From 8a2eb1dbc03d8db3682f8cceb08f1416bcf6a04a Mon Sep 17 00:00:00 2001 From: huifer <huifer97@163.com> Date: Thu, 31 Oct 2019 10:17:42 +0800 Subject: [PATCH] Delete huifer-redis-technology-stack --- .../huifer-redis-technology-stack | 294 ------------------ 1 file changed, 294 deletions(-) delete mode 100644 docs/high-concurrency/huifer-redis-technology-stack diff --git a/docs/high-concurrency/huifer-redis-technology-stack b/docs/high-concurrency/huifer-redis-technology-stack deleted file mode 100644 index e270802..0000000 --- a/docs/high-concurrency/huifer-redis-technology-stack +++ /dev/null @@ -1,294 +0,0 @@ -# Redis 技术栈 -- Author: [HuiFer](https://github.com/huifer) -- Description: 该文章介绍redis相关技术栈，统筹规划学习路径 - -## 安装 -### yum & apt -- `apt-get install Redis-server` -- `yum install Redis` - -### 编译 -1. 下载 -- `wget http://download.Redis.io/releases/Redis-5.0.5.tar.gz` -2. 编译 -``` - tar -zxvf Redis-5.0.5.tar.gz - cd Redis-5.0.5 - make && make install -``` -3. 配置 -- `vim Redis.conf` -4. 启动 -- Redis-server -5. 关闭 -- Redis-cli shutdown - -## key 命令 -### keys -- 搜索key根据匹配模式,例如: keys * -### exists -- 判断key是否存在,存在返回1,不存在返回0 -### del -- 删除key -### type -- 获取key类型 -### randomkey -- 随机返回key -### expire -- 设置key过期时间 -### sortzh -- 字符串排序 -- 数字排序 - -## 服务端命令 -### flushall -- 强制清空所有key(目标对象所有数据库) -### flushdb -- 清空当前数据库 -### client list -- 连接信息列表 -### client kill -- 关闭ip:port客户端 -### ping -- 判断是否正常运行,正常运行返回pong - - -## 数据类型(操作命令非完整) -### string -- 一个key最大存储512M的数据 -#### 操作方法 -- get /set(单key操作) -- mget / mset(多key操作) -- getrange 获取指定下标范围内的字符串 -- setrange 设置指定下标范围内的字符串 -- setex => set expire 组合 -- incr 自增1 -- incrby 自增指定数字 -- decr 自减1 -- decrby 自减指定数字 -- append 追加字符串 -- strlen 返回字符串长度 - -### list -- blpop key 删除并获取第一个元素 -- brpop key 删除并获取最后一个元素 -- brpoplpush source destination 复制列表从source -> destination -- lindex key index 根据key 和index 获取value -- llen key 获取key的列表长度 -- lpop key 从左侧出列 -- lpush key value 从左侧入列 -- lrange key start stop 根据start,stop获取key一定范围内的列表 -- lset key index value 根据key + index 设置value -- lrem key count value 删除列表元素 -- rpush等不做赘述 - -### set -- sadd key value 向key插入值 -- scard key 获取集合成员数量 -- sdiff key1 key2 返回集合差集 -- sinter key1 key2 返回集合交集 -- sunion key1 key2 返回集合并集 -- sismember key value 判断集合中是否包含value -- smembers key 