通常,为了提高网站响应速度,总是把热点数据保存在内存中而不是直接从后端数据库中读取。
Redis是一个很好的Cache工具。大型网站应用,热点数据量往往巨大,几十G上百G是很正常的事儿。
由于内存大小的限制,使用一台 Redis 实例显然无法满足需求,这时就需要使用多台 Redis作为缓存数据库。但是如何保证数据存储的一致性呢,这时就需要搭建redis集群.采用合理的机制,保证用户的正常的访问需求.
采用redis集群,可以保证数据分散存储,同时保证数据存储的一致性.并且在内部实现高可用的机制.实现了服务故障的自动迁移.
主从划分:
3台主机 3台从机共6台 端口划分7000-7005
1.准备集群文件夹
Mkdir cluster
2.在cluster文件夹中分别创建7000-7005文件夹
说明:
将redis根目录中的redis.conf文件复制到cluster/7000/ 并以原名保存
cp redis.conf cluster/7000/
说明:将7000文件夹下的redis.conf文件分别复制到7001-7005中
[root@localhost cluster]# cp 7000/redis.conf 7001/
[root@localhost cluster]# cp 7000/redis.conf 7002/
[root@localhost cluster]# cp 7000/redis.conf 7003/
[root@localhost cluster]# cp 7000/redis.conf 7004/
[root@localhost cluster]# cp 7000/redis.conf 7005/
说明:分别将7001-7005文件中的7000改为对应的端口号的名称,
修改时注意方向键的使用
%s查找7000替换成7001 g表示全部替换
3.启动redis节点
sh start.sh
#5.0版本执行 使用C语言内部管理集群
#redis-cli(进入客户端) --cluster(开始集群操作) create(创建集群) --cluster-replicas 1(每一台主机后跟几个从机,这里写1是一主一从)
redis-cli --cluster create --cluster-replicas 1 192.168.35.130:7000
192.168.35.130:7001 192.168.35.130:7002 192.168.35.130:7003
192.168.35.130:7004 192.168.35.130:7005
原理说明:
Redis的所有节点都会保存当前redis集群中的全部主从状态信息.并且每个节点都能够相互通信.当一个节点发生宕机现象.则集群中的其他节点通过PING-PONG检测机制检查Redis节点是否宕机.当有半数以上的节点认为宕机.则认为主节点宕机.同时由Redis剩余的主节点进入选举机制.投票选举链接宕机的主节点的从机.实现故障迁移.
特点:集群中如果主机宕机,那么从机可以继续提供服务,
当主机中没有从机时,则向其它主机借用多余的从机.继续提供服务.如果主机宕机时没有从机可用,则集群崩溃.
答案:9个redis节点,节点宕机5-7次时集群才崩溃.
说明: RedisCluster采用此分区,所有的键根据哈希函数(CRC16[key]%16384)映射到0-16383槽内,共16384个槽位,每个节点维护部分槽及槽所映射的键值数据.根据主节点的个数,均衡划分区间.
算法:哈希函数: Hash()=CRC16[key]%16384
当向redis集群中插入数据时,首先将key进行计算.之后将计算结果匹配到具体的某一个槽的区间内,之后再将数据set到管理该槽的节点中.
宕机条件: 如果节点主机数量缺失,则集群崩溃.
案例1: 1主1从.现在→ 3台主机/3台从机 共6台redis. 问至少宕机几台 集群崩溃??? 2台
案例2: 1主2从.现在→ 3台主机/6台从机 共9台redis. 问至少宕机几台 集群崩溃??? 5台
1主3从 3台主机/9台从机 共12台redis 问至少宕机几台 集群崩溃??? 8台
/**
* Redis集群测试
*
*/
@Test
public void testRedisCluster(){
Set<HostAndPort> nodes = new HashSet<>();
nodes.add(new HostAndPort("192.168.126.129", 7000));
nodes.add(new HostAndPort("192.168.126.129", 7001));
nodes.add(new HostAndPort("192.168.126.129", 7002));
nodes.add(new HostAndPort("192.168.126.129", 7003));
nodes.add(new HostAndPort("192.168.126.129", 7004));
nodes.add(new HostAndPort("192.168.126.129", 7005));
JedisCluster jedisCluster = new JedisCluster(nodes);
jedisCluster.set("aa", "redis集群测试");
System.out.println("获取数据:"+jedisCluster.get("aa"));
}
redis.nodes=192.168.126.129:7000,192.168.126.129:7001,192.168.126.129:7002,
192.168.126.129:7003,192.168.126.129:7004,192.168.126.129:7005
@Configuration //标识为一个配置类, 一般整合第三方
@PropertySource("classpath:/properties/redis.properties")
public class RedisConfig {
@Value("${redis.nodes}")
private String nodes; //node,node,node
@Bean
public JedisCluster jedisCluster(){
Set<HostAndPort> nodeSet = new HashSet<>();
String[] nodeArray = nodes.split(",");
for (String node : nodeArray){
String host = node.split(":")[0];
int port = Integer.parseInt(node.split(":")[1]);
HostAndPort hostAndPort = new HostAndPort(host,port);
nodeSet.add(hostAndPort);
}
JedisPoolConfig jedisPoolConfig = new JedisPoolConfig();
jedisPoolConfig.setMinIdle(10);
jedisPoolConfig.setMaxIdle(40);
jedisPoolConfig.setMaxTotal(1000);
return new JedisCluster(nodeSet,jedisPoolConfig);
}
}
1). 如果分区对不同的key hash(key1)= 3000 hash(key2)=3000 问? 算法是否有误? 是否影响数据的存取?
A 不影响
执行过程:
存:key1/key2 都归第一个主机node进行管理. redis.set(key1,value1), redis.set(key2,value2);
取: key1 hash(key1)=3000 找到node 进行取值操作 redis.get(key1) 结果一定正确
2). redis集群中最多存储16384个数据!!! :错!!
16384只是hash槽位的个数,与存储数量没有必然的联系. 能存储多少 完全由redis内存决定.
3). redis集群中主机的数量有没有要求??? A : 3-16384台