Redis：Redis如何做高性能、高可用、可拓展？

主从复制

master-slave(replication)
从节点上只能读数据，不能写入数据，只能在主节点写入数据。主节点的数据会自动同步到从节点。

复制原理：

• 从节点第一次加入后和主节点建立连接
• 建立连接后主节点通过bgsave生成RDB文件，再将文件发送到从节点（假如超时则会重发）
• 新来的指令主节点保存在缓冲区中，然后再发送给从节点
• 从节点基于rdb做一次数据载入
• 后续通过命令传播到从节点保持数据一致
• 假如从节点断开一段时间重新加入，会丢失断开时间的数据，会基于偏移量增量复制。

解决的问题：

• 数据备份
• 读写分离（不是很有必要，redis本身的性能已经够高了）

存在的问题：
主从会有延迟。
主挂了，主从不会自动切换，需要手动重启主节点。

高可用（Sentinel机制）

sentinel是特殊的redis-server节点，一般会建造多个sentinel节点互相监控，sentinel之间地位平等，没有主从之分。
sentinel会监控真正redis-server节点：

• 当主节点超时未与sentinel节点连接时，会先将主节点标记下线（主观下线）
• 该sentinel节点会询问其他的节点，假如超过半数（奇数个sentinel）认为主节点下线，此时为真正下线（客观下线）
• 此时需要failover（故障转移）：奇数个哨兵会通过Raft算法选举leader，leader的sentinel节点会发送两条指令让某一个从节点成为主节点
• 旧的主节点重启后会变成新的主节点的从节点

解决的问题：

• 高可用

存在的问题：

• 切换过程中可能会出现短暂数据丢失
• 没有解决水平扩容问题

redis客户端会从sentinel拿到主节点的地址，再去根据地址进行真正地连接及操作。

Raft算法（分布式一致性算法的一种）

1、先到先得
2、少数服从多数

选举的超时时间是一个随机数，最先超时的会变成一个candidate，然后发起投票，并且给自己投一票，假如超过半数投票自己（平票则需要再投一次），自己成为了leader以后，会定期给从节点发送心跳包，重置从节点的选举超时时间。

可拓展

为了解决水平扩容的问题，我们可以在客户端做分片，也可以用代理分片服务，另外Redis本身提供Cluter模式，进行水平扩容

客户端：jedis

实现了分片到不同redis服务的功能，代码的拓展性有限，不能实现平滑扩容

代理proxy

Twenproxy，Codis：需要考虑proxy单点问题；不能实现平滑扩容

服务端实现：Redis-Cluster（重点）

架构：多主多从
数据分布：CRC16算法对16384取模，按哈希槽分配（一共有16384个槽），将一些槽分配到对应的节点上。
HashTag：在key中加{xxx}，会用xxx取模分配槽，假如xxx一样则会分配在同一个节点上。

主节点挂了：

• slave发现master宕机，广播通知
• 其他master发送ACK
• slave变成新的master，广播通知

客户端连接到任意一个节点都可以实现一样的效果，去中心化。

Redis：Redis如何做高性能、高可用、可拓展？

原文：https://www.cnblogs.com/fcb-it/p/13334311.html