Redis 高可用方案

本文分享自天翼云开发者社区《Redis 高可用方案》，作者：芋泥麻薯

一、常见使用方式

Redis 的几种常见使用方式包括：

• Redis 单副本；

• Redis 多副本（主从）；

• Redis Sentinel（哨兵）；

• Redis Cluster；

• dynomite；

二、各种使用方式的优缺点

1、Redis 单副本

Redis 单副本，采用单个 Redis 节点部署架构，没有备用节点实时同步数据，不提供数据持久化和备份策略，适用于数据可靠性要求不高的纯缓存业务场景。

 优点：

• 架构简单，部署方便；

  高性价比：缓存使用时无需备用节点（单实例可用性可以用 supervisor 或 crontab 保证），当然为了满足业务的高可用性，也可以牺牲一个备用节点，但同时刻只有一个实例对外提供服务；

  高性能。

缺点：

• 不保证数据的可靠性；

  在缓存使用，进程重启后，数据丢失，即使有备用的节点解决高可用性，但是仍然不能解决缓存预热问题，因此不适用于数据可靠性要求高的业务；

• 高性能受限于单核 CPU 的处理能力（Redis 是单线程机制），CPU 为主要瓶颈，所以适合操作命令简单，排序、计算较少的场景。也可以考虑用 Memcached 替代。

2、Redis 多副本（主从）

Redis 多副本，采用主从（replication）部署结构，相较于单副本而言最大的特点就是主从实例间数据实时同步，并且提供数据持久化和备份策略。主从实例部署在不同的物理服务器上，根据公司的基础环境配置，可以实现同时对外提供服务和读写分离策略。

 优点：

• 高可靠性：一方面，采用双机主备架构，能够在主库出现故障时自动进行主备切换，从库提升为主库提供服务，保证服务平稳运行；另一方面，开启数据持久化功能和配置合理的备份策略，能有效的解决数据误操作和数据异常丢失的问题；

  读写分离策略：从节点可以扩展主库节点的读能力，有效应对大并发量的读操作。

缺点：

• 故障恢复复杂，如果没有 RedisHA 系统（需要开发），当主库节点出现故障时，需要手动将一个从节点晋升为主节点，同时需要通知业务方变更配置，并且需要让其它从库节点去复制新主库节点，整个过程需要人为干预，比较繁琐；

  主库的写能力受到单机的限制，可以考虑分片；

  主库的存储能力受到单机的限制，可以考虑 Pika；

• 原生复制的弊端在早期的版本中也会比较突出，如：Redis 复制中断后，Slave 会发起 psync，此时如果同步不成功，则会进行全量同步，主库执行全量备份的同时可能会造成毫秒或秒级的卡顿；又由于 COW 机制，导致极端情况下的主库内存溢出，程序异常退出或宕机；主库节点生成备份文件导致服务器磁盘 IO 和 CPU（压缩）资源消耗；发送数 GB 大小的备份文件导致服务器出口带宽暴增，阻塞请求，建议升级到最新版本。

3、Redis Sentinel（哨兵）

Redis Sentinel 是社区版本推出的原生高可用解决方案，其部署架构主要包括两部分：Redis Sentinel 集群和 Redis 数据集群。

其中 Redis Sentinel 集群是由若干 Sentinel 节点组成的分布式集群，可以实现故障发现、故障自动转移、配置中心和客户端通知。Redis Sentinel 的节点数量要满足 2n+1（n>=1）的奇数个。

 优点：

• Redis Sentinel 集群部署简单；

  能够解决 Redis 主从模式下的高可用切换问题；

  很方便实现 Redis 数据节点的线形扩展，轻松突破 Redis 自身单线程瓶颈，可极大满足 Redis 大容量或高性能的业务需求；

  可以实现一套 Sentinel 监控一组 Redis 数据节点或多组数据节点。

缺点：

• 部署相对 Redis 主从模式要复杂一些，原理理解更繁琐；

  资源浪费，Redis 数据节点中 slave 节点作为备份节点不提供服务；

  Redis Sentinel 主要是针对 Redis 数据节点中的主节点的高可用切换，对 Redis 的数据节点做失败判定分为主观下线和客观下线两种，对于 Redis 的从节点有对节点做主观下线操作，并不执行故障转移。