返回集合 -- srem key value 删除集合中的一个value - - -### hash -- hget key filed 获取hash中指定key->filed的值 -- hgetall key 获取hash中指定key的所有制 -- hexists key filed 查看是否存在filed -- hdel key filed 删除指定key下的filed -- hkeys key 获取所有filed -- hset key filed value 设置key->filed->value - -### sortedSet -- zadd key source member 向key追加source,member -- zcard key 获取成员数量 - - - -## 数据存储(持久化) -### RDB -> 将某个时间点的所有数据都以二进制形式存放到硬盘上 - - 可以将快照复制到其它服务器从而创建具有相同数据的服务器副本. - - 如果系统发生故障,将会丢失最后一次创建快照之后的数据. - - 如果数据量很大,保存快照的时间会很长,建议异步写入. - - 存在的问题:时间、性能开销大,不可控且容易丢失数据. -- 同步机制 - - save 命令,阻塞其他命令,直到save命令结束 - - bgsave 命令,异步化,创建子线程进行持久化,不会阻塞其他命令 -- 自动化触发 - - 根据修改数量、时间进行命令执行 - - save 900 1 # 900秒之内,对数据库进行了一次修改就执行 bgsave 命令 - - save 300 10 # 300秒之内,对数据库进行了十次修改就执行 bgsave 命令 - - save 60 10000 # 60秒之内,对数据库进行了一万次修改就执行 bgsav e命令 - -### AOF ->将写命令添加到 AOF 文件(Append Only File)的末尾(MySQL Binlog、HBase HLog). - -- 随着服务器写请求的增多,AOF 文件会越来越大.Redis 提供了一种将 AOF 重写的特性,能够去除 AOF 文件中的冗余写命令 -- 使用 AOF 持久化需要设置同步选项,从而确保写命令什么时候会同步到磁盘文件上.这是因为对文件进行写入并不会马上将内容同步到磁盘上,而是先存储到缓冲区,然后由操作系统决定什么时候同步到磁盘. -#### 同步机制 -- always 每个命令都同步 -- eversec 每秒同步 -- no 操作系统决定同步时间 -#### AOF重写 -- 对多条原生命令进行优化,重写成简化的命令以减少磁盘占用量、提高故障恢复效率. -- 当 AOF 文件过大或增长速度过快时自动触发 -- 配置 - - auto-aof-rewrite-min-size:AOF 文件重写需要的大小 - - auto-aof-rewrite-percentage:AOF 文件增长率 - - - aofcurrentsize:AOF 当前大小 - - aof-base-size:AOF 上次启动和重写的大小 -- 触发条件 - - aof_current_size > auto-aof-rewrite-min-size - - aof_current_size - aof_base_size/aof_base_size > auto-aof-rewrite-percentage - -## 集群 -### 主从复制 -#### 主从链(拓扑结构) - - - - -#### 复制模式 -- 全量复制:master 全部同步到 slave -- 部分复制:slave 数据丢失进行备份 - -#### 问题点 -- 同步故障 - - 复制数据延迟(不一致) - - 读取过期数据(Slave 不能删除数据) - - 从节点故障 - - 主节点故障 -- 配置不一致 - - maxmemory 不一致:丢失数据 - - 优化参数不一致:内存不一致. -- 避免全量复制 - - 选择小主节点(分片)、低峰期间操作. - - 如果节点运行 id 不匹配(如主节点重启、运行 id 发送变化),此时要执行全量复制,应该配合哨兵和集群解决. - - 主从复制挤压缓冲区不足产生的问题(网络中断,部分复制无法满足),可增大复制缓冲区( rel_backlog_size 参数). -- 复制风暴 - -### 哨兵机制 -#### 拓扑图 - - -#### 节点下线 -- 客观下线 - - 所有 Sentinel 节点对 Redis 节点失败要达成共识,即超过 quorum 个统一. -- 主管下线 - - 即 Sentinel 节点对 Redis 节点失败的偏见,超出超时时间认为 Master 已经宕机. -#### leader选举 -- 选举出一个 Sentinel 作为 Leader:集群中至少有三个 Sentinel 节点,但只有其中一个节点可完成故障转移.通过以下命令可以进行失败判定或领导者选举. -- 选举流程 - 1. 每个主观下线的 Sentinel 节点向其他 Sentinel 节点发送命令,要求设置它为领导者. - 1. 收到命令的 Sentinel 节点如果没有同意通过其他 Sentinel 节点发送的命令,则同意该请求,否则拒绝. - 1. 