Redis集群以及应用场景文档的补充

Author: LiWenGu

docs/database/Redis/redis集群以及应用场景.md

@@ -1,6 +1,7 @@
 相关阅读：
 
 - [史上最全Redis高可用技术解决方案大全](https://mp.weixin.qq.com/s?__biz=Mzg2OTA0Njk0OA==&mid=2247484850&idx=1&sn=3238360bfa8105cf758dcf7354af2814&chksm=cea24a79f9d5c36fb2399aafa91d7fb2699b5006d8d037fe8aaf2e5577ff20ae322868b04a87&token=1082669959&lang=zh_CN&scene=21#wechat_redirect)
+- [Raft协议实战之Redis Sentinel的选举Leader源码解析](http://weizijun.cn/2015/04/30/Raft%E5%8D%8F%E8%AE%AE%E5%AE%9E%E6%88%98%E4%B9%8BRedis%20Sentinel%E7%9A%84%E9%80%89%E4%B8%BELeader%E6%BA%90%E7%A0%81%E8%A7%A3%E6%9E%90/)
 
 <!-- TOC -->
 
@@ -13,7 +14,7 @@
         - [哨兵机制](#哨兵机制)
             - [拓扑图](#拓扑图)
             - [节点下线](#节点下线)
-            - [leader选举](#leader选举)
+            - [Leader选举](#Leader选举)
             - [故障转移](#故障转移)
             - [读写分离](#读写分离)
             - [定时任务](#定时任务)
@@ -52,13 +53,14 @@
 ### 主从复制
 
 #### 主从链(拓扑结构)
+
 ![主从](https://user-images.githubusercontent.com/26766909/67539461-d1a26c00-f714-11e9-81ae-61fa89faf156.png)
 
 ![主从](https://user-images.githubusercontent.com/26766909/67539485-e0891e80-f714-11e9-8980-d253239fcd8b.png)
 
 #### 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
+- 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
@@ -78,23 +80,30 @@
 ### 哨兵机制
 
 #### 拓扑图
+
 ![image](https://user-images.githubusercontent.com/26766909/67539495-f0086780-f714-11e9-9eab-c11a163ac6c0.png)
 
 #### 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。
+
 - 主观下线
     - 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。
+    - Sentinel 集群的每一个 Sentinel 节点会定时对 Redis 集群的所有节点发心跳包检测节点是否正常。如果一个节点在 `down-after-milliseconds` 时间内没有回复 Sentinel 节点的心跳包，则该 Redis 节点被该 Sentinel 节点主观下线。
+- 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。
+    - 当节点被一个 Sentinel 节点记为主观下线时，并不意味着该节点肯定故障了，还需要 Sentinel 集群的其他 Sentinel 节点共同判断为主观下线才行。
+    - 该 Sentinel 节点会询问其它 Sentinel 节点，如果 Sentinel 集群中超过 quorum 数量的 Sentinel 节点认为该 Redis 节点主观下线，则该 Redis 客观下线。
 
-#### 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。
+#### 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.
     2. 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。
     3. 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。
     4. 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)。
     2. 向其余 Slave 发出通知，让它们成为新 Master 的 Slave( parallel-syncs 参数)。
@@ -105,9 +114,12 @@
     2. 选择复制偏移量最大的节点(同步数据最多)。
     3. 选择 runId 最小的节点。
 
+>Sentinel 集群运行过程中故障转移完成，所有 Sentinel 又会恢复平等。Leader 仅仅是故障转移操作出现的角色。
+
 #### 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。
@@ -121,26 +133,30 @@
 #### 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
+
 ![image](https://user-images.githubusercontent.com/26766909/67539546-16c69e00-f715-11e9-9891-1e81b6af624c.png)
 
 - [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
+
 - ![image](https://user-images.githubusercontent.com/26766909/67539595-352c9980-f715-11e9-8e4a-9d9c04027785.png)
 
 - 问题
@@ -149,6 +165,7 @@
             - 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
 - 
 ![image](https://user-images.githubusercontent.com/26766909/67539610-3fe72e80-f715-11e9-8e0d-ea58bc965795.png)
@@ -197,36 +214,52 @@ DECR key：给 key 的 value 值减去一
 ## 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。
 
+在 Redis 根据在 redis.conf 的参数 `maxmemory` 来做更新淘汰策略：
+1. noeviction: 不删除策略, 达到最大内存限制时, 如果需要更多内存, 直接返回错误信息。大多数写命令都会导致占用更多的内存(有极少数会例外, 如 DEL )。
+2. allkeys-lru: 所有key通用; 优先删除最近最少使用(less recently used ,LRU) 的 key。
+3. volatile-lru: 只限于设置了 expire 的部分; 优先删除最近最少使用(less recently used ,LRU) 的 key。
+4. allkeys-random: 所有key通用; 随机删除一部分 key。
+5. volatile-random: 只限于设置了 expire 的部分; 随机删除一部分 key。
+6. volatile-ttl: 只限于设置了 expire 的部分; 优先删除剩余时间(time to live,TTL) 短的key。
+
 ### 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；
 2. 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；
 2. 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)。