698f20cc104295b7555



##### 分槽
redis-cli --cluster reshard 127.0.0.1:7000
    
# 16384总共平均分配到4个节点，每个节点需要有:4096槽
数4096 指定到7006节点上
自动从三个节点中的每个节点拿一部分槽放到7006身上，凑够4096个
    
    
    
###### 缩容
# 下线迁槽（把7006的1366个槽迁移到7000上）--->把槽迁走
# 从谁那里迁到谁身上
redis-cli --cluster reshard --cluster-from 2d657119470fd7c65c366698f20cc104295b7555 --cluster-to 997257c78c2995372c8cde228850b4b101d2a03b --cluster-slots 1365 127.0.0.1:7000
yes

redis-cli --cluster reshard --cluster-from 2d657119470fd7c65c366698f20cc104295b7555 --cluster-to c763786ad7fa9c65fb9182a8cfe0be4825ee96a0 --cluster-slots 1366 127.0.0.1:7005
yes

redis-cli --cluster reshard --cluster-from 2d657119470fd7c65c366698f20cc104295b7555 --cluster-to 1993efb87276df5986bdca56930aaa8ec3e78287 --cluster-slots 1366 127.0.0.1:7002
yes


# 忘记节点，关闭节点
redis-cli --cluster del-node 127.0.0.1:7000 1cddf0889d525516ad38a714ad5d38bead74dbcb（从库id）  # 先下从，再下主，因为先下主会触发故障转移
    
redis-cli --cluster del-node 127.0.0.1:7000 2d657119470fd7c65c366698f20cc104295b7555（主库id）
    

# 关掉其中一个主，另一个从立马变成主顶上， 重启停止的主，发现变成了从

3、redis缓存优化

# 双写一致性
	-定时更新
	-增数据删缓存
	-增数据改缓存
  

# redis自身有缓存更新策略---》redis占内存不能无限大，可以控制，内存就是满了

# 缓存更新策略
	1. LRU -Least Recently Used,没有被使用时间最长的
		# LRU配置
		maxmemory-policy:volatile-lru
		（1）noeviction: 如果内存使用达到了maxmemory，client还要继续写入数据，那么就直接报错给客户端
		（2）allkeys-lru: 就是我们常说的LRU算法，移除掉最近最少使用的那些keys对应的数据，ps最长用的策略
		（3）volatile-lru: 也是采取LRU算法，但是仅仅针对那些设置了指定存活时间（TTL）的key才会清理掉
		（4）allkeys-random: 随机选择一些key来删除掉
		（5）volatile-random: 随机选择一些设置了TTL的key来删除掉
		（6）volatile-ttl: 移除掉部分keys，选择那些TTL时间比较短的keys
            
            
	2. LFU -Least Frequenty User,一定时间段内使用次数最少的
		# LFU配置 Redis4.0之后为maxmemory_policy淘汰策略添加了两个LFU模式：
		volatile-lfu：对有过期时间的key采用LFU淘汰算法
		allkeys-lfu：对全部key采用LFU淘汰算法
        
		# 还有2个配置可以调整LFU算法：
		lfu-log-factor 10
		lfu-decay-time 1
		# lfu-log-factor可以调整计数器counter的增长速度，lfu-log-factor越大，counter增长的越慢。
		# lfu-decay-time是一个以分钟为单位的数值，可以调整counter的减少速度
        
        
	3. FIFO -First In First Out
    
   
    
    
###  缓存穿透--（缓存中没有，数据中也没有---》基本是恶意攻击）
# 描述：
	缓存穿透是指缓存和数据库中都没有的数据，而用户不断发起请求，如发起为id为“-1”的数据或id为特别大不存在的数据。这时的用户很可能是攻击者，攻击会导致数据库压力过大

# 解决方案：
	1 接口层增加校验，如用户鉴权校验，id做基础校验，id<=0的直接拦截
    
	2 从缓存取不到的数据，在数据库中也没有取到，这时也可以将key-value对写为key-null，缓存有效时间可以设置短点，如30秒（设置太长会导致正常情况也没法使用）。这样可以防止攻击用户反复用同一个id暴力攻击

	3 通过布隆过滤器实现---》把数据库中存在的数据，放到布隆过滤器中--》查的时候，去布隆过滤器查一下在不在---》在的话，继续往后走，不在的话直接给前端错误


    
### 缓存击穿（缓存中没有，数据库中有）
# 描述：
	缓存击穿是指缓存中没有但数据库中有的数据（一般是缓存时间到期），这时由于并发用户特别多，同时读缓存没读到数据，又同时去数据库去取数据，引起数据库压力瞬间增大，造成过大压力
    
# 解决方案：
	设置热点数据永远不过期。

 
### 缓存雪崩
# 描述：
	缓存雪崩是指缓存中数据大批量到过期时间，而查询数据量巨大，引起数据库压力过大甚至down机。和缓存击穿不同的是，缓存击穿指并发查同一条数据，缓存雪崩是不同数据都过期了，很多数据都查不到从而查数据库
    
# 解决方案：
	1 缓存数据的过期时间设置随机，防止同一时间大量数据过期现象发生。
	2 如果缓存数据库是分布式部署，将热点数据均匀分布在不同搞得缓存数据库中
	3 设置热点数据永远不过期。