文章
时间轴
标签
音乐室
友人帐
一刻时光
清单
留言板
相册
算法海洋
关于
Slcpの童话镇 🏰
写文章
Redis高级
原创
Redis
缓存
数据库
发布日期:
2020年07月31日
文章字数:
5.1k
阅读次数:
7192
阅读时长:
0小时0分0秒
## 1.数据删除与淘汰策略 ### 1.1 过期数据 #### **1.1.1 Redis中的数据特征** Redis是一种内存级数据库,所广播好久没拿v有数据均存放在内存中,内存中的数据可以通过TTL指令获取其状态 TTL返回的值有三种情况:正数,-1,-2 - **正数**:代表该数据在内存中还能存活的时间 - **-1**:永久有效的数据 - **2** :已经过期的数据 或被删除的数据 或 未定义的数据 **删除策略就是针对已过期数据的处理策略**,已过期的数据是真的就立即删除了吗?其实也不是,我们会有多种删除策略,是分情况的,在不同的场景下使用不同的删除方式会有不同效果,这也正是我们要将的数据的删除策略的问题 #### 1.1.2 时效性数据的存储结构 在Redis中,如何给数据设置它的失效周期呢?数据的时效在redis中如何存储呢?看下图: ![请添加图片描述](https://img-blog.csdnimg.cn/00018d04e5ed43d682a51a828f4204f6.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA5aSp6KGM6K-0,size_20,color_FFFFFF,t_70,g_se,x_16) 过期数据是一块独立的存储空间,Hash结构,field是内存地址,value是过期时间,保存了所有key的过期描述,在最终进行过期处理的时候,对该空间的数据进行检测, 当时间到期之后通过field找到内存该地址处的数据,然后进行相关操作。 ### 1.2 数据删除策略 #### 1.2.1 数据删除策略的目标 在内存占用与CPU占用之间寻找一种平衡,顾此失彼都会造成整体redis性能的下降,甚至引发服务器宕机或 内存泄露 针对过期数据要进行删除的时候都有哪些删除策略呢? - 1.定时删除 - 2.惰性删除 - 3.定期删除 #### 1.2.2 定时删除 创建一个定时器,当key设置有过期时间,且过期时间到达时,由定时器任务立即执行对键的删除操作 - **优点**:节约内存,到时就删除,快速释放掉不必要的内存占用 - **缺点**:CPU压力很大,无论CPU此时负载量多高,均占用CPU,会影响redis服务器响应时间和指令吞吐量 - **总结**:用处理器性能换取存储空间(拿时间换空间) ![在这里插入图片描述](https://img-blog.csdnimg.cn/5de443c46a3340e48fc75f1e7c9c6453.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA5aSp6KGM6K-0,size_20,color_FFFFFF,t_70,g_se,x_16) #### 1.2.3 惰性删除 数据到达过期时间,不做处理。等下次访问该数据时,我们需要判断 1. 如果未过期,返回数据 2. 发现已过期,删除,返回不存在 - **优点**:节约CPU性能,发现必须删除的时候才删除 - **缺点**:内存压力很大,出现长期占用内存的数据 - **总结**:用存储空间换取处理器性能(拿时间换空间) ![在这里插入图片描述](https://img-blog.csdnimg.cn/194e8ab585d748fb933ff5c76078ce6f.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA5aSp6KGM6K-0,size_20,color_FFFFFF,t_70,g_se,x_16) #### 1.2.4 定期删除 定时删除和惰性删除这两种方案都是走的极端,那有没有折中方案? 我们来讲redis的定期删除方案: - Redis启动服务器初始化时,读取配置server.hz的值,默认为10 - 每秒钟执行server.hz次**serverCron()**-------->**databasesCron()**--------->**activeExpireCycle()** - **activeExpireCycle()**对每个expires[*]逐一进行检测,每次执行耗时:250ms/server.hz - 对某个expires[*]检测时,随机挑选W个key检测 ```markdown 如果key超时,删除key 如果一轮中删除的key的数量>W*25%,循环该过程 如果一轮中删除的key的数量≤W*25%,检查下一个expires[*],0-15循环 W取值=ACTIVE_EXPIRE_CYCLE_LOOKUPS_PER_LOOP属性值 ``` - 参数current_db用于记录**activeExpireCycle()** 进入哪个expires[*] 执行 - 如果activeExpireCycle()执行时间到期,下次从current_db继续向下执行 ![在这里插入图片描述](https://img-blog.csdnimg.cn/fb7274ca41db4b6bb6445b8a38cd4bb8.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA5aSp6KGM6K-0,size_20,color_FFFFFF,t_70,g_se,x_16) 总的来说:定期删除就是周期性轮询redis库中的时效性数据,采用随机抽取的策略,利用过期数据占比的方式控制删除频度 - **特点1**:CPU性能占用设置有峰值,检测频度可自定义设置 - **特点2**:内存压力不是很大,长期占用内存的冷数据会被持续清理 - **总结**:周期性抽查存储空间(随机抽查,重点抽查) #### 1.2.5 删除策略对比 1:定时删除: ```markdown 节约内存,无占用, 不分时段占用CPU资源,频度高, 拿时间换空间 ``` 2:惰性删除: ```markdown 内存占用严重 延时执行,CPU利用率高 拿空间换时间 ``` 3:定期删除: ```markdown 内存定期随机清理 每秒花费固定的CPU资源维护内存 随机抽查,重点抽查 ``` ### 1.3 数据淘汰策略(逐出算法) #### 1.3.1 淘汰策略概述 什么叫数据淘汰策略?什么样的应用场景需要用到数据淘汰策略? 当新数据进入redis时,如果内存不足怎么办?在执行每一个命令前,会调用**freeMemoryIfNeeded()**检测内存是否充足。如果内存不满足新 加入数据的最低存储要求,redis要临时删除一些数据为当前指令清理存储空间。清理数据的策略称为逐出算法。 注意:逐出数据的过程不是100%能够清理出足够的可使用的内存空间,如果不成功则反复执行。当对所有数据尝试完毕, 如不能达到内存清理的要求,将出现错误信息如下 ```shell (error) OOM command not allowed when used memory >'maxmemory' ``` #### 1.3.2 策略配置 影响数据淘汰的相关配置如下: 1:最大可使用内存,即占用物理内存的比例,默认值为0,表示不限制。