Redis集群

什么是集群

定义：

由于数据量过大，单个Master复制集难以承担，因此需要对多个复制集进行集群，形成水平扩展，每个复制集只负责存储整个数据集的一部分。提供在多个Redis节点间共享数据的程序集。

作用：

• 集群支持多个master，每个master又可以挂载多个slave
• 由于cluster自带哨兵的故障转移功能，因此无需再去使用哨兵功能
• 客户端与Reids的节点连接，不再需要连接集群的所有节点，只需连接集群中的任意一个可用节点即可
• 槽位slot负责分配到各个物理节点，由对应的集群来负责维护，节点，插槽和数据之间的关系

槽位

什么是槽位

Redis集群没有使用一致性hash，而是引入了哈希槽概念。

Redis集群由16384个哈希槽（理解为整个小区有16384个房间），每个key通过CRC16算法，然后对16384进行取模，后得到槽位号（可以理解为门牌号），集群的每个节点负责一部分哈希槽（每个单元对应一部分门牌号），举例：

槽位的映射

①哈希取余分区法

2亿条记录就是2亿个k,v，我们单机不行必须要分布式多机，假设有3台机器构成一个集群，用户每次读写操作都是根据公式：

hash(key) % N个机器台数，计算出哈希值，用来决定数据映射到哪一个节点上。

优点：

简单粗暴，直接有效，只需要预估好数据规划好节点，例如3台、8台、10台，就能保证一段时间的数据支撑。使用Hash算法让固定的一部分请求落到同一台服务器上，这样每台服务器固定处理一部分请求（并维护这些请求的信息），起到负载均衡+分而治之的作用。

缺点：

原来规划好的节点，进行扩容或者缩容就比较麻烦了，不管扩缩，每次数据变动导致节点有变动，映射关系需要重新进行计算，某个redis机器宕机了，由于台数数量变化，会导致hash取余全部数据重新洗牌。

②一致性哈希算法分区

背景：

1997年由麻省理工提出，为了解决分布式缓存数据变动和映射问题，某个机器宕机了，分母的数量就变了，自然取就不一样了。

作用：

提出一致性hash解决方案，目的是当服务器数量发生变动时，尽量减少影响客户端到服务器的映射关系。

三大步骤：

第一步：算法构建一致性哈希环

一致性哈希算法必然有个hash函数并按照算法产生hash值，这个算法的所有可能哈希值会构成一个全量集，这个集合可以成为一个hash空间[0,2^32-1]，这个是一个线性空间，但是在算法中，我们通过适当的逻辑控制将它首尾相连(0 = 2^32),这样让它逻辑上形成了一个环形空间。

第二部：Redis服务器IP节点映射

将集群中各个IP节点映射到环上的某一个位置。

将各个服务器使用Hash进行一个哈希，具体可以选择服务器的IP或主机名作为关键字进行哈希，这样每台机器就能确定其在哈希环上的位置。假如4个节点NodeA、B、C、D，经过IP地址的哈希函数计算(hash(ip))，使用IP地址哈希后在环空间的位置如下：

第三步：key落到服务器上的落健规则

当我们需要存储一个kv键值对时，首先计算key的hash值，hash(key)，将这个key使用相同的函数Hash计算出哈希值并确定此数据在环上的位置，从此位置沿环顺时针“行走”，第一台遇到的服务器就是其应该定位到的服务器，并将该键值对存储在该节点上。

如我们有Object A、Object B、Object C、Object D四个数据对象，经过哈希计算后，在环空间上的位置如下：根据一致性Hash算法，数据A会被定为到Node A上，B被定为到Node B上，C被定为到Node C上，D被定为到Node D上。

优点：

• 容错性
• 扩展性

缺点：

• 容易数据倾斜

③：哈希槽分区

1 为什么出现

为了解决一致性哈希算法的数据倾斜问题

哈希槽实质就是一个数组，数组[0,2^14 -1]形成hash slot空间。

2 能干什么

解决均匀分配的问题，在数据和节点之间又加入了一层，把这层称为哈希槽（slot），用于管理数据和节点之间的关系，现在就相当于节点上放的是槽，槽里放的是数据。

槽解决的是粒度问题，相当于把粒度变大了，这样便于数据移动。哈希解决的是映射问题，使用key的哈希值来计算所在的槽，便于数据分配

3 多少个hash槽

一个集群只能有16384个槽，编号0-16383（0-2^14-1）。这些槽会分配给集群中的所有主节点，分配策略没有要求。

集群会记录节点和槽的对应关系，解决了节点和槽的关系后，接下来就需要对key求哈希值，然后对16384取模，余数是几key就落入对应的槽里。HASH_SLOT = CRC16(key) mod 16384。以槽为单位移动数据，因为槽的数目是固定的，处理起来比较容易，这样数据移动问题就解决了。

分片

使用Redis集群时，我们会将存储的数据分散到多台Redis机器上，这成为分片。简而言之，及群众的每个实例都被认为是整个数据的一个分片。

如何找到给定key的分片：

为了找到给定key的分片，我们对key通过CRC16(key)算法，完后对总分片数进行取模，然后，使用确定性哈希函数，这一意味着给定的key，将多次始终映射到同一分片，我们可以推断将来读取数据的特定key的位置。

---