面试官眼神轻蔑,好像觉得我的应用很low,问道:为什么需要Redis Cluster?
解决问题的办法不止于简单地加机器。
并发量大了 =》 主从复制解决 =》主从稳定性 =》哨兵解决 =》单节点的写能力、存储能力、动态扩容都很麻烦 =》集群Cluster解决。
Redis Cluster集群模式具有高可用、可扩展性、分布式、容错等特性,在 3.0 闪亮发布。
那你介绍下Redis Cluster的架构?
Redis Cluster特性:
复制、高可用、分片
修改两个redis的配置文件redis.conf
修改端口一个为6379,另一个为6380
通过配置文件启动redis-server
redis-server ${redis[0-1]}
的${redis.conf}
分布式:不同的业务模块拆分到不同机器,解决高并发的问题。 工作形态 redis服务器各工作方式不同一般称为Redis分布式
集群(cluster)
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,一般称Tomcat集群。集群就是一组计算机,它们作为整体向用户提供一组网络资源, 这些单个的计算机系统就是集群的节点(node)。
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。
集群提供了以下关键的特性:
分布式与集群的联系与区别:
比如客户端有10个用户,同时分别发送了1个请求,若不是集群,则这10个请求需要并行在一台机器上处理,如果每个请求都是1s,则有一人要等待10s,有一个人等待9s…
而在集群下,10个任务并分发到10台机器同时进行,则每人等待时间都是1s。
两种安装:
1.配置开启节点
2. meet
3.指派槽
4.主从
Redis 3.0后,节点之间通过去中心化,提供了完整的sharding
、replication
(复制机制仍使用原有机制,并且具备感知主备的能力)、failover解决方案,称为Redis Cluster。
即:将proxy/sentinel的工作融合到了普通Redis节点。
Redis Cluster采用无中心结构,每个节点都可以保存数据和整个集群状态,每个节点都和其他所有节点连接。要让集群正常运作至少需要三个主节点,即Cluster 至少为6个才能保证组成完整高可用的集群,三主三从:
集群架构为拓扑结构。一个Redis Cluster由多个Redis节点组成。不同的节点组服务的数据无交集,每个节点对应数据sharding
的一个分片。
节点组内部分为主备2类,对应master
和slave
。两者数据准实时一致,通过异步的主备复制保证。
一个节点组有且仅有一个master,同时有0到多个slave。只有master对外提供写服务,读服务可由master/slave提供
上述的5个节点,两两通过Redis Cluster Bus交互,相互交换如下的信息:
Redis Cluster Bus通过单独的端口进行连接,由于Bus是节点间的内部通信机制
,交互的是字节序列化信息。相对Client的字符序列化来说,效率较高。
Redis Cluster是一个去中心化的分布式实现方案
,客户端和集群中任一节点连接,然后通过后面的交互流程,逐渐的得到全局的数据分片映射关系。
说说Redis Cluster 的优点?
对于去中心化的实现,集群的拓扑结构并不保存在单独的配置节点上,后者的引入同样会带来新的一致性问题。
那么各自为政的节点间,如何对集群的拓扑达成一致
,是Redis Cluster配置机制要解决的问题。
Redis Cluster通过引入2个自增的epoch
变量,来使得集群配置在各个节点间最终达成一致。
Redis Cluster中的每个节点(Node)都保存了集群的配置信息,并且存储在clusterState中,结构如下
由此可见,每个节点都保存着Node视角的集群结构。它描述了数据的分片方式,节点主备关系,并通过Epoch 作为版本号实现集群结构信息的一致性,同时也控制着数据迁移和故障转移的过程。
去中心化的架构不存在统一的配置中心。在Redis Cluster中,这个配置信息交互通过Redis Cluster Bus来完成(独立端口)。Redis Cluster Bus 上交互的信息结构如下:
type
指明了消息的类型,配置信息的一致性主要依靠PING/PONG。每个节点向其他节点频繁的周期性的发送PING/PONG消息。Gossip
