5.docker入门到精通—安装redis集群（理论）

你的名字 2023-09-27 16:18 123阅读 0赞

\*\*面试题：\*\*1-2 亿条数据需要缓存，请问如何设计这个存储案例：

\*\*回答：\*\*单机单台 100%不可能，肯定是分布式存储，用 redis 如何落地？（一般业界有 3种 解决方案）

### 方案一、哈希取余分区 ###

![9f1a41e49a0a971aa1afa575e4e7f5fe.png][]

2亿条记录就是 2 亿个 k,v，我们单机不行必须要分 布式多机，假设有 3 台机器构成一个集群，用户每次读写操作都是根据公式：hash(key) % N 个机器台数，计算出哈希值，用来决定数据映射到哪一个节点上。

**【优点】：**

简单粗暴，直接有效，只需要预估好数据规划好 节点，例如 3 台、8 台、10 台，就能保证一段时间 的数据支撑。使用 Hash 算法让固定的一部分请求落到同一台服务器上，这样每台服务器固定处理一部分请求（并维护这些请求的信息），起到负载均衡+分而治之的作用。

**【缺点】：**

原来规划好的节点，进行扩容或者缩容就比较麻 烦了额，不管扩缩，每次数据变动导致节点有变 动，映射关系需要重新进行计算，在服务器个数固 定不变时没有问题，如果需要弹性扩容或故障停机 的情况下，原来的取模公式就会发生变化：

Hash(key)/3 会变成 Hash(key) /?。此时地址经过取余运算的结果将发生很大变化，根据公式获取的服 务器也会变得不可控。 某个 redis 机器宕机了，由于台数数量变化，会导致 hash 取余全部数据重新洗牌。

### 方案二、一致性哈希算法分区 ###

【**是什么**】：一致性哈希算法在 1997 年由麻省理工学院中提出的，设计目标是为了解决 分布式缓存数据变动和映射问题，某个机器宕机 了，分母数量改变了，自然取余数不 OK 了。

**【能干嘛】**：提出一致性 Hash 解决方案。 **目的是当服务器个数发生变动时， 尽量减少影响客户端到服务器的映射关系** 。

**【步骤】：**

*  算法构建一致性哈希环

*  服务器 IP 节点映射

*  key 落到服务器的落键规则

**【优点】：**

*  容错性

假设 Node C 宕机，可以看到此时对象 A、B、D 不 会受到影响，只有 C 对象被重定位到 Node D。一般 的，在一致性 Hash 算法中，如果一台服务器不可 用，则受影响的数据仅仅是此服务器到其环空间中 前一台服务器（即沿着逆时针方向行走遇到的第一 台服务器）之间数据，其它不会受到影响。简单 说，就是 C 挂了，受到影响的只是 B、C 之间的数 据，并且这些数据会转移到 D 进行存储。

*  扩展性

数据量增加了，需要增加一台节点 NodeX，X 的位 置在 A 和 B 之间，那收到影响的也就是 A 到 X 之间 的数据，重新把 A 到 X 的数据录入到 X 上即可， 不会导致 hash 取余全部数据重新洗牌。

\*\*【缺点】：\*\*数据倾斜

一致性 Hash 算法在服务节点太少时，容易因为节点 分布不均匀而造成数据倾斜（被缓存的对象大部分 集中缓存在某一台服务器上）问题， 例如系统中只有两台服务器：

![ea41247f091083d4edf7133e15745c83.png][]

**【小总结】**

为了在节点数目发生改变时尽可能少的 迁移数据，将所有的存储节点排列在收尾相接的Hash 环上，每个 key 在计算 Hash 后会 顺时针找到临近的存储节点存放。 而当有节点加入或退出时仅影响该节点在Hash环上顺时针相邻的后续节点。

优点： 加入和删除节点只影响哈希环中顺时针 方向的相邻的节点，对其他节点无影响。

缺点： 数据的分布和节点的位置有关，因为这些节点不是均匀的分布在哈希环上的， 所以数据在进行存储时达不到均匀分布的效果。

### 方案三、哈希槽分区 ###

1 为什么出现哈希槽实质就是一个数组，数组\[0,2^14 -1\]形成hash slot空间。解决一\*\*致性哈希算法分区的倾斜问题\*\*\*\*。\*\*2 能干什么解决均匀分配的问题，在数据和节点之间又加入了一层，把这层称为哈希槽（slot），用于管理数据和节点之间的关系，现在就相当于节点上放的是槽，槽里放的是数据。

![7bd559ba67b95cce3c8e79ff27827ad2.png][]

槽解决的是粒度问题，相当于把粒度变大了，这样便于数据移动。哈希解决的是映射问题，使用key的哈希值来计算所在的槽，便于数据分配。3 多少个hash槽一个集群只能有16384个槽，编号0-16383（0-2^14-1）。这些槽会分配给集群中的所有主节点，分配策略没有要求。可以指定哪些编号的槽分配给哪个主节点。集群会记录节点和槽的对应关系。解决了节点和槽的关系后，接下来就需要对key求哈希值，然后对16384取余，余数是几key就落入对应的槽里。slot = CRC16(key) % 16384。以槽为单位移动数据，因为槽的数目是固定的，处理起来比较容易，这样数据移动问题就解决了。

Redis 集群中内置了 16384 个哈希槽，redis 会根据节点数量大致均等的将哈希槽映射到不同的节点。当需要在 Redis 集群中放置一个 key-value时，redis 先对 key 使用 crc16 算法算出一个结果，然后把结果对 16384 求余数，这样每个 key 都会对应一个编号在 0-16383 之间的哈希槽，也就是映射到某个节点上。如下代码，key之A 、B在Node2， key之C落在Node3上。

![d3c6bc758d7ec0599fcb632df55d47a7.png][]

![3b61391616073c9621d09247dec70d63.png][]

[9f1a41e49a0a971aa1afa575e4e7f5fe.png]: https://img-blog.csdnimg.cn/img_convert/9f1a41e49a0a971aa1afa575e4e7f5fe.png
[ea41247f091083d4edf7133e15745c83.png]: https://img-blog.csdnimg.cn/img_convert/ea41247f091083d4edf7133e15745c83.png
[7bd559ba67b95cce3c8e79ff27827ad2.png]: https://img-blog.csdnimg.cn/img_convert/7bd559ba67b95cce3c8e79ff27827ad2.png
[d3c6bc758d7ec0599fcb632df55d47a7.png]: https://img-blog.csdnimg.cn/img_convert/d3c6bc758d7ec0599fcb632df55d47a7.png
[3b61391616073c9621d09247dec70d63.png]: https://img-blog.csdnimg.cn/img_convert/3b61391616073c9621d09247dec70d63.png