  不能解决读写分离问题，实现起来相对复杂。

建议：

• 如果监控同一业务，可以选择一套 Sentinel 集群监控多组 Redis 数据节点的方案，反之选择一套 Sentinel 监控一组 Redis 数据节点的方案。

  sentinel monitor <master-name> <ip> <port> <quorum> 配置中的<quorum>建议设置成 Sentinel 节点的一半加 1，当 Sentinel 部署在多个 IDC 的时候，单个 IDC 部署的 Sentinel 数量不建议超过（Sentinel 数量 – quorum）。

• 合理设置参数，防止误切，控制切换灵敏度控制：

1. quorum

2. down-after-milliseconds 30000

3. failover-timeout 180000

4. maxclient

5. timeout

• 部署的各个节点服务器时间尽量要同步，否则日志的时序性会混乱。

  Redis 建议使用 pipeline 和 multi-keys 操作，减少 RTT 次数，提高请求效率。

  自行搞定配置中心（zookeeper），方便客户端对实例的链接访问。

4、Redis Cluster

Redis Cluster 是社区版推出的 Redis 分布式集群解决方案，主要解决 Redis 分布式方面的需求，比如，当遇到单机内存，并发和流量等瓶颈的时候，Redis Cluster 能起到很好的负载均衡的目的。

Redis Cluster 集群节点最小配置 6 个节点以上（3 主 3 从），其中主节点提供读写操作，从节点作为备用节点，不提供请求，只作为故障转移使用。

Redis Cluster 采用虚拟槽分区，所有的键根据哈希函数映射到 0～16383 个整数槽内，每个节点负责维护一部分槽以及槽所印映射的键值数据。

 优点：

• 无中心架构；

  数据按照 slot 存储分布在多个节点，节点间数据共享，可动态调整数据分布；

  可扩展性：可线性扩展到 1000 多个节点，节点可动态添加或删除；

  高可用性：部分节点不可用时，集群仍可用。通过增加 Slave 做 standby 数据副本，能够实现故障自动 failover，节点之间通过 gossip 协议交换状态信息，用投票机制完成 Slave 到 Master 的角色提升；

  降低运维成本，提高系统的扩展性和可用性。

缺点：

• Client 实现复杂，驱动要求实现 Smart Client，缓存 slots mapping 信息并及时更新，提高了开发难度，客户端的不成熟影响业务的稳定性。目前仅 JedisCluster 相对成熟，异常处理部分还不完善，比如常见的“max redirect exception”。

  节点会因为某些原因发生阻塞（阻塞时间大于 clutser-node-timeout），被判断下线，这种 failover 是没有必要的。

  数据通过异步复制，不保证数据的强一致性。

  多个业务使用同一套集群时，无法根据统计区分冷热数据，资源隔离性较差，容易出现相互影响的情况。

  Slave 在集群中充当“冷备”，不能缓解读压力，当然可以通过 SDK 的合理设计来提高 Slave 资源的利用率。

  Key 批量操作限制，如使用 mset、mget 目前只支持具有相同 slot 值的 Key 执行批量操作。对于映射为不同 slot 值的 Key 由于 Keys 不支持跨 slot 查询，所以执行 mset、mget、sunion 等操作支持不友好。