部分,包含了sender/receiver 所感知的其他节点信息,接受者根据这些Gossip 跟新对集群的认识。对于大规模的集群,如果每次PING/PONG 都携带着所有节点的信息,则网络开销会很大。此时Redis Cluster 在每次PING/PONG,只包含了随机的一部分节点信息。由于交互比较频繁,短时间的几次交互之后,集群的状态也会达成一致。
当Cluster 结构不发生变化时,各个节点通过gossip 协议在几轮交互之后,便可以得知Cluster的结构信息,达到一致性的状态
但是当集群结构发生变化时(故障转移/分片迁移等)
,优先得知变更的节点通过Epoch变量
,将自己的最新信息扩散到Cluster,并最终达到一致。
clusterNode 的Epoch描述的单个节点的信息版本;
clusterState 的currentEpoch
描述的是集群信息的版本,它可以辅助Epoch 的自增生成
因为currentEpoch 是维护在每个节点上的,在集群结构发生变更时,Cluster 在一定的时间窗口控制更新规则,来保证每个节点的currentEpoch都是最新的
currentEpoch
自增,并使之成为集群中的最大值currentEpoch
作为新的Epoch
版本currentEpoch
时,更新自己的currentEpoch
Epoch
> 自身的时,将更新自身的内容上述的规则保证了信息的更新是单向的
,最终朝着Epoch更大的信息收敛
同时Epoch
也随着currentEpoch
的增加而增加,最终将各节点信息趋于稳定
不同节点分组服务于相互无交集的分片(sharding)
Redis Cluster 不存在单独的proxy或配置服务器
所以需要将客户端路由到目标的分片
Redis Cluster 将所有的数据划分为16384 [0-16383]
个分片,每个分片负责其中一部分
每一条数据(key/value)根据key值,通过数据分布算法(一致性哈希
)映射到16384 个slot中的一个
数据分布算法
slotId = crc16(key) % 16384
客户端根据slotId 决定将请求路由到哪个Redis 节点。
Cluster 不支持跨节点的单命令
,如:sinterstore,如果涉及的2个key对应的slot 在不同的Node,则执行失败。
通常Redis的key都是带有业务意义的,如:
当在集群中存储时,上述同一商品的交易和详情可能会存储在不同的节点上,进而对于这2个key 不能以原子的方式操作
。
为此,Redis引入了HashTag
的概念,使得数据分布算法可以根据key 的某一部分进行计算,让相关的2 条记录落到同一个数据分片
商品交易记录key:Product:Trade:{20180890310921230001}
商品详情记录key:Product:Detail:{20180890310921230001}
Redis 会根据 {} 之间的字符串作为数据分布式算法的输入。
Redis Cluster的客户端相比单机Redis 需要具备路由语义的识别能力,且具备一定的路由缓存能力
当Client 访问的key 不在当前Redis 节点的slots中,Redis 会返回给Client 一个moved命令。并告知其正确的路由信息
当Client 接收到moved 后,再次请求新的Redis时,此时Cluster 的结构又可能发生了变化。此时有可能再次返回moved
Client 会根据moved响应,更新其内部的路由缓存信息,以便后续的操作直接找到正确的节点,减少交互次数。
当Cluster 在数据重新分布过程中时,可以通过ask 命令控制客户端的路由,如下所示:
上图中,slot 1 需要迁移到新节点上,此时如果客户端已经完成迁移的key,节点将相应ask 告知客户端想目标节点重试。
ask命令
和moved 命令
的不同
迁移的过程可能会持续一段时间,这段时间某个slot 的数据,同时可能存在于新旧 2 个节点。
由于move 操作会使Client 的路由缓存变更
,如果新旧节点对于迁移中的slot 所有key 都回应moved,客户端的路由缓存会频繁变更。因此引入ask 类型消息,将重定向和路由缓存分离
在一个稳定的Redis Cluster 中,每个slot 对应的节点都是确定的。在某些情况下,节点和分片需要变更:
新的节点作为master加入;
某个节点分组需要下线;
负载不均衡需要调整slot 分布。
此时需要进行分片的迁移,迁移的触发和过程控制由外部系统完成。Redis Cluster 只提供迁移过程中需要的原语,包含下面 2 种:
节点迁移状态设置:迁移前标记源/目标节点。
