Redis（REmote DIctionary Service）是一個開源的鍵值對數(shù)據(jù)庫服務(wù)器。

Redis 更準(zhǔn)確的描述是一個數(shù)據(jù)結(jié)構(gòu)服務(wù)器。Redis 的這種特殊性質(zhì)讓它在開發(fā)人員中很受歡迎。

Redis不是通過迭代或者排序方式處理數(shù)據(jù)，而是一開始就按照數(shù)據(jù)結(jié)構(gòu)方式組織。早期，它的使用很像 Memcached，但隨著 Redis 的改進，它在許多其他用例中變得可行，包括發(fā)布-訂閱機制、流（streaming）和隊列。

主要來說，Redis 是一個內(nèi)存數(shù)據(jù)庫，用作另一個“真實”數(shù)據(jù)庫（如 MySQL 或 PostgreSQL）前面的緩存，以幫助提高應(yīng)用程序性能。它通過利用內(nèi)存的高速訪問速度，從而減輕核心應(yīng)用程序數(shù)據(jù)庫的負載，例如：

• 不經(jīng)常更改且經(jīng)常被請求的數(shù)據(jù)

• 任務(wù)關(guān)鍵性較低且經(jīng)常變動的數(shù)據(jù)

上述數(shù)據(jù)的示例可以包括會話或數(shù)據(jù)緩存以及儀表板的排行榜或匯總分析。

但是，對于許多用例場景，Redis 都可以提供足夠的保證，可以將其用作成熟的主數(shù)據(jù)庫。再加上 Redis 插件及其各種高可用性（HA）設(shè)置，Redis 作為數(shù)據(jù)庫對于某些場景和工作負載變得非常有用。

另一個重要方面是 Redis 模糊了緩存和數(shù)據(jù)存儲之間的界限。這里要理解的重要一點是，相比于使用 SSD 或 HDD 作為存儲的傳統(tǒng)數(shù)據(jù)庫，讀取和操作內(nèi)存中數(shù)據(jù)的速度要快得多。

最初，Redis 最常被比作 Memcached，后者當(dāng)時缺乏任何非易失性持久化。

這是當(dāng)前兩個緩存之間的功能細分。

Redis 自 2009 年成立到現(xiàn)在已經(jīng)變的很成熟。我們將介紹它的大部分架構(gòu)和拓撲，以便你可以將 Redis 添加到你的數(shù)據(jù)存儲系統(tǒng)庫中。

在開始討論 Redis 內(nèi)部結(jié)構(gòu)之前，讓我們先討論一下各種 Redis 部署及其權(quán)衡取舍。

我們將主要關(guān)注以下這些設(shè)置：

• 單個 Redis 實例

• Redis 高可用性

• Redis 哨兵

• Redis 集群

根據(jù)你的用例和規(guī)模，決定使用哪一種設(shè)置。

單個 Redis 實例

單個 Redis 實例是最直接的 Redis 部署方式。它允許用戶設(shè)置和運行小型實例，從而幫助他們快速發(fā)展和加速服務(wù)。但是，這種部署并非沒有缺點。例如，如果此實例失敗或不可用，則所有客戶端對 Redis 的調(diào)用都將失敗，從而降低系統(tǒng)的整體性能和速度。

如果有足夠的內(nèi)存和服務(wù)器資源，這個實例可以很強大。主要用于緩存的場景可能會以最少的設(shè)置獲得顯著的性能提升。給定足夠的系統(tǒng)資源，你可以在應(yīng)用程序運行的同一機器上部署此 Redis 服務(wù)。

在管理系統(tǒng)內(nèi)的數(shù)據(jù)方面，了解一些 Redis 概念是必不可少的。發(fā)送到 Redis 的命令首先在內(nèi)存中處理。然后，如果在這些實例上設(shè)置了持久性，則在某個時間間隔上會有一個fork進程，來生成數(shù)據(jù)持久化 RDB（Redis 數(shù)據(jù)的非常緊湊的時間點表示）快照或 AOF（僅附加文件）。

