[Redis][集群][上]详细讲解

0.前言

• 说明：该章节相关操作不需要记忆，理解流程和原理即可，用的时候能自主查到即可

1.基本概念

• 哨兵模式提高了系统的可用性，但是真正用来存储数据的还是master和slave节点，所有的数据都需要存储在单个master和slave节点中
  • 如果数据量很大，接近超出了master/slave所在机器的物理内存，就可能出现严重的问题了
• 如何获取更大的空间？
  • 加机器即可
  • 所谓”大数据”的核心，其实就是一台机器搞不定了，用多台机器来搞定
• Redis集群就是在上述的思路下，引入多组Master/Slave，每组Master/Slave存储数据全集的一部分，从而构成一个更大的整体，称为Redis集群(Cluster)
• 假定整个数据全集是1TB，引入三组Master/Slave来存储，那么每一组机器只需要存储整个数据全集的$1/3$即可
  • 三组机器存储的数据都是不同的
  • 每个Slave都是对应Master的备份，当Master挂了，对应的Slave会补位成Master
  • 每个红框部分都可以称为是一个**分片**(Sharding)
    • 如果全量数据进一步增加，只要再增加更多的分片，即可解决
  • 示例：
    • Master1和Slave11和Slave12保存的是同样的数据，占总数据的$1/3$
    • Master2和Slave21和Slave22保存的是同样的数据，占总数据的$1/3$
    • Master3和Slave31和Slave32保存的是同样的数据，占总数据的$1/3$
      

2.数据分片算法

0.前言

• Redis Cluster的**核⼼思路是⽤多组机器来存数据的每个部分**
• 那么接下来的核⼼问题就是，给定⼀个数据(⼀个具体的key)，那么这个数据应该存储在哪个分⽚上? 读取的时候⼜应该去哪个分片读取？

1.哈希求余

• 设有N个分片，使用[0, N-1]进行编号

  • 针对某个给定的key，先计算hash值，再把得到的结果%N，得到的结果即为分片编号
  • 后续如果要取某个key的值，也是针对key进行hash，再对N求余，就可以找到对应的分片编号了
    

• 优点：简单高效，数据分配均匀

• 缺点：一旦需要进行扩容，N改变了，原有的映射规则被破坏，就需要让节点之间的数据互相传输，重新排列，以满足新的映射规则，此时需要搬运的数据量是比较多的，开销较大
  

2.一致性哈希算法

• 为了降低上述的搬运开销，能够更高效扩容，业界提出了”一致性哈希算法”

• 本质区别：

  • 在哈希求余中，当前key属于哪个分片，是交替的
  • 在一致性哈希下，把交替出现，改进成了连续出现，此时就降低了需要搬运数据的可能

• key映射到分片序号的过程不再是简单求余了，而是改成以下过程：

  1. 把$0$ -> $2^{32}-1$这个数据空间，映射到一个圆环上，数据按照顺时针方向增长
     

  2. 假设当前存在三个分片，就把分片放到圆环的某个位置上
     

  3. 假定有一个key，计算得到hash值H，那么这个key映射到哪个分片呢？

     • 从H所在位置，顺时针往下找，找到的第一个分片，即为该key所从属的分片
       

     • 这就相当于，N个分片的位置，把整个圆环分成了N个管辖区间，key的hash值落在某个区间内，就归对应区间管理
       

  4. 如果扩容一个分片，如何处理呢？

     • 原有分片在环上的位置不动，只要在环上新安排一个分片位置即可
     • 此时只需要把0号分片上的部分数据，搬运给3号分片即可，1号分片和2号分片管理的区间都是不变的
       

• 优点：大大降低了扩容时数据搬运的规模，提高了扩容操作的效率

• 缺点：数据分配不均匀 -> 有的多有的少，数据倾斜

3.哈希槽分区算法(Redis使用)

• 为了解决上述问题(搬运成本高和数据分配不均匀)，Redis Cluster引入了哈希槽(hash slots)算法
• 本质：把哈希求余和一致性哈希的
• hash slots：
  • 说明：
    • crc16也是一种hash算法
    • $16384$是$16\ast 1024$，即16K，为$2^{14}$
  • 解释：
    • 相当于把整个哈希值，映射到$16384$个槽位上，也就是[0, 16383]
    • 然后再把这些槽位比较均匀的分配给每个片，每个分片的节点都需要记录自己持有哪些分片
  • 这里的分片规则是很灵活的，每个分片持有的槽位也不一定连续
  • 每个分片的节点使用位图来表示自己持有哪些槽位，对于$16384$个槽位而言，需要2048个字节(2KB)大小的内存空间表示
  • 如果需要扩容，比如新增一个3号分片，就可以针对原有的槽位进行重新分配
    • 把之前每个分片持有的槽位，各拿出一点，分给新分片

  hash_slot = crc16(key) % 16384
  

• 示例：
  • 假设当前有三个分片，一种可能的分配方式：
    • 0号分片：[0, 5461]，共5462个槽位
    • 1号分片：[5462, 10923]，共5462个槽位
    • 2号分片：[10924, 16383]，共5460个槽位
  • 此时扩容了一个分片，一种可能的分配方式：
    • 0号分片：[0, 4095]，共4096个槽位
    • 1号分片：[5462, 9557]，共4096个槽位
    • 2号分片：[10924, 15019]，共4096个槽位
    • 3号分片：[4096, 5461] + [9558, 10923] + [15019, 16383]，共4096个槽位
• 在实际使用Redis集群分片的时候，不需要手动指定哪些槽位分配给某个分片，只需要告诉某个分片应该持有多少个槽位即可，Redis会自动完成后续的槽位分配，以及对应的key搬运的工作
• 两个问题：
  • Redis集群是最多有16384个分片吗？
    • 并非如此，如果一个分片一个槽位，这对于集群的数据均匀是难以保证的
    • 实际上，Redis作者建议集群分片数不应该超过1000
    • 并且，16000这么大规模的集群，本身的可用性也是一个大问题
      • 一个系统越复杂，出现故障的概率就越高
  • 为什么是16384个槽位？
    • Redis作者的答案
    • 节点之间通过⼼跳包通信，⼼跳包中包含了该节点持有哪些slots，这个是使⽤位图这样的数据结构表⽰的
      • 表⽰16384(16k)个slots，需要的位图⼤⼩是2KB，如果给定的slots数更多了，⽐如65536个了，此时就需要消耗更多的空间，如8KB位图表⽰了
      • 8KB对于内存来说不算什么，但是在频繁的⽹络⼼跳包中，还是⼀个不⼩的开销的
    • 另⼀⽅⾯，Redis集群⼀般不建议超过1000 个分⽚，所以16k对于最⼤1000个分⽚来说是⾜够⽤的，同时也会使对应的槽位配置位图体积不⾄于很⼤