key迁移的原子化命令:迁移的具体步骤。
下面的Demo会介绍slot 1 从节点A 迁移到B的过程。
1、向节点B发送状态变更命令,将B的对应slot 状态置为importing。
2、向节点A发送状态变更命令,将A对应的slot 状态置为migrating。
3、针对A上的slot 的所有key,分别向A 发送migrate 命令,告知A 将对应的key 迁移到B。
当A节点的状态置为migrating 后,表示对应的slot 正在从A迁出,为保证该slot 数据的一致性。A此时提供的写服务和通常状态下有所区别,对于某个迁移中的slot:
如果Client 访问的key 尚未迁出,则正常的处理该key;
如果key已经迁出或者key不存在,则回复Client ASK 信息让其跳转到B处理;
当节点B 状态变成importing 后,表示对应的slot 正在向B迁入。即使B 能对外提供该slot 的读写服务,但是和通常情况下有所区别:
当Client的访问不是从ask 跳转的,说明Client 还不知道迁移。有可能操作了尚未迁移完成的,处在A上面的key,如果这个key 在A上被修改了,则后续会产生冲突。
所以对于该slot 上所有非ask 跳转的操作,B不会进行操作,而是通过moved 让Client 跳转至A执行。
这样的状态控制,保证了同一个key 在迁移之前总是在源节点执行。迁移后总是在目标节点执行,从而杜绝了双写的冲突。迁移过程中,新增加的key 会在目标节点执行,源节点不会新增key。使得迁移有界限,可以在某个确定的时刻结束。
单个key 的迁移过程可以通过原子化的migrate 命令完成。对于A/B的slave 节点,是通过主备复制,从而达到增删数据。
当所有key 迁移完成后,Client 通过 cluster setslot 命令设置B的分片信息,从而包含了迁入的slot。设置过程中会让Epoch自增,并且是Cluster 中的最新值。然后通过相互感知,传播到Cluster 中的其他节点。
failover
同Sentinel 一样,Redis Cluster 也具备一套完整的故障发现、故障状态一致性保证、主备切换机制。
1、failover的状态变迁
1)故障发现:当某个master 宕机时,宕机时间如何被集群其他节点感知。
2)故障确认:多个节点就某个master 是否宕机如何达成一致。
3)slave选举:集群确认了某个master 宕机后,如何将它的slave 升级成新的master;如果有多个slave,如何选择升级。
4)集群结构变更:成功选举成为master后,如何让整个集群知道,以更新Cluster 结构信息。
2、故障发现
Redis Cluster 节点间通过Redis Cluster Bus 两两周期性的PING/PONG 交互。当某个节点宕机时,其他Node 发出的PING消息没有收到响应,并且超过一定时间(NODE_TIMEOUT)未收到,则认为该节点故障,将其置为PFAIL状态(Possible Fail)。后续通过Gossip 发出的PING/PONG消息中,这个节点的PFAIL 状态会传播到集群的其他节点。
Redis Cluster 的节点两两通过TCP 保持Redis Cluster Bus连接,当对PING 无反馈时,可能是节点故障,也可能是TCP 链接断开。如果是TCP 断开导致的误报,虽然误报消息会因为其他节点的正常连接被忽略,但是也可以通过一定的方式减少误报。Redis Cluster 通过 预重试机制 排除此类误报:当 NODE_TIMEOUT/2 过去了,但是还未收到响应,则重新连接重发PING 消息,如果对端正常,则在很短的时间内就会有响应。
3、故障确认
对于网络分隔的情况,某个节点(B)并没有故障,但是和A 无法连接,但是和C/D 等其他节点可以正常联通。此时只会有A 将 B 标记为PFAIL 状态,其他节点认为B 正常。此时A 和C/D 等其他节点信息不一致,Redis Cluster 通过故障 确认协议 达成一致。
集群中每个节点都是Gossip 的接收者,A 也会接收到来自其他节点的Gossip 消息,被告知B 是否处于PFAIL 状态。当A收到来气其他master 节点对于 B 的PFAIL 达到一定数量后,会将B的PFAIL 状态升级为 FAIL 状态。表示B 已经确认为故障态,后面会发起slave 选举流程。
A节点内部的集群信息中,对于B的状态从PFAIL 到 FAIL 的变迁,如下图所示:
先看配置项,确认该从节点是否有资格能晋升主节点。
