Redis集群原理分析

前言

Redis Cluster将所有数据划分为16384个slots(槽位)，每个节点负责其中一部分槽位。槽位的信息存储于每个节点中；当Redis Cluster的客户端连接集群时，它也会得到一份槽位配置信息并将其缓存在客户端本地。这样当客户端要查找某个key时，可以直接定位到目标节点。同时也会带来一个问题”槽位信息在客户端和服务器不一致的情况，这就需要纠正机制来实现槽位信息的纠正”。

槽位定位算法

Cluster默认会对key使用CRC16算法进行hash得到一个整数值，然后用这个整数值对16384进行取模得到具体的槽位。

HASH_SLOT = CRC16(key) mod 16384

跳转重定位

当客户端向一个错误的节点发出了指令，该节点会发现指令的key所在的槽位不是自己管理的，这时它会像客户端发送一个特殊的跳转指令携带目标操作的节点地址，告诉客户端去连接这个指定的节点去获取数据。客户端收到指令之后跳转到正确的节点上去操作，还会同步更新纠正本地的槽位映射表缓存，后续所有key将使用新的槽位映射表。

Redis集群节点间的通信机制

Redis Cluster节点间采用gossip协议进行通信，来维护集群的元数据(集群节点信息、主从角色、节点数量、各节点共享的数据等) 。

维护集群元数据的方式有两种：

1. 集中式
2. gossip

集中式

优点：在于元数据的更新和读取时效性非常好，一旦元数据出现变更就会立即同步到集中式存储中，其他节点读取的时候就会立即感知到数据的变化；

缺点：在于所有的元数据的更新压力全部会集中在一个地方，可能导致元数据的存储压力。很多中间件会借助zookeeper集中式存储元数据。

gossip协议

gossip协议包含多种信息，包括ping、pong、meet、fail等。

meet：某个节点发送meet给新加入的节点，让新节点加入集群中，然后新节点就会开始和其他节点开始通信；

ping：每个节点都会频繁的给其他节点发送ping，其中包含自己的状态还有自己维护的集群元数据，互相通过ping交换元数据(类似感知到集群节点增加和删除，hash slot信息等)；

pong：对ping和meet信息的返回，包含自己的状态和其他信息，也可以用于广播和更新；

fail：某个节点判断另一个节点fail之后，就会发送fail给其他节点，通知其他节点，指定节点宕机了；

优点： 在于元数据的更新比较分散，不是集中在一个地方，更新请求会陆陆续续打到所有节点上去更新，有一定的延时，降低了压力；

缺点： 在于数据更新有一定的延时，可能导致集群的一些操作会有些滞后；

gossip协议通信端口

每个节点都有一个专门用于节点之间gossip通信的端口，就是自己提供服务的端口号+10000，比如：节点端口是7001，那么用于节点通信的端口就是17001。

每个节点每隔一段时间都会往另外几个节点发送ping消息，同时其他几个接收到ping消息之后返回pong消息。

网络抖动问题

在正常生产环境中，经常会出现突然部分连接不可访问，过一会之后又恢复正常。对于这样的问题Redis集群模式也提供了解决方案；可以配置选项cluster-node-timeout，表示当某个节点持续timeout的时间失联时，才可以认定该节点出现故障，需要进行主从机器换。如果没有这个选项，网络抖动导致主从频繁切换，数据重复复制。

Redis集群选举原理

当slave发现自己的master变为fail状态时，便会尝试进行Failover，让其成为新的master。由于挂掉了master可能会有多个slave，从而存在多个slave竞争成为master节点的过程，过程如下：