這兩個流程可以讓 Redis 擁有長期存儲，支持各種復(fù)制策略，并啟用更復(fù)雜的拓撲。如果 Redis 未設(shè)置為持久化數(shù)據(jù)，則在重新啟動或故障轉(zhuǎn)移時數(shù)據(jù)會丟失。如果在重啟時啟用了持久化，它會將 RDB 快照或 AOF 中的所有數(shù)據(jù)加載回內(nèi)存，然后實例可以支持新的客戶端請求。

話雖如此，讓我們看看你可能會用到的更多分布式 Redis 設(shè)置。

Redis 高可用性

Redis 的另一個流行設(shè)置是主從部署方式，從部署保持與主部署之間數(shù)據(jù)同步。當(dāng)數(shù)據(jù)寫入主實例時，它會將這些命令的副本發(fā)送到從部署客戶端輸出緩沖區(qū)，從而達到數(shù)據(jù)同步的效果。從部署可以有一個或多個實例。這些實例可以幫助擴展 Redis 的讀取操作或提供故障轉(zhuǎn)移，以防 main 丟失。

我們現(xiàn)在已經(jīng)進入了一個分布式系統(tǒng)，因此需要在此拓撲中考慮許多新事物。以前簡單的事情現(xiàn)在變得復(fù)雜了。

Redis 復(fù)制

Redis 的每個主實例都有一個復(fù)制 ID 和一個偏移量。這兩條數(shù)據(jù)對于確定副本可以繼續(xù)其復(fù)制過程的時間點或確定它是否需要進行完整同步至關(guān)重要。對于主 Redis 部署上發(fā)生的每個操作，此偏移量都會增加。

更明確地說，當(dāng) Redis 副本實例僅落后于主實例幾個偏移量時，它會從主實例接收剩余的命令，然后在其數(shù)據(jù)集上重放，直到同步完成。如果兩個實例無法就復(fù)制 ID 達成一致，或者主實例不知道偏移量，則副本將請求全量同步。這時主實例會創(chuàng)建一個新的 RDB 快照并將其發(fā)送到副本。

在此傳輸之間，主實例會緩沖快照截止和當(dāng)前偏移之間的所有中間更新指令，這樣在快照同步完后，再將這些指令發(fā)送到副本實例。這樣完成后，復(fù)制就可以正常繼續(xù)。

如果一個實例具有相同的復(fù)制 ID 和偏移量，則它們具有完全相同的數(shù)據(jù)。現(xiàn)在你可能想知道為什么需要復(fù)制 ID。當(dāng) Redis 實例被提升為主實例或作為主實例從頭開始重新啟動時，它會被賦予一個新的復(fù)制 ID。

這用于推斷此新提升的副本實例是從先前哪個主實例復(fù)制出來的。這允許它能夠執(zhí)行部分同步（與其他副本節(jié)點），因為新的主實例會記住其舊的復(fù)制 ID。

例如，兩個實例（主實例和從實例）具有相同的復(fù)制 ID，但偏移量相差幾百個命令，這意味著如果在實例上重放這些偏移量后面的命令，它們將具有相同的數(shù)據(jù)集?，F(xiàn)在，如果復(fù)制 ID 完全不同，并且我們不知道新降級（或重新加入）從節(jié)點的先前復(fù)制 ID（沒有共同祖先）。我們將需要執(zhí)行昂貴的全量同步。

相反，如果我們知道以前的復(fù)制 ID，我們就可以推斷如何使數(shù)據(jù)同步，因為我們能夠推斷出它們共享的共同祖先，并且偏移量對于部分同步再次有意義。

Redis 哨兵（Sentinel）

Sentinel 是一個分布式系統(tǒng)。與所有分布式系統(tǒng)一樣，Sentinel 有幾個優(yōu)點和缺點。Sentinel 的設(shè)計方式是，一組哨兵進程協(xié)同工作以協(xié)調(diào)狀態(tài)，從而為 Redis 提供高可用性。畢竟，你不希望保護你免受故障影響的系統(tǒng)有自己的單點故障。