生产环境中根据需求设定,通常设置在50%以上 ```properties maxmemory ?mb ``` 2:每次选取待删除数据的个数,采用随机获取数据的方式作为待检测删除数据 ```properties maxmemory-samples count ``` 3:对数据进行删除的选择策略 ```properties maxmemory-policy policy ``` 那数据删除的策略policy到底有几种呢?一共是**3类8种** **第一类**:检测易失数据(可能会过期的数据集server.db[i].expires ) ```properties volatile-lru:挑选最近最少使用的数据淘汰 volatile-lfu:挑选最近使用次数最少的数据淘汰 volatile-ttl:挑选将要过期的数据淘汰 volatile-random:任意选择数据淘汰 ``` ![在这里插入图片描述](https://img-blog.csdnimg.cn/960f3959b7e344c89545a44333c1141c.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA5aSp6KGM6K-0,size_20,color_FFFFFF,t_70,g_se,x_16) **第二类**:检测全库数据(所有数据集server.db[i].dict ) ```properties allkeys-lru:挑选最近最少使用的数据淘汰 allkeLyRs-lfu::挑选最近使用次数最少的数据淘汰 allkeys-random:任意选择数据淘汰,相当于随机 ``` **第三类**:放弃数据驱逐 ```properties no-enviction(驱逐):禁止驱逐数据(redis4.0中默认策略),会引发OOM(Out Of Memory) ``` 注意:这些策略是配置到哪个属性上?怎么配置?如下所示 ```properties maxmemory-policy volatile-lru ``` **数据淘汰策略配置依据** 使用INFO命令输出监控信息,查询缓存 hit 和 miss 的次数,根据业务需求调优Redis配置 ## 2.主从复制 ### 2.1 主从复制简介 #### 2.1.1 高可用 首先我们要理解互联网应用因为其独有的特性我们演化出的**三高**架构 - 高并发 > 应用要提供某一业务要能支持很多客户端同时访问的能力,我们称为并发,高并发意思就很明确了 - 高性能 >性能带给我们最直观的感受就是:速度快,时间短 - 高可用 **可用性**:一年中应用服务正常运行的时间占全年时间的百分比,如下图:表示了应用服务在全年宕机的时间 ![在这里插入图片描述](https://img-blog.csdnimg.cn/aa3f3749c36843c5ae713240a6d7aa6e.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA5aSp6KGM6K-0,size_20,color_FFFFFF,t_70,g_se,x_16) 我们把这些时间加在一起就是全年应用服务不可用的时间,然后我们可以得到应用服务全年可用的时间 >4小时27分15秒+11分36秒+2分16秒=4小时41分7秒=16867秒 > >1年=365*24*60*60=31536000秒 > >可用性=(31536000-16867)/31536000*100%=99.9465151% 业界可用性目标**5个9,即99.999%**,即服务器年宕机时长低于315秒,约5.25分钟 #### 2.1.2 主从复制概念 知道了三高的概念之后,我们想:你的“Redis”是否高可用?那我们要来分析单机redis的风险与问题 问题1.机器故障 - 现象:硬盘故障、系统崩溃 - 本质:数据丢失,很可能对业务造成灾难性打击 - 结论:基本上会放弃使用redis. 问题2.容量瓶颈 - 现象:内存不足,从16G升级到64G,从64G升级到128G,无限升级内存 - 本质:穷,硬件条件跟不上 - 结论:放弃使用redis 结论: 为了避免单点Redis服务器故障,准备多台服务器,互相连通。将数据复制多个副本保存在不同的服务器上,连接在一起,并保证数据是同步的。即使有其中一台服务器宕机,其他服务器依然可以继续提供服务,实现Redis的高可用,同时实现数据冗余备份。 多台服务器连接方案: ![在这里插入图片描述](https://img-blog.csdnimg.cn/e50674813a294416b0143e90f0ddcb16.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA5aSp6KGM6K-0,size_20,color_FFFFFF,t_70,g_se,x_16) - 提供数据方:**master** 主服务器,主节点,主库主客户端 - 接收数据方:**slave** 从服务器,从节点,从库 从客户端 - 需要解决的问题: 数据同步(master的数据复制到slave中) 这里我们可以来解释主从复制的概念: **概念:主从复制即将master中的数据即时、有效的复制到slave中** **特征**:一个master可以拥有多个slave,一个slave只对应一个master **职责**:master和slave各自的职责不一样 master: ```markdown 写数据 执行写操作时,将出现变化的数据自动同步到slave 读数据(可忽略) ``` slave: ```markdown 读数据 写数据(禁止) ``` #### 2.1.3 主从复制的作用 - 读写分离:master写、slave读,提高服务器的读写负载能力 - 负载均衡:基于主从结构,配合读写分离,由slave分担master负载,并根据需求的变化,改变slave的数 量,通过多个从节点分担数据读取负载,大大提高Redis服务器并发量与数据吞吐量 - 故障恢复:当master出现问题时,由slave提供服务,实现快速的故障恢复 - 数据冗余:实现数据热备份,是持久化之外的一种数据冗余方式 - 高可用基石:基于主从复制,构建哨兵模式与集群,实现Redis的高可用方案 ### 2.2 主从复制工作流程 主从复制过程大体可以分为3个阶段 - 建立连接阶段(即准备阶段) - 数据同步阶段 - 命令传播阶段(反复同步) ![在这里插入图片描述](https://img-blog.csdnimg.cn/cc355aee49ec476188923735ea0b431d.png) 而命令的传播其实有4种,分别如下: ![在这里插入图片描述](https://img-blog.csdnimg.cn/40048720ce7a41f8a110cabe1d772e5d.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA5aSp6KGM6K-0,size_18,color_FFFFFF,t_70,g_se,x_16) #### 2.2.1 主从复制的工作流程(三个阶段) ##### 2.2.1.1 阶段一:建立连接 建立slave到master的连接,使master能够识别slave,并保存slave端口号 流程如下: 1. 