SpringCloud微服务技术栈.黑马跟学(十)

SpringCloud微服务技术栈.黑马跟学 十

  • 今日目标
  • 分布式缓存
  • 1.Redis持久化
    • 1.1.RDB持久化
      • 1.1.1.执行时机
      • 1.1.2.RDB原理
      • 1.1.3.小结
    • 1.2.AOF持久化
      • 1.2.1.AOF原理
      • 1.2.2.AOF配置
      • 1.2.3.AOF文件重写
    • 1.3.RDB与AOF对比
  • 2.Redis主从
    • 2.1.搭建主从架构
      • 2.1.1集群结构
      • 2.1.2.准备实例和配置
      • 2.1.3.启动
      • 2.1.4.开启主从关系
      • 2.1.5.测试
    • 2.2.主从数据同步原理
      • 2.2.1.全量同步
      • 2.2.2.增量同步
      • 2.2.3.repl_backlog原理
    • 2.3.主从同步优化
    • 2.4.小结
  • 3.Redis哨兵
    • 3.1.哨兵原理
      • 3.1.1.集群结构和作用
      • 3.1.2.集群监控原理
      • 3.1.3.集群故障恢复原理
      • 3.1.4.小结
    • 3.2.搭建哨兵集群
      • 3.2.1.集群结构
      • 3.2.2.准备实例和配置
      • 3.2.3.启动
      • 3.2.4.测试
    • 3.3.RedisTemplate
      • 3.3.1.导入Demo工程
      • 3.3.2.引入依赖
      • 3.3.3.配置Redis地址
      • 3.3.4.配置读写分离
  • 4.Redis分片集群
    • 4.1.搭建分片集群
      • 4.1.1.集群结构
      • 4.1.2.准备实例和配置
      • 4.1.3.启动
      • 4.1.4.创建集群
      • 4.1.5.测试
    • 4.2.散列插槽
      • 4.2.1.插槽原理
      • 4.2.1.小结
    • 4.3.集群伸缩
      • 4.3.1.需求分析
      • 4.3.2.创建新的redis实例
      • 4.3.3.添加新节点到redis
      • 4.3.4.转移插槽
    • 4.4.故障转移
      • 4.4.1.自动故障转移
      • 4.4.2.手动故障转移
    • 4.5.RedisTemplate访问分片集群

今日目标

SpringCloud微服务技术栈.黑马跟学(十)_第1张图片

分布式缓存

– 基于Redis集群解决单机Redis存在的问题

单机的Redis存在四大问题:
SpringCloud微服务技术栈.黑马跟学(十)_第2张图片

1.Redis持久化

Redis有两种持久化方案:

  • RDB持久化
  • AOF持久化

1.1.RDB持久化

RDB全称Redis Database Backup file(Redis数据备份文件),也被叫做Redis数据快照。简单来说就是把内存中的所有数据都记录到磁盘中。当Redis实例故障重启后,从磁盘读取快照文件,恢复数据。快照文件称为RDB文件,默认是保存在当前运行目录。

1.1.1.执行时机

RDB持久化在四种情况下会执行:

  • 执行save命令
  • 执行bgsave命令
  • Redis停机时
  • 触发RDB条件时

1)save命令

执行下面的命令,可以立即执行一次RDB:
SpringCloud微服务技术栈.黑马跟学(十)_第3张图片
save命令会导致主进程执行RDB,这个过程中其它所有命令都会被阻塞。只有在数据迁移时可能用到。

2)bgsave命令⭐

下面的命令可以异步执行RDB:
在这里插入图片描述
这个命令执行后会开启独立进程完成RDB,主进程可以持续处理用户请求,不受影响。

3)停机时
Redis停机时会执行一次save命令,实现RDB持久化。
我们用ctrl + c退出redis的时候,会自动save一次
SpringCloud微服务技术栈.黑马跟学(十)_第4张图片

4)触发RDB条件
Redis内部有触发RDB的机制,可以在redis.conf文件中找到,格式如下:

# 900秒内,如果至少有1个key被修改,则执行bgsave , 如果是save "" 则表示禁用RDB
save 900 1  
save 300 10  
save 60 10000 

SpringCloud微服务技术栈.黑马跟学(十)_第5张图片
SpringCloud微服务技术栈.黑马跟学(十)_第6张图片

RDB的其它配置也可以在redis.conf文件中设置:

# 是否压缩 ,建议不开启,压缩也会消耗cpu,磁盘的话不值钱
rdbcompression yes

# RDB文件名称
dbfilename dump.rdb  

# 文件保存的路径目录
dir ./ 

在这里插入图片描述
在这里插入图片描述

1.1.2.RDB原理

bgsave开始时会fork主进程得到子进程,子进程共享主进程的内存数据。完成fork后读取内存数据并写入 RDB 文件。

fork采用的是copy-on-write技术:

  • 当主进程执行读操作时,访问共享内存;
  • 当主进程执行写操作时,则会拷贝一份数据,执行写操作。

SpringCloud微服务技术栈.黑马跟学(十)_第7张图片

1.1.3.小结

RDB方式bgsave的基本流程?

  • fork主进程得到一个子进程,共享内存空间
  • 子进程读取内存数据并写入新的RDB文件
  • 用新RDB文件替换旧的RDB文件

RDB会在什么时候执行?save 60 1000代表什么含义?

  • 默认是服务停止时
  • 代表60秒内至少执行1000次修改则触发RDB

RDB的缺点?