Sentinel 負責(zé)一些事情。首先，它確保當(dāng)前的主實例和從實例正常運行并做出響應(yīng)。這是必要的，因為哨兵（與其他哨兵進程）可以在主節(jié)點和/或從節(jié)點丟失的情況下發(fā)出警報并采取行動。其次，它在服務(wù)發(fā)現(xiàn)中發(fā)揮作用，就像其他系統(tǒng)中的 Zookeeper 和 Consul 一樣。所以當(dāng)一個新的客戶端嘗試向 Redis 寫東西時，Sentinel 會告訴客戶端當(dāng)前的主實例是什么。

因此，哨兵不斷監(jiān)控可用性并將該信息發(fā)送給客戶端，以便他們能夠在他們確實進行故障轉(zhuǎn)移時對其做出反應(yīng)。

以下是它的職責(zé)：

• 監(jiān)控——確保主從實例按預(yù)期工作。

• 通知——通知系統(tǒng)管理員 Redis 實例中的事件。

• 故障轉(zhuǎn)移管理——如果主實例不可用并且足夠多的（法定數(shù)量）節(jié)點同意這是真的，Sentinel 節(jié)點可以啟動故障轉(zhuǎn)移。

• 配置管理——Sentinel 節(jié)點還充當(dāng)當(dāng)前主 Redis 實例的發(fā)現(xiàn)服務(wù)。

以這種方式使用 Redis Sentinel 可以進行故障檢測。此檢測涉及多個哨兵進程同意當(dāng)前主實例不再可用。這個協(xié)議過程稱為 Quorum。這可以提高魯棒性并防止一臺機器行為異常導(dǎo)致無法訪問主 Redis 節(jié)點。

此設(shè)置并非沒有缺點，因此我們將在使用 Redis Sentinel 時介紹一些建議和最佳實踐。

你可以通過多種方式部署 Redis Sentinel。老實說，要提出任何明智的建議，我需要有關(guān)你的系統(tǒng)的更多背景信息。作為一般指導(dǎo)，我建議在每個應(yīng)用程序服務(wù)器旁邊運行一個哨兵節(jié)點（如果可能的話），這樣你也不需要考慮哨兵節(jié)點和實際使用 Redis 的客戶端之間的網(wǎng)絡(luò)可達性差異。

你可以將 Sentinel 與 Redis 實例一起運行，甚至可以在獨立節(jié)點上運行，只不過它會按照別的方式處理，從而會讓事情變得更復(fù)雜。我建議至少運行三個節(jié)點，并且至少具有兩個法定人數(shù)（quorum）。這是一個簡單的圖表，分解了集群中的服務(wù)器數(shù)量以及相關(guān)的法定人數(shù)和可容忍的可持續(xù)故障。

讓我們花點時間思考一下這樣的設(shè)置會出現(xiàn)什么問題。如果你運行這個系統(tǒng)足夠長的時間，你會遇到所有這些。

1. 如果哨兵節(jié)點超出法定人數(shù)怎么辦？

2. 如果網(wǎng)絡(luò)分裂將舊的主實例置于少數(shù)群體中怎么辦？這些寫入會發(fā)生什么？（劇透：當(dāng)系統(tǒng)完全恢復(fù)時它們會丟失）

3. 如果哨兵節(jié)點和客戶端節(jié)點（應(yīng)用程序節(jié)點）的網(wǎng)絡(luò)拓撲錯位會發(fā)生什么？

沒有持久性保證，特別是持久化到磁盤的操作（見下文）是異步的。還有一個麻煩的問題，當(dāng)客戶發(fā)現(xiàn)新的 primary 時，我們失去了多少寫給一個不知道的 primary？Redis 建議在建立新連接時查詢新的主節(jié)點。根據(jù)系統(tǒng)配置，這可能意味著大量數(shù)據(jù)丟失。

如果你強制主實例將寫入復(fù)制到至少一個副本實例，有幾種方法可以減輕損失程度。請記住，所有 Redis 復(fù)制都是異步的，這是有其權(quán)衡的考慮。因此，它需要獨立跟蹤確認(rèn)，如果至少有一個副本實例沒有確認(rèn)它們，主實例將停止接受寫入。