步骤1:设置master的地址和端口,保存master信息 2. 步骤2:建立socket连接 3. 步骤3:发送ping命令(定时器任务) 4. 步骤4:身份验证 5. 步骤5:发送slave端口信息 至此,主从连接成功! 当前状态: slave:保存master的地址与端口 master:保存slave的端口 总体:之间创建了连接的socket ![在这里插入图片描述](https://img-blog.csdnimg.cn/5fa81476ce2f4641bfdd86375967be4c.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA5aSp6KGM6K-0,size_20,color_FFFFFF,t_70,g_se,x_16) **master和slave互联** ```properties sed "s//g" 来源 > 目标 sed "s/6501/6502/g" redis-6501.conf > redis-6502.conf ``` 接下来就要通过某种方式将master和slave连接到一起 方式一:客户端发送命令 ```properties slaveof masterip masterport ``` 方式二:启动服务器参数 ```properties redis-server --slaveof masterip masterport ``` 方式三:服务器配置(**主流方式**) ```properties slaveof masterip masterport ``` slave系统信息 ```properties master_link_down_since_seconds masterhost & masterport ``` master系统信息 ```properties uslave_listening_port(多个) ``` **主从断开连接** 断开slave与master的连接,slave断开连接后,不会删除已有数据,只是不再接受master发送的数据 ```properties slaveof no one ``` **授权访问** master客户端发送命令设置密码 ```properties requirepass password ``` master配置文件设置密码 ```properties config set requirepass password config get requirepass ``` slave客户端发送命令设置密码 ```properties auth password ``` slave配置文件设置密码 ```properties masterauth password ``` slave启动服务器设置密码 ```properties redis-server –a password ``` ##### 2.2.1.2 阶段二:数据同步 - 在slave初次连接master后,复制master中的所有数据到slave - 将slave的数据库状态更新成master当前的数据库状态 同步过程如下: 1. 步骤1:请求同步数据 2. 步骤2:创建RDB同步数据 3. 步骤3:恢复RDB同步数据 4. 步骤4:请求部分同步数据 5. 步骤5:恢复部分同步数据 至此,数据同步工作完成! 当前状态: slave:具有master端全部数据,包含RDB过程接收的数据 master:保存slave当前数据同步的位置 总体:之间完成了数据克隆 ![在这里插入图片描述](https://img-blog.csdnimg.cn/370f83716dee45a099073497b28af98b.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA5aSp6KGM6K-0,size_20,color_FFFFFF,t_70,g_se,x_16) **数据同步阶段master说明** 1:如果master数据量巨大,数据同步阶段应避开流量高峰期,避免造成master阻塞,影响业务正常执行 2:复制缓冲区大小设定不合理,会导致数据溢出。如进行全量复制周期太长,进行部分复制时发现数据已经存在丢失的情况,必须进行第二次全量复制,致使slave陷入死循环状态。 ```properties repl-backlog-size ?mb ``` 3. master单机内存占用主机内存的比例不应过大,建议使用50%-70%的内存,留下30%-50%的内存用于执 行bgsave命令和创建复制缓冲区 ![在这里插入图片描述](https://img-blog.csdnimg.cn/6bb6a601776a4cb787b33812907f8565.png) **数据同步阶段slave说明** 1. 为避免slave进行全量复制、部分复制时服务器响应阻塞或数据不同步,建议关闭此期间的对外服务 ```properties slave-serve-stale-data yes|no ``` 2. 数据同步阶段,master发送给slave信息可以理解master是slave的一个客户端,主动向slave发送命令 3. 多个slave同时对master请求数据同步,master发送的RDB文件增多,会对带宽造成巨大冲击,如果master带宽不足,因此数据同步需要根据业务需求,适量错峰 4. slave过多时,建议调整拓扑结构,由一主多从结构变为树状结构,中间的节点既是master,也是 slave。注意使用树状结构时,由于层级深度,导致深度越高的slave与最顶层master间数据同步延迟 较大,数据一致性变差,应谨慎选择 ##### 2.2.1.3 阶段三:命令传播 - 当master数据库状态被修改后,导致主从服务器数据库状态不一致,此时需要让主从数据同步到一致的状态,同步的动作称为命令传播 - master将接收到的数据变更命令发送给slave,slave接收命令后执行命令 **命令传播阶段的部分复制** 命令传播阶段出现了断网现象: 网络闪断闪连:忽略 短时间网络中断:部分复制 长时间网络中断:全量复制 这里我们主要来看部分复制,部分复制的三个核心要素 1. 服务器的运行 id(run id) 2. 主服务器的复制积压缓冲区 3. 主从服务器的复制偏移量 - 服务器运行ID(runid) 启动一次改一次。 ```markdown 概念:服务器运行ID是每一台服务器每次运行的身份识别码,一台服务器多次运行可以生成多个运行id 组成:运行id由40位字符组成,是一个随机的十六进制字符 例如:fdc9ff13b9bbaab28db42b3d50f852bb5e3fcdce 作用:运行id被用于在服务器间进行传输,识别身份 如果想两次操作均对同一台服务器进行,必须每次操作携带对应的运行id,用于对方识别 实现方式:运行id在每台服务器启动时自动生成的,master在首次连接slave时,会将自己的运行ID发送给slave, slave保存此ID,通过info Server命令,可以查看节点的runid ``` - 复制缓冲区 ```markdown 概念:复制缓冲区,又名复制积压缓冲区,是一个先进先出(FIFO)的队列,用于存储服务器执行过的命令,每次传播命令,master都会将传播的命令记录下来,并存储在复制缓冲区 复制缓冲区默认数据存储空间大小是1M 当入队元素的数量大于队列长度时,最先入队的元素会被弹出,而新元素会被放入队列 作用:用于保存master收到的所有指令(仅影响数据变更的指令,例如set,select) 数据来源:当master接收到主客户端的指令时,除了将指令执行,会将该指令存储到缓冲区中 ``` ![在这里插入图片描述](https://img-blog.csdnimg.cn/74c5d9eef7f949d988044cfef545fc90.