  Key 事务操作支持有限，只支持多 key 在同一节点上的事务操作，当多个 Key 分布于不同的节点上时无法使用事务功能。

  Key 作为数据分区的最小粒度，不能将一个很大的键值对象如 hash、list 等映射到不同的节点。

  不支持多数据库空间，单机下的 redis 可以支持到 16 个数据库，集群模式下只能使用 1 个数据库空间，即 db 0。

  复制结构只支持一层，从节点只能复制主节点，不支持嵌套树状复制结构。

  避免产生 hot-key，导致主库节点成为系统的短板。

  避免产生 big-key，导致网卡撑爆、慢查询等。

  重试时间应该大于 cluster-node-time 时间。

  Redis Cluster 不建议使用 pipeline 和 multi-keys 操作，减少 max redirect 产生的场景。

 5、dynomite

dynomite 使用 netflix 开源的一个开源将非分布式的缓存系统改造成分布式的缓存系统，根据亚马逊的 Dynamo 进行设计，是一个高可用，高性能，支持跨数据中副本的分布式存储代理层。

上面是官方给的两个拓扑图，其结构和 elasticsearch 集群的结构比较相似。 这个图里面有两个概念，datacent 和 rack。这两个概念举例来理解，假设我们在阿里云有集群，在腾讯云也有集群，这就叫两个 datacent，或者换种说法，假设有很多集群，这些集群可以根据物理机所在位置或者其他标准，分成了两大部分，这就叫两个 datacent。 然后在每个 datacent 内，可能某些物理机在一个机房或者机架甚至就是一个机器上的几个虚拟机，那么这些机器之间的通信等速度肯定会更快，这些机器可以组成一个集群，就叫一个 rack。在 dynomite 拓扑结构中，每个 rack 都是一个完整集群，每个 rack 的都拥有完整的数据，多个 rack 间相互备份，这就达到了高可用，具体同步机制后面讲。

dynomite 结构中，每个 rack 都是一个一致性 hash 环，具体规则是 rack 上每个节点都是个 redis master，是可读写的。在每个 redis 节点上都挂载着一个 dynomite 代理，每个代理持有一个 tokens，一致性 hash 的分配就是根据这个 tokens 来的，tokens 计算规则：从 0 开始 token = (4294967295 / numberOfNodesInRack) * nodeIndex。每个 rack 上存在节点都是可以不同的，不需要对应，因为每个 rack 上的 tokens 都是重新计算的。当客户端的请求到达任意一个 dynomite 代理后，dynomite 会根据 tokens 计算出这个 key 是否属于自己管理的节点，如果不是的话，会把请求发送到对应的 dynomite 代理上。同时，还会把这个请求发送到其他的 rack 的 dynomite 代理上，以此来完成 rack 间的数据同步，这个 rack 间的数据同步时异步的，但是当我们要求强一致性的时候，可以通过配置参数，当有多少个 rack 完成数据写入时，才返回结果，根据对一致性要求程度的不同来设置不同的参数

简单的异地多活高可用方案：

1、两地各键一个 datacent2、每个 datacent 中建立两个 rack3、每个 rack 上的 redis-server 为一个 sentinel 集群，dynomite 高可用通过一个 redis 上挂载多个 dynomite 实现 4、sentinel 集群通过 client-reconf-script 脚本，在 master 节点发生 switch 操作时，自动去修改 dynomite 代理地址指向的 redis server 地址

优点：

1、部署简单，分别部署 redis 和 dynomite 即可使用

2、支持各种 redis 连接工具

3、只要有一个节点存活即可使用，适合小数据量使用

4、支持 redis、memcahe 等多种解决方案

6、dynomite 的高可用方案。

对应的服务调用方连接多个 dynomite client，每个 dynomite client 连接多个 rack,这样 server 在调用任意一个 dynomite client 时即可查询对应数据，当某个 client 异常无法服务时，server 调用其他 client。由于每个 rack 直接数据互相备份。所以当某个 rack 发生异常时，则 dynomite client 则使用其他 rack。从而保证只要有一个 dynomite client 和一个 rack 存在时，业务即可正常使用。

以上为 Redis 高可用方案相关内容。学习了解 Redis 相关知识，对高可用解决方案有更深的理解，有利于项目中对其灵活应用。