  • RDB执行间隔时间长,两次RDB之间写入数据有丢失的风险
  • fork子进程、压缩、写出RDB文件都比较耗时

1.2.AOF持久化

1.2.1.AOF原理

AOF全称为Append Only File(追加文件)。Redis处理的每一个写命令都会记录在AOF文件,可以看做是命令日志文件。
SpringCloud微服务技术栈.黑马跟学(十)_第8张图片

1.2.2.AOF配置

AOF默认是关闭的,需要修改redis.conf配置文件来开启AOF:

# 是否开启AOF功能,默认是no
appendonly yes
# AOF文件的名称
appendfilename "appendonly.aof"

先禁用RDB
在这里插入图片描述
开启AOF
SpringCloud微服务技术栈.黑马跟学(十)_第9张图片

AOF的命令记录的频率也可以通过redis.conf文件来配:

# 表示每执行一次写命令,立即记录到AOF文件
appendfsync always 
# 写命令执行完先放入AOF缓冲区,然后表示每隔1秒将缓冲区数据写到AOF文件,是默认方案
appendfsync everysec 
# 写命令执行完先放入AOF缓冲区,由操作系统决定何时将缓冲区内容写回磁盘
appendfsync no

SpringCloud微服务技术栈.黑马跟学(十)_第10张图片
配置完后重启linux,因为我们是后台进程打开
之后执行

select 4
set school 4

查看appendonly.aof文件
SpringCloud微服务技术栈.黑马跟学(十)_第11张图片

三种策略对比:
SpringCloud微服务技术栈.黑马跟学(十)_第12张图片

1.2.3.AOF文件重写

因为是记录命令,AOF文件会比RDB文件大的多。而且AOF会记录对同一个key的多次写操作,但只有最后一次写操作才有意义。
比如我们修改2次num
SpringCloud微服务技术栈.黑马跟学(十)_第13张图片
看一下appendonly.aof文件,发现记录了2次
SpringCloud微服务技术栈.黑马跟学(十)_第14张图片
通过执行bgrewriteaof命令,可以让AOF文件执行重写功能,用最少的命令达到相同效果。
在这里插入图片描述
那我们去执行一下

BGREWRITEAOF

在这里插入图片描述
然后我们再看一下appendonly.aof文件,做了一些压缩处理
SpringCloud微服务技术栈.黑马跟学(十)_第15张图片
然后我们重启linux再看一下数据是否存在,发现仍然存在
SpringCloud微服务技术栈.黑马跟学(十)_第16张图片

如图,AOF原本有三个命令,但是set num 123 和 set num 666都是对num的操作,第二次会覆盖第一次的值,因此第一个命令记录下来没有意义。

所以重写命令后,AOF文件内容就是:mset name jack num 666

Redis也会在触发阈值时自动去重写AOF文件。阈值也可以在redis.conf中配置:

# AOF文件比上次文件 增长超过多少百分比则触发重写
auto-aof-rewrite-percentage 100
# AOF文件体积最小多大以上才触发重写 
auto-aof-rewrite-min-size 64mb 

1.3.RDB与AOF对比

RDB和AOF各有自己的优缺点,如果对数据安全性要求较高,在实际开发中往往会结合两者来使用。
SpringCloud微服务技术栈.黑马跟学(十)_第17张图片

2.Redis主从

2.1.搭建主从架构

单节点Redis的并发能力是有上限的,要进一步提高Redis的并发能力,就需要搭建主从集群,实现读写分离。
SpringCloud微服务技术栈.黑马跟学(十)_第18张图片

具体搭建流程参考课前资料《Redis集群.md》:
SpringCloud微服务技术栈.黑马跟学(十)_第19张图片

2.1.1集群结构

我们搭建的主从集群结构如图:

SpringCloud微服务技术栈.黑马跟学(十)_第20张图片

共包含三个节点,一个主节点,两个从节点。

这里我们会在同一台虚拟机中开启3个redis实例,模拟主从集群,信息如下:

IP PORT 角色
192.168.150.101 7001 master
192.168.150.101 7002 slave
192.168.150.101 7003 slave

2.1.2.准备实例和配置

要在同一台虚拟机开启3个实例,必须准备三份不同的配置文件和目录,配置文件所在目录也就是工作目录。

1)创建目录

我们创建三个文件夹,名字分别叫7001、7002、7003:

# 进入/tmp目录
cd /tmp
# 创建目录
mkdir 7001 7002 7003

如图:
SpringCloud微服务技术栈.黑马跟学(十)_第21张图片

2)恢复原始配置

修改redis-6.2.4/redis.conf文件,将其中的持久化模式改为默认的RDB模式,AOF保持关闭状态。

# 开启RDB
# save ""
save 3600 1
save 300 100
save 60 10000

# 关闭AOF
appendonly no

SpringCloud微服务技术栈.黑马跟学(十)_第22张图片
关闭AOF
在这里插入图片描述

3)拷贝配置文件到每个实例目录

然后将redis-6.2.4/redis.conf文件拷贝到三个目录中(在/tmp目录执行下列命令):

# 方式一:逐个拷贝
cp redis-6.2.4/redis.conf 7001
cp redis-6.2.4/redis.conf 7002
cp redis-6.2.4/redis.conf 7003
# 方式二:管道组合命令,一键拷贝
echo 7001 7002 7003 | xargs -t -n 1 cp redis-6.2.4/redis.conf
# 我本机是
echo redis7001 redis7002 redis7003 |xargs -t -n 1 cp /usr/local/src/redis-6.2.6/redis.conf