Redis 集群

我相信很多人都想過當(dāng)你無法將所有數(shù)據(jù)存儲在一臺機器上的內(nèi)存中時會發(fā)生什么。目前，單個服務(wù)器中可用的最大 RAM 為 24TIB，這是目前 AWS 線上列出來的。當(dāng)然，這很多，但對于某些系統(tǒng)來說，這還不夠，即使對于緩存層也是如此。

Redis Cluster 允許 Redis 的水平擴展。

首先，讓我們擺脫一些術(shù)語約束；一旦我們決定使用 Redis 集群，我們就決定將我們存儲的數(shù)據(jù)分散到多臺機器上，這稱為分片。所以集群中的每個 Redis 實例都被認(rèn)為是整個數(shù)據(jù)的一個分片。

這帶來了一個新的問題。如果我們向集群推送一個key，我們?nèi)绾沃滥膫€ Redis 實例（分片）保存了該數(shù)據(jù)？有幾種方法可以做到這一點，但 Redis Cluster 使用算法分片。

為了找到給定 key 的分片，我們對 key 進行哈希處理，并通過對總分片數(shù)量取模。然后，使用確定性哈希函數(shù)，這意味著給定的 key 將始終映射到同一個分片，我們可以推斷將來讀取特定 key 的位置。

當(dāng)我們之后想在系統(tǒng)中添加一個新的分片時會發(fā)生什么？這個過程稱為重新分片。

假設(shè)鍵 'foo' 之前映射到分片 0， 在引入新分片后它可能會映射到分片 5。但是，如果我們需要快速擴展系統(tǒng)，移動數(shù)據(jù)來達到新的分片映射，這將是緩慢且不切實際的。它還對 Redis 集群的可用性產(chǎn)生不利影響。

Redis Cluster 為這個問題設(shè)計了一種解決方案，稱為 Hashslot，所有數(shù)據(jù)都映射到它。有 16K 哈希槽。這為我們提供了一種在集群中傳播數(shù)據(jù)的合理方式，當(dāng)我們添加新的分片時，我們只需在系統(tǒng)之間移動哈希槽。通過這樣做，我們只需要將 hashlot 從一個分片移動到另一個分片，并簡化將新的主實例添加到集群中的過程。

這可以在沒有任何停機時間和最小的性能影響的情況下實現(xiàn)。讓我們通過一個例子來談?wù)劇?/span>

• M1 包含從 0 到 8191 的哈希槽。

• M2 包含從 8192 到 16383 的哈希槽。

因此，為了映射 “foo”，我們采用一個確定性的鍵（foo）散列，并通過散列槽的數(shù)量（16K）對其進行修改，從而得到 M2 的映射?，F(xiàn)在假設(shè)我們添加了一個新實例 M3。新的映射將是：

• M1 包含從 0 到 5460 的哈希槽。

• M2 包含從 5461 到 10922 的哈希槽。

• M3 包含從 10923 到 16383 的哈希槽。

現(xiàn)在映射到 M2 的 M1 中映射哈希槽的所有鍵都需要移動。但是散列槽的各個鍵的散列不需要移動，因為它們已經(jīng)被劃分到散列槽中。因此，這一級別的誤導(dǎo)（misdirection）解決了算法分片的重新分片問題。

Gossiping 協(xié)議

Redis Cluster 使用 gossiping 來確定整個集群的健康狀況。在上圖中，我們有 3 個 M 個節(jié)點和 3 個 S 節(jié)點。所有這些節(jié)點不斷地進行通信以了解哪些分片可用并準(zhǔn)備好為請求提供服務(wù)。

如果足夠多的分片同意 M1 沒有響應(yīng)，他們可以決定將 M1 的副本 S1 提升為主節(jié)點以保持集群健康。觸發(fā)此操作所需的節(jié)點數(shù)量是可配置的，并且必須正確執(zhí)行此操作。如果操作不當(dāng)并且在分區(qū)的兩邊相等時無法打破平局，則可能會導(dǎo)致集群被拆分。這種現(xiàn)象稱為裂腦。作為一般規(guī)則，必須擁有奇數(shù)個主節(jié)點和兩個副本，以實現(xiàn)最穩(wěn)健的設(shè)置。