1. slave发现自己的master变为FAIL；

2. 将自己记录的集群currentEpoch加1，并广播FAILOVER_AUTH_RERQUEST信息；

3. 其他节点接收到该信息，只有master响应，判断请求者的合法性，并发送FAILOVER_AUTH_ACK，对每一个epoch只发送一次ack；

4. 尝试failover的slave收集master返回的FAILOVER_AUTH_ACK；

5. slave收到超过半数master的ack后变成新的master

   这里解释了集群为什么至少需要三个主节点，如果只有两个，当其中一个挂了，只剩下一个主节点是不能选举成功的。

6. slave广播pong消息通知其他集群节点

从节点并不是在主节点已进入FAIL状态就马上尝试发起选举，而是有一定的延时，这个延时确保我们等待FAIL状态在集群中传播，slave如果立即尝试选举，其他masters或许没有意识到FAIL状态，可能会拒绝投票。

延时计算公式：`DELAY = 500ms + random(0~500ms) + SLAVE_RANK * 1000ms`

SLAVE_RANK表示此slave已经从master复制数据的总量的rank。Rank越小表示已经复制的数据越新。这种方式下，持有最新数据的slave将会首先发起选举。

集群脑裂数据丢失问题

redis集群没有过半机制会有脑裂问题，网络分区导致脑裂后多个主节点对外提供写服务，一旦网络分区恢复，会将其中一个主节点变为从节点，这时会有大量数据丢失。

规避方法可以在redis配置里加上参数(这种方法不可能百分之百避免数据丢失，参考集群leader选举机制)：

min-replicas-to-write 1 # 写数据成功最少同步的slave数量，这个数量可以模仿大于半数机制配置，比如集群总共三个节点可以配置1，加上leader就是2，超过了半数

注意：

这个配置在一定程度上影响集群的可用性，比如slave要是少于1个，这个集群就算leader正常也不能提供服务了，需要具体场景权衡选择。

集群是否完整才能对外提供服务？

当redis.conf的配置cluster-require-full-coverage为no时，表示负责一个插槽的主库下线且没有相应的从库进行故障恢复时，集群任然可用，如果为yes则集群不可用。

Redis集群为什么至少需要三个master节点，且推荐节点数为奇数？

因为新master的选举需要大于半数的集群master同意才能选举成功，如果只有两个master节点，当其中一个挂了，是达不到选举新master的条件的。

奇数个master节点可以在满足选举该条件的基础上节省一个节点，比如三个master节点和四个master节点的集群相比，大家如果都挂了一个master节点都能选举新master节点，如果都挂了两个master节点都没有办法选举新master节点了，所以奇数的master节点更多的是从节省机器资源角度出发的。

Redis集群对批量操作指令的支持

对于类似mset，这样的多个key的原生批量操作指令，redis集群只支持所有key落在同一slot的情况，如果有多个key一定要使用mset命令在redis集群上操作，则可以在可以的前面加上{XXX}，这样参数数据分片hash计算的只会是大括号中的值，这样能确保不同的key能落在同一slot中，示例如下：

mset {user1}:1:name zhangsan {user1}:1:age 20

假如name和age计算的hash slot值不一样，但是这条命令在集群下执行，redis只会用大括号里的user1做hash slot计算，所以算出来的slot值肯定相同，最后能落在同一slot。

哨兵leader选举流程

当一个master服务器被某个sentinel视为下线状态后，该sentinel会与其他sentinel协商选出sentinel的leader进行故障转移工作。每个发现master服务器下线的sentinel都可以要求其他sentinel选举自己为sentinel的leader，选举是先到先得。同时每一个sentinel每次选举都会自增配置选举周期，每个选举周期只会选择一个sentinel的leader。如果所有超过一半的sentinel选举某个sentinel作为leader。之后该sentinel进行故障转移操作，从存活的slave中选举出新的master，这个选举过程和集群的master选举很类似。

哨兵集群只有一个哨兵节点，redis的主从也能正常运行以及选举master，如果master挂了，那唯一的那个哨兵节点就是哨兵leader了，可以正常选举新的master。不过为了高可用一般都推荐至少部署三个哨兵节点。为什么推荐奇数个哨兵节点，原理和集群奇数个master节点类似。