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA5aSp6KGM6K-0,size_20,color_FFFFFF,t_70,g_se,x_16) 复制缓冲区内部工作原理: 组成 - 偏移量 >概念:一个数字,描述复制缓冲区中的指令字节位置 > >分类: > >- master复制偏移量:记录发送给所有slave的指令字节对应的位置(多个) >- slave复制偏移量:记录slave接收master发送过来的指令字节对应的位置(一个) > >作用:同步信息,比对master与slave的差异,当slave断线后,恢复数据使用 > >数据来源: > >- master端:发送一次记录一次 >- slave端:接收一次记录一次 - 字节值 工作原理 - 通过offset区分不同的slave当前数据传播的差异 - master记录已发送的信息对应的offset - slave记录已接收的信息对应的offset ![在这里插入图片描述](https://img-blog.csdnimg.cn/d023821f9fba4093902004edaf0884bd.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA5aSp6KGM6K-0,size_20,color_FFFFFF,t_70,g_se,x_16) #### 2.2.2 流程更新(全量复制/部分复制) 我们再次的总结一下主从复制的三个阶段的工作流程: ![在这里插入图片描述](https://img-blog.csdnimg.cn/cca0d21af5484eecb8408acc7374ddc7.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA5aSp6KGM6K-0,size_20,color_FFFFFF,t_70,g_se,x_16) #### 2.2.3 心跳机制 什么是心跳机制? 进入命令传播阶段候,master与slave间需要进行信息交换,使用心跳机制进行维护,实现双方连接保持在线 master心跳: - 内部指令:PING - 周期:由repl-ping-slave-period决定,默认10秒 - 作用:判断slave是否在线 - 查询:INFO replication 获取slave最后一次连接时间间隔,lag项维持在0或1视为正常 slave心跳任务 - 内部指令:REPLCONF ACK {offset} - 周期:1秒 - 作用1:汇报slave自己的复制偏移量,获取最新的数据变更指令 - 作用2:判断master是否在线 心跳阶段注意事项: - 当slave多数掉线,或延迟过高时,master为保障数据稳定性,将拒绝所有信息同步 ```properties min-slaves-to-write 2 min-slaves-max-lag 8 ``` slave数量少于2个,或者所有slave的延迟都大于等于8秒时,强制关闭master写功能,停止数据同步 - slave数量由slave发送REPLCONF ACK命令做确认 - slave延迟由slave发送REPLCONF ACK命令做确认 至此:我们可以总结出完整的主从复制流程: ![在这里插入图片描述](https://img-blog.csdnimg.cn/28a6082d9e934fa0a9bd1f1e80e84b61.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA5aSp6KGM6K-0,size_20,color_FFFFFF,t_70,g_se,x_16) ### 2.3 主从复制常见问题 #### 2.3.1 频繁的全量复制 - 伴随着系统的运行,master的数据量会越来越大,一旦master重启,runid将发生变化,会导致全部slave的全量复制操作 内部优化调整方案: 1:master内部创建master_replid变量,使用runid相同的策略生成,长度41位,并发送给所有slave 2:在master关闭时执行命令shutdown save,进行RDB持久化,将runid与offset保存到RDB文件中 ```markdown repl-id repl-offset 通过redis-check-rdb命令可以查看该信息 ``` 3:master重启后加载RDB文件,恢复数据,重启后,将RDB文件中保存的repl-id与repl-offset加载到内存中 ```markdown master_repl_id=repl master_repl_offset =repl-offset 通过info命令可以查看该信息 ``` 作用:本机保存上次runid,重启后恢复该值,使所有slave认为还是之前的master - 第二种出现频繁全量复制的问题现象:网络环境不佳,出现网络中断,slave不提供服务 问题原因:复制缓冲区过小,断网后slave的offset越界,触发全量复制 最终结果:slave反复进行全量复制 解决方案:修改复制缓冲区大小 ```properties repl-backlog-size ?mb ``` 建议设置如下: 1.测算从master到slave的重连平均时长second 2.获取master平均每秒产生写命令数据总量write_size_per_second 3.最优复制缓冲区空间 = 2 * second * write_size_per_second #### 2.3.2 频繁的网络中断 - 问题现象:master的CPU占用过高 或 slave频繁断开连接 问题原因 ```markdown slave每1秒发送REPLCONFACK命令到master 当slave接到了慢查询时(keys * ,hgetall等),会大量占用CPU性能 master每1秒调用复制定时函数replicationCron(),比对slave发现长时间没有进行响应 ``` 最终结果:master各种资源(输出缓冲区、带宽、连接等)被严重占用 解决方案:通过设置合理的超时时间,确认是否释放slave ```properties repl-timeout seconds ``` 该参数定义了超时时间的阈值(默认60秒),超过该值,释放slave - 问题现象:slave与master连接断开 问题原因 ```markdown master发送ping指令频度较低 master设定超时时间较短 ping指令在网络中存在丢包 ``` 解决方案:提高ping指令发送的频度 ```properties repl-ping-slave-period seconds ``` 超时时间repl-time的时间至少是ping指令频度的5到10倍,否则slave很容易判定超时 #### 2.3.3 数据不一致 问题现象:多个slave获取相同数据不同步 问题原因:网络信息不同步,数据发送有延迟 解决方案 ```markdown 优化主从间的网络环境,通常放置在同一个机房部署,如使用阿里云等云服务器时要注意此现象 监控主从节点延迟(通过offset)判断,如果slave延迟过大,暂时屏蔽程序对该slave的数据访问 ``` ```properties slave-serve-stale-data yes|no ``` 开启后仅响应info、slaveof等少数命令(慎用,除非对数据一致性要求很高) ## 3.