在这里插入图片描述

4)修改每个实例的端口、工作目录

修改每个文件夹内的配置文件,将端口分别修改为7001、7002、7003,将rdb文件保存位置都修改为自己所在目录(在/tmp目录执行下列命令):

sed -i -e 's/6379/7001/g' -e 's/dir .\//dir \/tmp\/7001\//g' 7001/redis.conf
sed -i -e 's/6379/7002/g' -e 's/dir .\//dir \/tmp\/7002\//g' 7002/redis.conf
sed -i -e 's/6379/7003/g' -e 's/dir .\//dir \/tmp\/7003\//g' 7003/redis.conf

# 我们本机是
sed -i -e 's/6379/7001/g' -e 's/dir .\//dir \/tmp\/redis7001\//g' redis7001/redis.conf
sed -i -e 's/6379/7002/g' -e 's/dir .\//dir \/tmp\/redis7002\//g' redis7002/redis.conf
sed -i -e 's/6379/7003/g' -e 's/dir .\//dir \/tmp\/redis7003\//g' redis7003/redis.conf

可以看到都修改成功了
SpringCloud微服务技术栈.黑马跟学(十)_第23张图片
端口修改成功
SpringCloud微服务技术栈.黑马跟学(十)_第24张图片

5)修改每个实例的声明IP

虚拟机本身有多个IP,为了避免将来混乱,我们需要在redis.conf文件中指定每一个实例的绑定ip信息,格式如下:

# redis实例的声明 IP
replica-announce-ip 192.168.150.101

每个目录都要改,我们一键完成修改(在/tmp目录执行下列命令):

# 逐一执行
sed -i '1a replica-announce-ip 192.168.150.101' redis7001/redis.conf
sed -i '1a replica-announce-ip 192.168.150.101' redis7002/redis.conf
sed -i '1a replica-announce-ip 192.168.150.101' redis7003/redis.conf

# 或者一键修改
printf '%s\n' redis7001 redis7002 redis7003 | xargs -I{} -t sed -i '1a replica-announce-ip 192.168.150.101' {}/redis.conf

在这里插入图片描述
然后进入一个配置文件看一下
在这里插入图片描述

2.1.3.启动

为了方便查看日志,我们打开3个ssh窗口,分别启动3个redis实例,启动命令:
SpringCloud微服务技术栈.黑马跟学(十)_第25张图片

# 第1个
redis-server redis7001/redis.conf
# 第2个
redis-server redis7002/redis.conf
# 第3个
redis-server redis7003/redis.conf

启动后:
SpringCloud微服务技术栈.黑马跟学(十)_第26张图片

如果要一键停止,可以运行下面命令:

printf '%s\n' 7001 7002 7003 | xargs -I{} -t redis-cli -p {} shutdown

2.1.4.开启主从关系

现在三个实例还没有任何关系,要配置主从可以使用replicaof 或者slaveof(5.0以前)命令。

有临时和永久两种模式:

  • 修改配置文件(永久生效)

    • 在redis.conf中添加一行配置:slaveof
  • 使用redis-cli客户端连接到redis服务,执行slaveof命令(重启后失效):

  slaveof  

< strong >< font color=‘red’>注意< /font>< /strong>:在5.0以后新增命令replicaof,与salveof效果一致。

这里我们为了演示方便,使用方式二。

通过redis-cli命令连接7002,执行下面命令:

# 连接 7002
redis-cli -p 7002
# 执行slaveof
slaveof 192.168.150.101 7001

通过redis-cli命令连接7003,执行下面命令:

# 连接 7003
redis-cli -p 7003
# 执行slaveof
slaveof 192.168.150.101 7001

然后连接 7001节点,查看集群状态:

# 连接 7001
redis-cli -p 7001
# 查看状态
info replication

结果:
SpringCloud微服务技术栈.黑马跟学(十)_第27张图片

2.1.5.测试

执行下列操作以测试:

  • 利用redis-cli连接7001,执行set num 123

SpringCloud微服务技术栈.黑马跟学(十)_第28张图片

  • 利用redis-cli连接7002,执行get num,再执行set num 666

在这里插入图片描述

  • 利用redis-cli连接7003,执行get num,再执行set num 888

在这里插入图片描述

可以发现,只有在7001这个master节点上可以执行写操作,7002和7003这两个slave节点只能执行读操作。

总结:
假设有A、B两个Redis实例,如何让B作为A的slave节点?
● 在B节点执行命令: slaveof A的IP A的port

2.2.主从数据同步原理

2.2.1.全量同步

主从第一次建立连接时,会执行全量同步,将master节点的所有数据都拷贝给slave节点,流程:
SpringCloud微服务技术栈.黑马跟学(十)_第29张图片

这里有一个问题,master如何得知salve是第一次来连接呢??