再看偏移量,越大说明数据越多,越会成为主节点。
如果相同,看 row_id,小的竞选成功。
上图中,B是A的master,并且B 已经被集群公认是FAIL态了,那么A 发起竞选,期望成为新的master。
如果B有多个slave (A/E/F)都认知到B 处于FAIL 状态了,A/E/F 可能会同时发起竞选。当B的slave 个数 >= 3 时,很有可能产生多轮竞选失败。为了减少冲突的出现,优先级高的slave 更有可能发起竞选,从而提升成功的可能性。这里的优先级是slave的数据最新的程度,数据越新的(最完整的)优先级越高。
slave 通过向其他master发送FAILVOER_AUTH_REQUEST 消息发起竞选,master 收到后回复FAILOVER_AUTH_ACK 消息告知是否同意。slave 发送FAILOVER_AUTH_REQUEST 前会将currentEpoch 自增,并将最新的Epoch 带入到FAILOVER_AUTH_REQUEST 消息中,如果自己未投过票,则回复同意,否则回复拒绝。
5、结构变更通知
当slave 收到过半的master 同意时,会替代B 成为新的master。此时会以最新的Epoch 通过PONG 消息广播自己成为master,让Cluster 的其他节点尽快的更新拓扑结构。
当B 恢复可用之后,它手续爱你仍然认为自己是master,但逐渐的通过Gossip 协议得知A 已经替代了自己,然后降级为A的slave。
可用性和性能
Redis 集群不保证数据的强一致性(strong consistency): 在特定条件下, Redis 集群可能会丢失已经被执行过的写命令。
使用异步复制(asynchronous replication)是 Redis 集群可能会丢失写命令的其中一个原因。
主节点对命令的复制工作发生在返回命令回复之后,因为若每次处理命令请求都需要等待复制操作完成, 则主节点处理命令请求速度将极大降低,必须在性能和一致性之间取舍!
如果真的有必要, Redis 集群可能会在未来版本提供同步(synchronou)执行写命令的方法。
Redis 集群另外一种可能会丢失命令的情况是, 集群出现网络分裂(network partition), 并且一个客户端与至少包括一个主节点在内的少数(minority)实例被孤立。
假设集群包含 A 、 B 、 C 、 A1 、 B1 、 C1 六个节点:A 、B 、C 为主节点, A1 、B1 、C1 分别为三个主节点的从节点, 一个客户端 Z1 。
假设集群中发生网络分裂, 那么集群可能会分裂为两方, 大多数(majority)的一方包含节点 A 、C 、A1 、B1 和 C1 , 而少数(minority)的一方则包含节点 B 和客户端 Z1 。
在网络分裂期间, 主节点 B 仍然会接受 Z1 发送的写命令:
在网络分裂出现期间, Z1 可以向主节点 B 发送写命令的最大时间是有限制的, 这一时间限制称为节点超时时间(node timeout), 是 Redis 集群的一个重要的配置选项:
Redis Cluster 还提供了一些方法可以提升性能和可用性。
1、Redis Cluster的读写分离
对于读写分离的场景,应用对于某些读请求允许舍弃一定的数据一致性,以换取更高的吞吐量。此时希望将读请求交给slave处理,以分担master的压力。
通过分片映射关系,某个slot 一定对应着一个master节点。Client 通过moved 命令,也只会路由到各个master中。即使Client 将请求直接发送到slave上,也会回复moved 到master去处理。
为此,Redis Cluster 引入了readonly 命令。Client 向slave发送该命令后,不再moved 到master处理,而是自己处理,这成为slave的readonly 模式。通过readwrite命令,可以将slave的readonly模式重置。
2、master单点保护
假如Cluster 的初始状态如下所示:
上图中A、B两个master 分别有自己的slave,假设A1 发生宕机,结构变为如下所示:
此时A 成为了单点,一旦A 再次宕机,将造成不可用。此时Redis Cluster 会把B 的某个slave (如 B1 )进行副本迁移,变成A的slave。如下所示:
这样集群中每个master 至少有一个slave,使得Cluster 具有高可用。集群中只需要保持 2*master+1 个节点,就可以保持任一节点宕机时,故障转移后继续高可用。