如果该 Sentinel 节点发现自己的票数已经超过 Sentinel 集合半数且超过 quorum,则它成为领导者. - 1. 如果此过程有多个 Sentinel 节点成为领导者,则等待一段时间再重新进行选举. -#### 故障转移 -- 转移流程 - 1. Sentinel 选出一个合适的 Slave 作为新的 Master(slaveof no one 命令). - 1. 向其余 Slave 发出通知,让它们成为新 Master 的 Slave( parallel-syncs 参数). - 1. 等待旧 Master 复活,并使之称为新 Master 的 Slave. - 1. 向客户端通知 Master 变化. -- 从 Slave 中选择新 Master 节点的规则(slave 升级成 master 之后) - 1. 选择 slave-priority 最高的节点. - 1. 选择复制偏移量最大的节点(同步数据最多). - 1. 选择 runId 最小的节点. -#### 读写分离 -#### 定时任务 -- 每 1s 每个 Sentinel 对其他 Sentinel 和 Redis 执行 ping,进行心跳检测. -- 每 2s 每个 Sentinel 通过 Master 的 Channel 交换信息(pub - sub). -- 每 10s 每个 Sentinel 对 Master 和 Slave 执行 info,目的是发现 Slave 节点、确定主从关系. - -### 分布式集群(Cluster) -#### 拓扑图 - - - -#### 通讯 -##### 集中式 -> 将集群元数据(节点信息、故障等等)几种存储在某个节点上. -- 优势 - 1. 元数据的更新读取具有很强的时效性,元数据修改立即更新 -- 劣势 - 1. 数据集中存储 -##### Gossip - - -- [Gossip 协议](https://www.jianshu.com/p/8279d6fd65bb) - -#### 寻址分片 -##### hash取模 -- hash(key)%机器数量 -- 问题 - 1. 机器宕机,造成数据丢失,数据读取失败 - 1. 伸缩性 -##### 一致性hash --  - -- 问题 - 1. 一致性哈希算法在节点太少时，容易因为节点分布不均匀而造成缓存热点的问题。 - - 解决方案 - - 可以通过引入虚拟节点机制解决：即对每一个节点计算多个 hash，每个计算结果位置都放置一个虚拟节点。这样就实现了数据的均匀分布，负载均衡。 -##### hash槽 -- CRC16(key)%16384 -- - - - - - - - -## 使用场景 -### 热点数据 -### 会话维持 session -### 分布式锁 SETNX -### 表缓存 -### 消息队列 list -### 计数器 string - - - - - -## 缓存设计 -### 更新策略 -- LRU、LFU、FIFO 算法自动清除:一致性最差,维护成本低. -- 超时自动清除(key expire):一致性较差,维护成本低. -- 主动更新:代码层面控制生命周期,一致性最好,维护成本高. -### 更新一致性 -- 读请求:先读缓存,缓存没有的话,就读数据库,然后取出数据后放入缓存,同时返回响应. -- 写请求:先删除缓存,然后再更新数据库(避免大量地写、却又不经常读的数据导致缓存频繁更新). -### 缓存粒度 -- 通用性:全量属性更好. -- 占用空间:部分属性更好. -- 代码维护成本. - -### 缓存穿透 -> 当大量的请求无命中缓存、直接请求到后端数据库(业务代码的 bug、或恶意攻击),同时后端数据库也没有查询到相应的记录、无法添加缓存. - 这种状态会一直维持,流量一直打到存储层上,无法利用缓存、还会给存储层带来巨大压力. -> -#### 解决方案 -1. 请求无法命中缓存、同时数据库记录为空时在缓存添加该 key 的空对象(设置过期时间)，缺点是可能会在缓存中添加大量的空值键(比如遭到恶意攻击或爬虫)，而且缓存层和存储层数据短期内不一致； -1. 使用布隆过滤器在缓存层前拦截非法请求、自动为空值添加黑名单(同时可能要为误判的记录添加白名单).但需要考虑布隆过滤器的维护(离线生成/ 实时生成). -### 缓存雪崩 -> 缓存崩溃时请求会直接落到数据库上,很可能由于无法承受大量的并发请求而崩溃,此时如果只重启数据库,或因为缓存重启后没有数据,新的流量进来很快又会把数据库击倒 -> -#### 出现后应对 -- 事前:Redis 高可用,主从 + 哨兵,Redis Cluster,避免全盘崩溃. -- 事中:本地 ehcache 缓存 + hystrix 限流 & 降级,避免数据库承受太多压力. -- 事后:Redis 持久化,一旦重启,自动从磁盘上加载数据,快速恢复缓存数据. -#### 请求过程 -1. 用户请求先访问本地缓存,无命中后再访问 Redis,如果本地缓存和 Redis 都没有再查数据库,并把数据添加到本地缓存和 Redis； -1. 由于设置了限流,一段时间范围内超出的请求走降级处理(返回默认值,或给出友情提示). - - -## 事件型驱动 -### 文件 -### 时间 -### 调度&执行 -