哨兵模式 ### 3.1 哨兵简介 #### 3.1.1 哨兵概念 首先我们来看一个业务场景:如果redis的master宕机了,此时应该怎么办? ![在这里插入图片描述](https://img-blog.csdnimg.cn/d1fb011388ad45ad85426548431d9043.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA5aSp6KGM6K-0,size_20,color_FFFFFF,t_70,g_se,x_16) 那此时我们可能需要从一堆的slave中重新选举出一个新的master,那这个操作过程是什么样的呢?这里面会有什么问题出现呢? ![在这里插入图片描述](https://img-blog.csdnimg.cn/a7f61ce2287c4170b41b0f487ae7d9e2.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA5aSp6KGM6K-0,size_20,color_FFFFFF,t_70,g_se,x_16) 要实现这些功能,我们就需要redis的哨兵,那哨兵是什么呢? **哨兵** 哨兵(sentinel) 是一个分布式系统,用于对主从结构中的每台服务器进行**监控**,当出现故障时通过**投票**机制**选择**新的master并将所有slave连接到新的master。 ![在这里插入图片描述](https://img-blog.csdnimg.cn/18dfe4d6543d49b28ad71536c21bde2f.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA5aSp6KGM6K-0,size_20,color_FFFFFF,t_70,g_se,x_16) #### 3.1.2 哨兵作用 哨兵的作用: - 监控:监控master和slave 不断的检查master和slave是否正常运行 master存活检测、master与slave运行情况检测 - 通知(提醒):当被监控的服务器出现问题时,向其他(哨兵间,客户端)发送通知 - 自动故障转移:断开master与slave连接,选取一个slave作为master,将其他slave连接新的master,并告知客户端新的服务器地址 注意:哨兵也是一台redis服务器,只是不提供数据相关服务,通常哨兵的数量配置为单数 ### 3.2 启用哨兵 配置哨兵 - 配置一拖二的主从结构(利用之前的方式启动即可) - 配置三个哨兵(配置相同,端口不同),参看sentinel.conf 1:设置哨兵监听的主服务器信息, sentinel_number表示参与投票的哨兵数量 ```properties sentinel monitor master_name master_host master_port sentinel_number ``` 2:设置判定服务器宕机时长,该设置控制是否进行主从切换 ```properties sentinel down-after-milliseconds master_name million_seconds ``` 3:设置故障切换的最大超时时 ```properties sentinel failover-timeout master_name million_seconds ``` 4:设置主从切换后,同时进行数据同步的slave数量,数值越大,要求网络资源越高,数值越小,同步时间越长 ```properties sentinel parallel-syncs master_name sync_slave_number ``` - 启动哨兵 ```properties redis-sentinel filename ``` ### 3.3 哨兵工作原理 哨兵在进行主从切换过程中经历三个阶段 - 监控 - 通知 - 故障转移 #### 3.3.1 监控 用于同步各个节点的状态信息 ![在这里插入图片描述](https://img-blog.csdnimg.cn/52e05a9f165145818321b935ce906655.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA5aSp6KGM6K-0,size_18,color_FFFFFF,t_70,g_se,x_16) - 获取各个sentinel的状态(是否在线) - 获取master的状态 ```markdown master属性 prunid prole:master 各个slave的详细信息 ``` - 获取所有slave的状态(根据master中的slave信息) ```markdown slave属性 prunid prole:slave pmaster_host、master_port poffset ``` 其内部的工作原理具体如下: ![在这里插入图片描述](https://img-blog.csdnimg.cn/09222e0a2f424033961536646f9cfe8e.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA5aSp6KGM6K-0,size_20,color_FFFFFF,t_70,g_se,x_16) #### 3.3.2 通知 sentinel在通知阶段要不断的去获取master/slave的信息,然后在各个sentinel之间进行共享,具体的流程如下: ![在这里插入图片描述](https://img-blog.csdnimg.cn/df5c3dabbf71461b82aedadf74349ecf.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA5aSp6KGM6K-0,size_20,color_FFFFFF,t_70,g_se,x_16) #### 3.3.3 故障转移 当master宕机后sentinel是如何知晓并判断出master是真的宕机了呢?我们来看具体的操作流程 ![在这里插入图片描述](https://img-blog.csdnimg.cn/7011f4327cbd4bfc9f5b7a2d9dc1edf5.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA5aSp6KGM6K-0,size_20,color_FFFFFF,t_70,g_se,x_16) 当sentinel认定master下线之后,此时需要决定更换master,那这件事由哪个sentinel来做呢?