如果我們要使用 Redis 存儲任何類型的數(shù)據(jù)同時要求安全保存，了解 Redis 是如何做到這一點很重要。在許多用例中，如果你丟失了 Redis 存儲的數(shù)據(jù)，這并不是世界末日。將其用作緩存或在其支持實時分析的情況下，如果發(fā)生數(shù)據(jù)丟失，則并非世界末日。

在其他場景中，我們希望圍繞數(shù)據(jù)持久性和恢復(fù)有一些保證。

無持久化

無持久化：如果你愿意，可以完全禁用持久化。這是運行 Redis 的最快方式，并且沒有持久性保證。

RDB文件

RDB（Redis 數(shù)據(jù)庫）：RDB 持久化以指定的時間間隔執(zhí)行數(shù)據(jù)集的時間點快照。

這種機制的主要缺點是快照之間的數(shù)據(jù)會丟失。此外，這種存儲機制還依賴于主進程的 fork，在更大的數(shù)據(jù)集中，這可能會導(dǎo)致服務(wù)請求的瞬間延遲。話雖如此，RDB 文件在內(nèi)存中的加載速度要比 AOF 快得多。

AOF

AOF（Append Only File）：AOF 持久化記錄服務(wù)器接收到的每個寫入操作，這些操作將在服務(wù)器啟動時再次被執(zhí)行，重建原始數(shù)據(jù)集。

這種持久性的方法能夠確保比 RDB 快照更持久，因為它是一個僅附加文件。隨著操作的發(fā)生，我們將它們緩沖到日志中，但它們還沒有被持久化。該日志與我們運行的實際命令一致，以便在需要時進行重放。

然后，如果可能，我們使用 fsync 將其刷新到磁盤（當(dāng)此運行可配置時），它將被持久化。缺點是格式不緊湊，并且比 RDB 文件使用更多的磁盤。

為什么不兼得？

RDB + AOF：可以將 AOF 和 RDB 組合在同一個 Redis 實例中。如果你愿意的話，可以以速度換取持久化是一種折衷方法。我認(rèn)為這是設(shè)置 Redis 的一種可接受的方式。在重啟的情況下，請記住如果兩者都啟用，Redis 將使用 AOF 來重建數(shù)據(jù)，因為它是最完整的。

Forking

現(xiàn)在我們了解了持久化的類型，讓我們討論一下我們?nèi)绾卧谙?Redis 這樣的單線程應(yīng)用程序中實際執(zhí)行它。

在我看來，Redis 最酷的部分是它如何利用 forking 和寫時復(fù)制來高效地促進數(shù)據(jù)持久化。

Forking 是操作系統(tǒng)通過創(chuàng)建自身副本來創(chuàng)建新進程的一種方式。這樣，你將獲得一個新的進程 ID 和一些其他信息和句柄，因此新 forking 的進程（子進程）可以與原始進程父進程通信。

現(xiàn)在事情變得有趣了。Redis 是一個分配了大量內(nèi)存的進程，那么它如何在不耗盡內(nèi)存的情況下進行復(fù)制呢？

當(dāng)你 fork 一個進程時，父進程和子進程共享內(nèi)存，并且在該子進程中 Redis 開始快照（Redis）進程。這是通過一種稱為寫時復(fù)制的內(nèi)存共享技術(shù)實現(xiàn)的——該技術(shù)在創(chuàng)建分叉時傳遞對內(nèi)存的引用。如果在子進程持久化到磁盤時沒有發(fā)生任何更改，則不會進行新的分配。

在發(fā)生更改的情況下，內(nèi)核會跟蹤對每個頁面的引用，如果某個頁面有多個更改，則將更改寫入新頁面。子進程完全不知道更改以及具有一致的內(nèi)存快照的事情。因此，在只使用了一小部分內(nèi)存的情況下，我們能夠非?？焖儆行У孬@得潛在千兆字節(jié)內(nèi)存的時間點快照！