有几个概念,可以作为判断依据:

  • Replication Id:简称replid,是数据集的标记,id一致则说明是同一数据集。每一个master都有唯一的replid,slave则会继承master节点的replid
  • offset:偏移量,随着记录在repl_baklog中的数据增多而逐渐增大。slave完成同步时也会记录当前同步的offset。如果slave的offset小于master的offset,说明slave数据落后于master,需要更新。

因此slave做数据同步,必须向master声明自己的replication id 和offset,master才可以判断到底需要同步哪些数据。

因为slave原本也是一个master,有自己的replid和offset,当第一次变成slave,与master建立连接时,发送的replid和offset是自己的replid和offset。

master判断发现slave发送来的replid与自己的不一致,说明这是一个全新的slave,就知道要做全量同步了。

master会将自己的replid和offset都发送给这个slave,slave保存这些信息。以后slave的replid就与master一致了。

因此,master判断一个节点是否是第一次同步的依据,就是看replid是否一致

如图:
SpringCloud微服务技术栈.黑马跟学(十)_第30张图片
完整流程描述:

  • slave节点请求增量同步
  • master节点判断replid,发现不一致,拒绝增量同步
  • master将完整内存数据生成RDB,发送RDB到slave
  • slave清空本地数据,加载master的RDB
  • master将RDB期间的命令记录在repl_baklog,并持续将log中的命令发送给slave
  • slave执行接收到的命令,保持与master之间的同步

2.2.2.增量同步

全量同步需要先做RDB,然后将RDB文件通过网络传输个slave,成本太高了。因此除了第一次做全量同步,其它大多数时候slave与master都是做增量同步

什么是增量同步?就是只更新slave与master存在差异的部分数据。如图:
SpringCloud微服务技术栈.黑马跟学(十)_第31张图片

那么master怎么知道slave与自己的数据差异在哪里呢?

2.2.3.repl_backlog原理

master怎么知道slave与自己的数据差异在哪里呢?

这就要说到全量同步时的repl_baklog文件了。

这个文件是一个固定大小的数组,只不过数组是环形,也就是说角标到达数组末尾后,会再次从0开始读写,这样数组头部的数据就会被覆盖。

repl_baklog中会记录Redis处理过的命令日志及offset,包括master当前的offset,和slave已经拷贝到的offset:
SpringCloud微服务技术栈.黑马跟学(十)_第32张图片

slave与master的offset之间的差异,就是salve需要增量拷贝的数据了。

随着不断有数据写入,master的offset逐渐变大,slave也不断的拷贝,追赶master的offset:
SpringCloud微服务技术栈.黑马跟学(十)_第33张图片

直到数组被填满:
SpringCloud微服务技术栈.黑马跟学(十)_第34张图片

此时,如果有新的数据写入,就会覆盖数组中的旧数据。不过,旧的数据只要是绿色的,说明是已经被同步到slave的数据,即便被覆盖了也没什么影响。因为未同步的仅仅是红色部分。

但是,如果slave出现网络阻塞,导致master的offset远远超过了slave的offset:
SpringCloud微服务技术栈.黑马跟学(十)_第35张图片

如果master继续写入新数据,其offset就会覆盖旧的数据,直到将slave现在的offset也覆盖:
SpringCloud微服务技术栈.黑马跟学(十)_第36张图片

棕色框中的红色部分,就是尚未同步,但是却已经被覆盖的数据。此时如果slave恢复,需要同步,却发现自己的offset都没有了,无法完成增量同步了。只能做全量同步
在这里插入图片描述

2.3.主从同步优化

主从同步可以保证主从数据的一致性,非常重要。

可以从以下几个方面来优化Redis主从就集群:

  • 在master中配置repl-diskless-sync yes启用无磁盘复制,避免全量同步时的磁盘IO。(网络带宽足够的话,可以采用这个场景)

masterr中更改配置redis.conf
SpringCloud微服务技术栈.黑马跟学(十)_第37张图片

  • Redis单节点上的内存占用不要太大,减少RDB导致的过多磁盘IO
  • 适当提高repl_baklog的大小,发现slave宕机时尽快实现故障恢复,尽可能避免全量同步
  • 限制一个master上的slave节点数量,如果实在是太多slave,则可以采用主-从-从链式结构,减少master压力

主从从架构图:
SpringCloud微服务技术栈.黑马跟学(十)_第38张图片

2.4.小结

简述全量同步和增量同步区别?

  • 全量同步:master将完整内存数据生成RDB,发送RDB到slave。后续命令则记录在repl_baklog,逐个发送给slave。
  • 增量同步:slave提交自己的offset到master,master获取repl_baklog中从offset之后的命令给slave

什么时候执行全量同步?

  • slave节点第一次连接master节点时
  • slave节点断开时间太久,repl_baklog中的offset已经被覆盖时

什么时候执行增量同步?

  • slave节点断开又恢复,并且在repl_baklog中能找到offset时

3.Redis哨兵

Redis提供了哨兵(Sentinel)机制来实现主从集群的自动故障恢复。

3.1.哨兵原理

SpringCloud微服务技术栈.黑马跟学(十)_第39张图片

3.1.1.集群结构和作用

哨兵的结构如图:
SpringCloud微服务技术栈.黑马跟学(十)_第40张图片
哨兵的作用如下:

  • 监控:Sentinel 会不断检查您的master和slave是否按预期工作
  • 自动故障恢复:如果master故障,Sentinel会将一个slave提升为master。当故障实例恢复后也以新的master为主
  • 通知:Sentinel充当Redis客户端的服务发现来源,当集群发生故障转移时,会将最新信息推送给Redis的客户端

3.1.2.集群监控原理

Sentinel基于心跳机制监测服务状态,每隔1秒向集群的每个实例发送ping命令:

•主观下线:如果某sentinel节点发现某实例未在规定时间响应,则认为该实例主观下线

•客观下线:若超过指定数量(quorum)的sentinel都认为该实例主观下线,则该实例客观下线。quorum值最好超过Sentinel实例数量的一半。
SpringCloud微服务技术栈.黑马跟学(十)_第41张图片

3.1.3.集群故障恢复原理

一旦发现master故障,sentinel需要在salve中选择一个作为新的master,选择依据是这样的:

  • 首先会判断slave节点与master节点断开时间长短,如果超过指定值(down-after-milliseconds * 10)则会排除该slave节点
  • 然后判断slave节点的slave-priority值,越小优先级越高,如果是0则永不参与选举
  • 如果slave-prority一样,则判断slave节点的offset值,越大说明数据越新,优先级越高
  • 最后是判断slave节点的运行id大小,越小优先级越高。

当选出一个新的master后,该如何实现切换呢?