这时候sentinel之间要进行选举,如下图所示: ![在这里插入图片描述](https://img-blog.csdnimg.cn/8de66f136a0f4c2bbe8a1296768a0de4.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA5aSp6KGM6K-0,size_20,color_FFFFFF,t_70,g_se,x_16) 在选举的时候每一个人手里都有一票,而每一个人的又都想当这个处理事故的人,那怎么办?大家就开始抢,于是每个人都会发出一个指令,在内网里边告诉大家我要当选举人,比如说现在的sentinel1和sentinel4发出这个选举指令了,那么sentinel2既能接到sentinel1的也能接到sentinel4的,接到了他们的申请以后呢,sentinel2他就会把他的一票投给其中一方,投给谁呢?谁先过来我投给谁,假设sentinel1先过来,所以这个票就给到了sentinel1。那么给过去以后呢,现在sentinel1就拿到了一票,按照这样的一种形式,最终会有一个选举结果。对应的选举最终得票多的,那自然就成为了处理事故的人。需要注意在这个过程中有可能会存在失败的现象,就是一轮选举完没有选取,那就会接着进行第二轮第三轮直到完成选举。 接下来就是由选举胜出的sentinel去从slave中选一个新的master出来的工作,这个流程是什么样的呢? 首先它有一个在服务器列表中挑选备选master的原则 - 不在线的OUT - 响应慢的OUT - 与原master断开时间久的OUT - 优先原则 优先级 offset runid 选出新的master之后,发送指令( sentinel )给其他的slave: - 向新的master发送slaveof no one - 向其他slave发送slaveof 新masterIP端口 **总结**:故障转移阶段 1. 发现问题,主观下线与客观下线 2. 竞选负责人 3. 优选新master 4. 新master上任,其他slave切换master,原master作为slave故障恢复后连接 ## 4.集群cluster 现状问题:业务发展过程中遇到的峰值瓶颈 - redis提供的服务OPS可以达到10万/秒,当前业务OPS已经达到10万/秒 - 内存单机容量达到256G,当前业务需求内存容量1T - 使用集群的方式可以快速解决上述问题 ### 4.1 集群简介 集群就是使用网络将若干台计算机联通起来,并提供统一的管理方式,使其对外呈现单机的服务效果 ![在这里插入图片描述](https://img-blog.csdnimg.cn/36b0d436781340c4a1d68e39d198818b.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA5aSp6KGM6K-0,size_17,color_FFFFFF,t_70,g_se,x_16) **集群作用:** - 分散单台服务器的访问压力,实现负载均衡 - 分散单台服务器的存储压力,实现可扩展性 - 降低单台服务器宕机带来的业务灾难 ![在这里插入图片描述](https://img-blog.csdnimg.cn/b13bf5d450604309bb34eb02a7188720.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA5aSp6KGM6K-0,size_18,color_FFFFFF,t_70,g_se,x_16) ### 4.2 Cluster集群结构设计 **数据存储设计:** 1. 通过算法设计,计算出key应该保存的位置 2. 将所有的存储空间计划切割成16384份,每台主机保存一部分 注意:每份代表的是一个存储空间,不是一个key的保存空间 3. 将key按照计算出的结果放到对应的存储空间 ![在这里插入图片描述](https://img-blog.csdnimg.cn/9ef6da820ce344f0bb34c0ab1df4874a.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA5aSp6KGM6K-0,size_20,color_FFFFFF,t_70,g_se,x_16) 那redis的集群是如何增强可扩展性的呢?譬如我们要增加一个集群节点 ![在这里插入图片描述](https://img-blog.csdnimg.cn/440bb0f2cc3b468db1b2b7238dfe275a.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA5aSp6KGM6K-0,size_20,color_FFFFFF,t_70,g_se,x_16) 当我们查找数据时,集群是如何操作的呢? - 各个数据库相互通信,保存各个库中槽的编号数据 - 一次命中,直接返回 - 一次未命中,告知具体位置 ![在这里插入图片描述](https://img-blog.csdnimg.cn/4882e544e1694e17ad204eca77bc9b18.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA5aSp6KGM6K-0,size_20,color_FFFFFF,t_70,g_se,x_16) ### 4.3 Cluster集群结构搭建 首先要明确的几个要点: - 配置服务器(3主3从) - 建立通信(Meet) - 分槽(Slot) - 搭建主从(master-slave) **Cluster配置** - 是否启用cluster,加入cluster节点 ```properties cluster-enabled yes|no ``` - cluster配置文件名,该文件属于自动生成,仅用于快速查找文件并查询文件内容 ```properties cluster-config-file filename ``` - 节点服务响应超时时间,用于判定该节点是否下线或切换为从节点 ```properties cluster-node-timeout milliseconds ``` - master连接的slave最小数量 ```properties cluster-migration-barrier min_slave_number ``` **Cluster节点操作命令** - 查看集群节点信息 ```properties cluster nodes ``` - 更改slave指向新的master ```properties cluster replicate master-id ``` - 发现一个新节点,新增master ```properties cluster meet ip:port ``` - 忽略一个没有solt的节点 ```properties cluster forget server_id ``` - 手动故障转移 ```properties cluster failover ``` **集群操作命令:** - 创建集群 ```properties redis-cli –-cluster create masterhost1:masterport1 masterhost2:masterport2 masterhost3:masterport3 [masterhostn:masterportn …] slavehost1:slaveport1 slavehost2:slaveport2 slavehost3:slaveport3 -–cluster-replicas n ``` 注意:master与slave的数量要匹配,一个master对应n个slave,由最后的参数n决定 master与slave的匹配顺序为第一个master与前n个slave分为一组,形成主从结构 - 添加master到当前集群中,连接时可以指定任意现有节点地址与端口 ```properties redis-cli --cluster add-node new-master-host:new-master-port now-host:now-port ``` - 添加slave ```properties redis-cli --cluster add-node new-slave-host:new-slave-port master-host:master-port --cluster-slave --cluster-master-id masterid ``` - 删除节点,如果删除的节点是master,必须保障其中没有槽slot ```properties redis-cli --cluster del-node del-slave-host:del-slave-port del-slave-id ``` - 重新分槽,分槽是从具有槽的master中划分一部分给其他master,过程中不创建新的槽 ```properties redis-cli --cluster reshard new-master-host:new-master:port --cluster-from src- master-id1, src-master-id2, src-master-idn --cluster-to target-master-id -- cluster-slots slots ``` 注意:将需要参与分槽的所有masterid不分先后顺序添加到参数中,使用,分隔 指定目标得到的槽的数量,所有的槽将平均从每个来源的master处获取 - 重新分配槽,从具有槽的master中分配指定数量的槽到另一个master中,常用于清空指定master中的槽 ```properties redis-cli --cluster reshard src-master-host:src-master-port --cluster-from src- master-id --cluster-to target-master-id --cluster-slots slots --cluster-yes ``` ## 5.企业级解决方案 ### 5.1 缓存预热 **场景**:“宕机” 服务器启动后迅速宕机 **问题排查**: 1.请求数量较高,大量的请求过来之后都需要去从缓存中获取数据,但是缓存中又没有,此时从数据库中查找数据然后将数据再存入缓存,造成了短期内对redis的高强度操作从而导致问题 2.主从之间数据吞吐量较大,数据同步操作频度较高 **解决方案:** - 前置准备工作: 1.日常例行统计数据访问记录,统计访问频度较高的热点数据 2.利用LRU数据删除策略,构建数据留存队列例如:storm与kafka配合 - 准备工作: 1.将统计结果中的数据分类,根据级别,redis优先加载级别较高的热点数据 2.利用分布式多服务器同时进行数据读取,提速数据加载过程 3.热点数据主从同时预热 - 实施: 4.使用脚本程序固定触发数据预热过程 5.如果条件允许,使用了CDN(内容分发网络),效果会更好 **总的来说**:缓存预热就是系统启动前,提前将相关的缓存数据直接加载到缓存系统。避免在用户请求的时候,先查询数据库,然后再将数据缓存的问题!用户直接查询事先被预热的缓存数据! ### 5.2 缓存雪崩 **场景**:数据库服务器崩溃,一连串的场景会随之儿来 1.系统平稳运行过程中,忽然数据库连接量激增 2.应用服务器无法及时处理请求 3.大量408,500错误页面出现 4.客户反复刷新页面获取数据 5.数据库崩溃 6.应用服务器崩溃 7.重启应用服务器无效 8.Redis服务器崩溃 9.Redis集群崩溃 10.重启数据库后再次被瞬间流量放倒 **问题排查**: 1.在一个较短的时间内,缓存中较多的key集中过期 2.此周期内请求访问过期的数据,redis未命中,redis向数据库获取数据 3.数据库同时接收到大量的请求无法及时处理 4.Redis大量请求被积压,开始出现超时现象 5.数据库流量激增,数据库崩溃 6.重启后仍然面对缓存中无数据可用 7.Redis服务器资源被严重占用,Redis服务器崩溃 8.Redis集群呈现崩塌,集群瓦解 9.应用服务器无法及时得到数据响应请求,来自客户端的请求数量越来越多,应用服务器崩溃 10.应用服务器,redis,数据库全部重启,效果不理想 总而言之就两点:短时间范围内,大量key集中过期 **解决方案** - 思路: 1.更多的页面静态化处理 2.构建多级缓存架构 Nginx缓存+redis缓存+ehcache缓存 3.检测Mysql严重耗时业务进行优化 对数据库的瓶颈排查:例如超时查询、耗时较高事务等 4.灾难预警机制 监控redis服务器性能指标 CPU占用、CPU使用率 内存容量 查询平均响应时间 线程数 5.限流、降级 短时间范围内牺牲一些客户体验,限制一部分请求访问,降低应用服务器压力,待业务低速运转后再逐步放开访问 - 落地实践: 1.LRU与LFU切换 2.数据有效期策略调整 根据业务数据有效期进行分类错峰,A类90分钟,B类80分钟,C类70分钟 过期时间使用固定时间+随机值的形式,稀释集中到期的key的数量 3.超热数据使用永久key 4.定期维护(自动+人工) 对即将过期数据做访问量分析,确认是否延时,配合访问量统计,做热点数据的延时 5.加锁:慎用! **总的来说**:缓存雪崩就是瞬间过期数据量太大,导致对数据库服务器造成压力。如能够有效避免过期时间集中,可以有效解决雪崩现象的 出现(约40%),配合其他策略一起使用,并监控服务器的运行数据,根据运行记录做快速调整。 ### 5.3 缓存击穿 **场景**:还是数据库服务器崩溃,但是跟之前的场景有点不太一样 1.系统平稳运行过程中 2.数据库连接量瞬间激增 3.Redis服务器无大量key过期 4.Redis内存平稳,无波动 5.Redis服务器CPU正常 6.数据库崩溃 **问题排查:** 1.Redis中某个key过期,该key访问量巨大 2.多个数据请求从服务器直接压到Redis后,均未命中 3.Redis在短时间内发起了大量对数据库中同一数据的访问 总而言之就两点:单个key高热数据,key过期 **解决方案**: 1.预先设定 以电商为例,每个商家根据店铺等级,指定若干款主打商品,在购物节期间,加大此类信息key的过期时长 注意:购物节不仅仅指当天,以及后续若干天,访问峰值呈现逐渐降低的趋势 2.现场调整 监控访问量,对自然流量激增的数据延长过期时间或设置为永久性key 3.后台刷新数据 启动定时任务,高峰期来临之前,刷新数据有效期,确保不丢失 4.二级缓存 设置不同的失效时间,保障不会被同时淘汰就行 5.加锁 分布式锁,防止被击穿,但是要注意也是性能瓶颈,慎重! **总的来说**:缓存击穿就是单个高热数据过期的瞬间,数据访问量较大,未命中redis后,发起了大量对同一数据的数据库访问,导致对数 据库服务器造成压力。