流程如下:

  • sentinel给备选的slave1节点发送slaveof no one命令,让该节点成为master
  • sentinel给所有其它slave发送slaveof 192.168.150.101 7002 命令,让这些slave成为新master的从节点,开始从新的master上同步数据。
  • 最后,sentinel将故障节点标记为slave,当故障节点恢复后会自动成为新的master的slave节点

SpringCloud微服务技术栈.黑马跟学(十)_第42张图片

3.1.4.小结

Sentinel的三个作用是什么?

  • 监控
  • 故障转移
  • 通知

Sentinel如何判断一个redis实例是否健康?

  • 每隔1秒发送一次ping命令,如果超过一定时间没有相向则认为是主观下线
  • 如果大多数sentinel都认为实例主观下线,则判定服务下线

故障转移步骤有哪些?

  • 首先选定一个slave作为新的master,执行slaveof no one
  • 然后让所有节点都执行slaveof 新master
  • 修改故障节点配置,添加slaveof 新master

3.2.搭建哨兵集群

具体搭建流程参考课前资料《Redis集群.md》:
SpringCloud微服务技术栈.黑马跟学(十)_第43张图片

3.2.1.集群结构

这里我们搭建一个三节点形成的Sentinel集群,来监管之前的Redis主从集群。如图:
SpringCloud微服务技术栈.黑马跟学(十)_第44张图片

三个sentinel实例信息如下:

节点 IP PORT
s1 192.168.150.101 27001
s2 192.168.150.101 27002
s3 192.168.150.101 27003

3.2.2.准备实例和配置

要在同一台虚拟机开启3个实例,必须准备三份不同的配置文件和目录,配置文件所在目录也就是工作目录。

我们创建三个文件夹,名字分别叫s1、s2、s3:

# 进入/tmp目录
cd /tmp
# 创建目录
mkdir sentinel1 
mkdir sentinel2
mkdir sentinel3

如图:
在这里插入图片描述

然后我们在s1目录创建一个sentinel.conf文件,添加下面的内容:

port 27001
sentinel announce-ip 192.168.150.101
sentinel monitor mymaster 192.168.150.101 7001 2
sentinel down-after-milliseconds mymaster 5000
sentinel failover-timeout mymaster 60000
dir "/tmp/sentinel1"

解读:

  • port 27001:是当前sentinel实例的端口
  • sentinel monitor mymaster 192.168.150.101 7001 2:指定主节点信息
    • mymaster:主节点名称,自定义,任意写
    • 192.168.150.101 7001:主节点的ip和端口
    • 2:选举master时的quorum值(超过半数选举)

然后将s1/sentinel.conf文件拷贝到s2、s3两个目录中(在/tmp目录执行下列命令):

# 方式一:逐个拷贝
cp s1/sentinel.conf s2
cp s1/sentinel.conf s3
# 方式二:管道组合命令,一键拷贝
echo sentinel2 sentinel3 | xargs -t -n 1 cp sentinel1/sentinel.conf

修改s2、s3两个文件夹内的配置文件,将端口分别修改为27002、27003:

sed -i -e 's/27001/27002/g' -e 's/s1/s2/g' s2/sentinel.conf
sed -i -e 's/27001/27003/g' -e 's/s1/s3/g' s3/sentinel.conf

3.2.3.启动

为了方便查看日志,我们打开3个ssh窗口,分别启动3个redis实例,启动命令:

SpringCloud微服务技术栈.黑马跟学(十)_第45张图片

命令如下:

# 第1个
redis-sentinel sentinel1/sentinel.conf
# 第2个
redis-sentinel sentinel2/sentinel.conf
# 第3个
redis-sentinel sentinel3/sentinel.conf

启动后:
SpringCloud微服务技术栈.黑马跟学(十)_第46张图片

3.2.4.测试

尝试让master节点7001宕机,查看sentinel日志:
SpringCloud微服务技术栈.黑马跟学(十)_第47张图片

查看7003的日志:
SpringCloud微服务技术栈.黑马跟学(十)_第48张图片
查看7002的日志:
SpringCloud微服务技术栈.黑马跟学(十)_第49张图片

3.3.RedisTemplate

在Sentinel集群监管下的Redis主从集群,其节点会因为自动故障转移而发生变化,Redis的客户端必须感知这种变化,及时更新连接信息。Spring的RedisTemplate底层利用lettuce实现了节点的感知和自动切换。

下面,我们通过一个测试来实现RedisTemplate集成哨兵机制。

3.3.1.导入Demo工程

首先,我们引入课前资料提供的Demo工程:
SpringCloud微服务技术栈.黑马跟学(十)_第50张图片

3.3.2.引入依赖

在项目的pom文件中引入依赖:

<dependency>
    <groupId>org.springframework.bootgroupId>
    <artifactId>spring-boot-starter-data-redisartifactId>
dependency>