应对策略应该在业务数据分析与预防方面进行,配合运行监控测试与即时调整策略,毕竟单个key的过 期监控难度较高,配合雪崩处理策略即可。 ### 5.4 缓存穿透 **场景**:数据库服务器又崩溃了,跟之前的一样吗? 1.系统平稳运行过程中 2.应用服务器流量随时间增量较大 3.Redis服务器命中率随时间逐步降低 4.Redis内存平稳,内存无压力 5.Redis服务器CPU占用激增 6.数据库服务器压力激增 7.数据库崩溃 **问题排查:** 1.Redis中大面积出现未命中 2.出现非正常URL访问 **问题分析**: - 获取的数据在数据库中也不存在,数据库查询未得到对应数据 - Redis获取到null数据未进行持久化,直接返回 - 下次此类数据到达重复上述过程 - 出现黑客攻击服务器 **解决方案**: 1.缓存null 对查询结果为null的数据进行缓存(长期使用,定期清理),设定短时限,例如30-60秒,最高5分钟 2.白名单策略 提前预热各种分类数据id对应的bitmaps,id作为bitmaps的offset,相当于设置了数据白名单。当加载正常数据时放行,加载异常数据时直接拦截(效率偏低) 使用布隆过滤器(有关布隆过滤器的命中问题对当前状况可以忽略) 2.实施监控 实时监控redis命中率(业务正常范围时,通常会有一个波动值)与null数据的占比 非活动时段波动:通常检测3-5倍,超过5倍纳入重点排查对象 活动时段波动:通常检测10-50倍,超过50倍纳入重点排查对象 根据倍数不同,启动不同的排查流程。然后使用黑名单进行防控(运营) 4.key加密 问题出现后,临时启动防灾业务key,对key进行业务层传输加密服务,设定校验程序,过来的key校验 例如每天随机分配60个加密串,挑选2到3个,混淆到页面数据id中,发现访问key不满足规则,驳回数据访问 **总的来说**:缓存击穿是指访问了不存在的数据,跳过了合法数据的redis数据缓存阶段,每次访问数据库,导致对数据库服务器造成压力。通常此类数据的出现量是一个较低的值,当出现此类情况以毒攻毒,并及时报警。应对策略应该在临时预案防范方面多做文章。 无论是黑名单还是白名单,都是对整体系统的压力,警报解除后尽快移除。 ### 5.5 性能指标监控 redis中的监控指标如下: - 性能指标:Performance >响应请求的平均时间: > >```properties >latency >``` > >平均每秒处理请求总数 > >```properties >instantaneous_ops_per_sec >``` > >缓存查询命中率(通过查询总次数与查询得到非nil数据总次数计算而来) > >```properties >hit_rate(calculated) > >``` - 内存指标:Memory >当前内存使用量 > >```properties >used_memory >``` > >内存碎片率(关系到是否进行碎片整理) > >```properties >mem_fragmentation_ratio >``` > >为避免内存溢出删除的key的总数量 > >```properties >evicted_keys >``` > >基于阻塞操作(BLPOP等)影响的客户端数量 > >```properties >blocked_clients >``` - 基本活动指标:Basic_activity >当前客户端连接总数 > >```properties >connected_clients >``` > >当前连接slave总数 > >```properties >connected_slaves >``` > >最后一次主从信息交换距现在的秒 > >```properties >master_last_io_seconds_ago >``` > >key的总数 > >```properties >keyspace >``` - 持久性指标:Persistence >当前服务器最后一次RDB持久化的时间 > >```properties >rdb_last_save_time >``` > >当前服务器最后一次RDB持久化后数据变化总量 > >```properties >rdb_changes_since_last_save >``` - 错误指标:Error >被拒绝连接的客户端总数(基于达到最大连接值的因素) > >```properties >rejected_connections >``` > >key未命中的总次数 > >```properties >keyspace_misses >``` > >主从断开的秒数 > >```properties >master_link_down_since_seconds >``` 要对redis的相关指标进行监控,我们可以采用一些用具: - CloudInsight Redis - Prometheus - Redis-stat - Redis-faina - RedisLive - zabbix 也有一些命令工具: - benchmark >测试当前服务器的并发性能 > >```properties >redis-benchmark [-h ] [-p ] [-c ] [-n <requests]> [-k ] >``` > >范例1:50个连接,10000次请求对应的性能 > >```properties >redis-benchmark >``` > >范例2:100个连接,5000次请求对应的性能 > >```properties >redis-benchmark -c 100 -n 5000 >``` > >![在这里插入图片描述](https://img-blog.csdnimg.cn/22b1cf0c2aba4225844388b29de28d16.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA5aSp6KGM6K-0,size_20,color_FFFFFF,t_70,g_se,x_16) - redis-cli monitor:启动服务器调试信息 >```properties >monitor >``` slowlog:慢日志 >获取慢查询日志 > >```properties >slowlog [operator] >``` > > get :获取慢查询日志信息 > > len :获取慢查询日志条目数 > > reset :重置慢查询日志 > >相关配置 > >```properties >slowlog-log-slower-than 1000 #设置慢查询的时间下线,单位:微妙 >slowlog-max-len 100 #设置慢查询命令对应的日志显示长度,单位:命令数 >```
您阅读这篇文章共耗时:
0小时16分34秒
文章链接:
https://www.slcp.top/article/read/37
版权声明:
本博客所有文章除特別声明外,均采用
CC BY 4.0
许可协议。转载请注明来源
Slcp
!
转载文章以及部分引用均为自己整理记录学习而用,若有侵权,请联系删除。
Redis
缓存
评论
Valine
Gitalk
目录
搜索
首页
前进
后退
刷新
申请友链
在线联系