3.3.3.配置Redis地址

然后在配置文件application.yml中指定redis的sentinel相关信息:

spring:
  redis:
    sentinel:
      master: mymaster
      nodes:
        - 192.168.150.101:27001
        - 192.168.150.101:27002
        - 192.168.150.101:27003

3.3.4.配置读写分离

在项目的启动类中,添加一个新的bean:

@Bean
public LettuceClientConfigurationBuilderCustomizer clientConfigurationBuilderCustomizer(){
    return clientConfigurationBuilder -> clientConfigurationBuilder.readFrom(ReadFrom.REPLICA_PREFERRED);
}

或者写成

    @Bean
    public LettuceClientConfigurationBuilderCustomizer clientConfigurationBuilderCustomizer() {
        return new LettuceClientConfigurationBuilderCustomizer() {
            @Override
            public void customize(LettuceClientConfiguration.LettuceClientConfigurationBuilder clientConfigurationBuilder) {
                clientConfigurationBuilder.readFrom(ReadFrom.REPLICA_PREFERRED);
            }
        };
    }

看一下redis中的数据
SpringCloud微服务技术栈.黑马跟学(十)_第51张图片

访问

http://localhost:8080/get/num

得到
在这里插入图片描述
看下日志,当前读的是7002

SpringCloud微服务技术栈.黑马跟学(十)_第52张图片
我们再访问修改

http://localhost:8080/set/num/666

发现交给了主节点处理
SpringCloud微服务技术栈.黑马跟学(十)_第53张图片
那我们让7003主节点宕机
发现7001变成了master节点
在这里插入图片描述
再启动7003,发现7001还是master节点
我们访问

http://localhost:8080/set/num/777

看下日志
SpringCloud微服务技术栈.黑马跟学(十)_第54张图片
这个bean中配置的就是读写策略,包括四种:

  • MASTER:从主节点读取
  • MASTER_PREFERRED:优先从master节点读取,master不可用才读取replica
  • REPLICA:从slave(replica)节点读取
  • REPLICA _PREFERRED:优先从slave(replica)节点读取,所有的slave都不可用才读取master

4.Redis分片集群

4.1.搭建分片集群

主从和哨兵可以解决高可用、高并发读的问题。但是依然有两个问题没有解决:

  • 海量数据存储问题

  • 高并发写的问题

使用分片集群可以解决上述问题,如图:
SpringCloud微服务技术栈.黑马跟学(十)_第55张图片

分片集群特征:

  • 集群中有多个master,每个master保存不同数据

  • 每个master都可以有多个slave节点

  • master之间通过ping监测彼此健康状态

  • 客户端请求可以访问集群任意节点,最终都会被转发到正确节点

具体搭建流程参考课前资料《Redis集群.md》:

SpringCloud微服务技术栈.黑马跟学(十)_第56张图片

4.1.1.集群结构

分片集群需要的节点数量较多,这里我们搭建一个最小的分片集群,包含3个master节点,每个master包含一个slave节点,结构如下:
SpringCloud微服务技术栈.黑马跟学(十)_第57张图片

这里我们会在同一台虚拟机中开启6个redis实例,模拟分片集群,信息如下:

IP PORT 角色
192.168.150.101 7001 master
192.168.150.101 7002 master
192.168.150.101 7003 master
192.168.150.101 8001 slave
192.168.150.101 8002 slave
192.168.150.101 8003 slave

4.1.2.准备实例和配置

先停止之前所有的redis集群

删除之前的7001、7002、7003这几个目录,重新创建出7001、7002、7003、8001、8002、8003目录:

# 进入/tmp目录
cd /tmp
# 删除旧的,避免配置干扰
rm -rf 7001 7002 7003
# 创建目录
mkdir 7001 7002 7003 8001 8002 8003

在/tmp下准备一个新的redis.conf文件,内容如下:

port 6379
# 开启集群功能
cluster-enabled yes
# 集群的配置文件名称,不需要我们创建,由redis自己维护
cluster-config-file /tmp/6379/nodes.conf
# 节点心跳失败的超时时间
cluster-node-timeout 5000
# 持久化文件存放目录
dir /tmp/6379
# 绑定地址
bind 0.0.0.0
# 让redis后台运行
daemonize yes
# 注册的实例ip
replica-announce-ip 192.168.150.101
# 保护模式
protected-mode no
# 数据库数量
databases 1
# 日志
logfile /tmp/6379/run.log

将这个文件拷贝到每个目录下:

# 进入/tmp目录
cd /tmp
# 执行拷贝
echo 7001 7002 7003 8001 8002 8003 | xargs -t -n 1 cp redis.conf

修改每个目录下的redis.conf,将其中的6379修改为与所在目录一致:

# 进入/tmp目录
cd /tmp
# 修改配置文件
printf '%s\n' 7001 7002 7003 8001 8002 8003 | xargs -I{} -t sed -i 's/6379/{}/g' {}/redis.conf

4.1.3.启动

因为已经配置了后台启动模式,所以可以直接启动服务:

# 进入/tmp目录
cd /tmp
# 一键启动所有服务
printf '%s\n' 7001 7002 7003 8001 8002 8003 | xargs -I{} -t redis-server {}/redis.conf

通过ps查看状态:

ps -ef | grep redis

发现服务都已经正常启动:
SpringCloud微服务技术栈.黑马跟学(十)_第58张图片

如果要关闭所有进程,可以执行命令:

ps -ef | grep redis | awk '{print $2}' | xargs kill

或者(推荐这种方式):

printf '%s\n' 7001 7002 7003 8001 8002 8003 | xargs -I{} -t redis-cli -p {} shutdown

4.1.4.创建集群

虽然服务启动了,但是目前每个服务之间都是独立的,没有任何关联。

我们需要执行命令来创建集群,在Redis5.0之前创建集群比较麻烦,5.0之后集群管理命令都集成到了redis-cli中。

1)Redis5.0之前

Redis5.0之前集群命令都是用redis安装包下的src/redis-trib.rb来实现的。因为redis-trib.rb是有ruby语言编写的所以需要安装ruby环境。

# 安装依赖
yum -y install zlib ruby rubygems
gem install redis

然后通过命令来管理集群:

# 进入redis的src目录
cd /tmp/redis-6.2.4/src
# 创建集群
./redis-trib.rb create --replicas 1 192.168.150.101:7001 192.168.150.101:7002 192.168.150.101:7003 192.168.150.101:8001 192.168.150.101:8002 192.168.150.101:8003

2)Redis5.0以后

我们使用的是Redis6.2.4版本,集群管理以及集成到了redis-cli中,格式如下:

redis-cli --cluster create --cluster-replicas 1 192.168.150.101:7001 192.168.150.101:7002 192.168.150.101:7003 192.168.150.101:8001 192.168.150.101:8002 192.168.150.101:8003

命令说明:

  • redis-cli --cluster或者./redis-trib.rb:代表集群操作命令
  • create:代表是创建集群
  • --replicas 1或者--cluster-replicas 1 :指定集群中每个master的副本个数为1,此时节点总数 ÷ (replicas + 1) 得到的就是master的数量。因此节点列表中的前n个就是master,其它节点都是slave节点,随机分配到不同master

运行后的样子:
SpringCloud微服务技术栈.黑马跟学(十)_第59张图片
这里输入yes,则集群开始创建:
SpringCloud微服务技术栈.黑马跟学(十)_第60张图片

通过命令可以查看集群状态:

redis-cli -p 7001 cluster nodes

在这里插入图片描述

4.1.5.测试

尝试连接7001节点,存储一个数据:

# 连接
redis-cli -p 7001
# 存储数据
set num 123
# 读取数据
get num
# 再次存储
set a 1

结果悲剧了:

SpringCloud微服务技术栈.黑马跟学(十)_第61张图片

集群操作时,需要给redis-cli加上-c参数才可以:

redis-cli -c -p 7001

这次可以了:redirected是重定向的意思,我们访问节点,会根据slot插槽判断属于哪个节点,然后重定向到该节点进行查询
SpringCloud微服务技术栈.黑马跟学(十)_第62张图片

4.2.散列插槽

4.2.1.插槽原理

Redis会把每一个master节点映射到0~16383共16384个插槽(hash slot)上,查看集群信息时就能看到:
SpringCloud微服务技术栈.黑马跟学(十)_第63张图片

数据key不是与节点绑定,而是与插槽绑定。redis会根据key的有效部分计算插槽值,分两种情况:

  • key中包含"{}",且“{}”中至少包含1个字符,“{}”中的部分是有效部分
  • key中不包含“{}”,整个key都是有效部分

例如:key是num,那么就根据num计算,如果是{itcast}num,则根据itcast计算。计算方式是利用CRC16算法得到一个hash值,然后对16384取余,得到的结果就是slot值。

SpringCloud微服务技术栈.黑马跟学(十)_第64张图片

如图,在7001这个节点执行set a 1时,对a做hash运算,对16384取余,得到的结果是15495,因此要存储到103节点。

到了7003后,执行get num时,对num做hash运算,对16384取余,得到的结果是2765,因此需要切换到7001节点

4.2.1.小结

Redis如何判断某个key应该在哪个实例?

  • 将16384个插槽分配到不同的实例
  • 根据key的有效部分计算哈希值,对16384取余
  • 余数作为插槽,寻找插槽所在实例即可

如何将同一类数据固定的保存在同一个Redis实例?

  • 这一类数据使用相同的有效部分,例如key都以{typeId}为前缀

4.3.集群伸缩

redis-cli --cluster提供了很多操作集群的命令,可以通过下面方式查看:
SpringCloud微服务技术栈.黑马跟学(十)_第65张图片
比如,添加节点的命令:
SpringCloud微服务技术栈.黑马跟学(十)_第66张图片

4.3.1.需求分析

需求:向集群中添加一个新的master节点,并向其中存储 num = 10

  • 启动一个新的redis实例,端口为7004
  • 添加7004到之前的集群,并作为一个master节点
  • 给7004节点分配插槽,使得num这个key可以存储到7004实例

这里需要两个新的功能:

  • 添加一个节点到集群中
  • 将部分插槽分配到新插槽

4.3.2.创建新的redis实例

创建一个文件夹:

mkdir 7004

拷贝配置文件:

cp redis.conf  7004

修改配置文件:

sed -i s/6379/7004/g 7004/redis.conf

启动

redis-server 7004/redis.conf

4.3.3.添加新节点到redis

添加节点的语法如下:
SpringCloud微服务技术栈.黑马跟学(十)_第67张图片

执行命令:

redis-cli --cluster add-node  192.168.150.101:7004 192.168.150.101:7001

通过命令查看集群状态:

redis-cli -p 7001 cluster nodes

如图,7004加入了集群,并且默认是一个master节点:

SpringCloud微服务技术栈.黑马跟学(十)_第68张图片
但是,可以看到7004节点的插槽数量为0,因此没有任何数据可以存储到7004上

4.3.4.转移插槽

我们要将num存储到7004节点,因此需要先看看num的插槽是多少:

redis-cli -c -p 7001
get num
get a
get num

在这里插入图片描述

如上图所示,num的插槽为2765.

我们可以将0~3000的插槽从7001转移到7004,命令格式如下:
SpringCloud微服务技术栈.黑马跟学(十)_第69张图片

具体命令如下:

建立连接:

redis-cli --cluster reshard 192.168.150.101:7001

在这里插入图片描述

得到下面的反馈:
SpringCloud微服务技术栈.黑马跟学(十)_第70张图片
询问要移动多少个插槽,我们计划是3000个:

新的问题来了:
SpringCloud微服务技术栈.黑马跟学(十)_第71张图片

那个node来接收这些插槽??

显然是7004,那么7004节点的id是多少呢?
SpringCloud微服务技术栈.黑马跟学(十)_第72张图片

复制这个id,然后拷贝到刚才的控制台后:
SpringCloud微服务技术栈.黑马跟学(十)_第73张图片

这里询问,你的插槽是从哪里移动过来的?

  • all:代表全部,也就是三个节点各转移一部分
  • 具体的id:目标节点的id
  • done:没有了

这里我们要从7001获取,因此填写7001的id:
SpringCloud微服务技术栈.黑马跟学(十)_第74张图片

填完后,点击done,这样插槽转移就准备好了:
SpringCloud微服务技术栈.黑马跟学(十)_第75张图片

确认要转移吗?输入yes:

然后,通过命令查看结果:

redis-cli -p 7001 cluster nodes

在这里插入图片描述

可以看到:
SpringCloud微服务技术栈.黑马跟学(十)_第76张图片

目的达成。
输入

redis-cli -c -p 7001

SpringCloud微服务技术栈.黑马跟学(十)_第77张图片
课后作业:删除7004节点
首先查看删除节点的指令

redis-cli --cluster help

发现帮助文档中是这么写的

del-node       host:port node_id

通过命令查看节点id:

redis-cli -p 7001 cluster nodes

进入集群操作

redis-cli -c -p 7001

删除节点

redis-cli --cluster del-node 192.168.150.101:7004 fce0c2f09c4a2fbf5d9caefdf4aa3e6ab0aeb259

直接删除发现报错了
在这里插入图片描述
看来需要把7004的插槽移动给7001

redis-cli --cluster reshard 192.168.150.101:7004

输入3000
在这里插入图片描述
输入7001作为接收插槽
在这里插入图片描述
输入插槽源
在这里插入图片描述
输入yes即可
在这里插入图片描述
最后再删除

redis-cli --cluster del-node 192.168.150.101:7004 fce0c2f09c4a2fbf5d9caefdf4aa3e6ab0aeb259

查询一下

redis-cli -p 7001 cluster nodes

发现7004没了
SpringCloud微服务技术栈.黑马跟学(十)_第78张图片

4.4.故障转移

集群初识状态是这样的:
在这里插入图片描述

其中7001、7002、7003都是master,我们计划让7002宕机。

4.4.1.自动故障转移

当集群中有一个master宕机会发生什么呢?
直接停止一个redis实例,例如7002:

redis-cli -p 7002 shutdown

1)首先是该实例与其它实例失去连接

2)然后是疑似宕机:
在这里插入图片描述

3)最后是确定下线,自动提升一个slave为新的master:
在这里插入图片描述

4)当7002再次启动,就会变为一个slave节点了:

redis-server 7002/redis.conf

在这里插入图片描述

4.4.2.手动故障转移

利用cluster failover命令可以手动让集群中的某个master宕机,切换到执行cluster failover命令的这个slave节点,实现无感知的数据迁移。其流程如下:
SpringCloud微服务技术栈.黑马跟学(十)_第79张图片

这种failover命令可以指定三种模式:

  • 缺省:默认的流程,如图1~6歩
  • force:省略了对offset的一致性校验
  • takeover:直接执行第5歩,忽略数据一致性、忽略master状态和其它master的意见

案例需求:在7002这个slave节点执行手动故障转移,重新夺回master地位

步骤如下:

1)利用redis-cli连接7002这个节点

2)执行cluster failover命令

如图:

redis-cli -p 7002
cluster failover

在这里插入图片描述

效果:发现7002变成了master
在这里插入图片描述

4.5.RedisTemplate访问分片集群

RedisTemplate底层同样基于lettuce实现了分片集群的支持,而使用的步骤与哨兵模式基本一致:

1)引入redis的starter依赖

2)配置分片集群地址

3)配置读写分离

与哨兵模式相比,其中只有分片集群的配置方式略有差异,如下:

spring:
  redis:
    cluster:
      nodes:
        - 192.168.150.101:7001
        - 192.168.150.101:7002
        - 192.168.150.101:7003
        - 192.168.150.101:8001
        - 192.168.150.101:8002
        - 192.168.150.101:8003

配置好之后重启服务
访问

http://localhost:8080/get/num

获得
SpringCloud微服务技术栈.黑马跟学(十)_第80张图片
并且访问的是从节点
然后再访问

http://localhost:8080/set/num/777

发现访问的是主节点

你可能感兴趣的:(Spring,Cloud微服务,spring,cloud,微服务,redis)