Redis集群 应用问题
Redis集群
前言
容量不够，redis如何进行扩容？
并发写操作，redis如何分摊？
另外，主从模式，薪火相传模式，主机宕机，导致ip地址发生变化，应用程序中配置需要修改对应的主机地址、端口等信息。
之前通过代理主机来解决，但是redis3.0中提供了解决方案。就是无中心化集群配置。
什么是代理主机?
8台
什么是集群？
6台
Redis 集群实现了对Redis的水平扩容，即启动N个redis节点，将整个数据库分布存储在这N个节点中，每个节点存储总数据的1/N。
Redis集群通过分区( partition )来提供—定程度的可用性( availability ):即使集群中有一部分节点失效或者无法进行通讯，集群也可以继续处理命令请求。
怎么样搭建集群？
1.删除持久化操作（将rdb，aof文件都删除掉）
2.制作6个实例，6379，6380，6381，6389，6390，6391
3.redis cluster配置修改
cluster-enabled yes 打开集群模式
cluster-config-file nodes-6379.conf 设定节点配置文件名
cluster-node-timeout 15000 设定节点失联时间，超过该时间（毫秒），集群自动进行主从切换
4.启动6个redis服务
5.将六个节点合成一个集群
组合之前，请确保所有redis实例启动后，node-xxxx.conf文件都生成正常
Redis集群即完成搭建
测试
-c 采用集群策略连接，设置数据会自动切换到相应的写到主机
查看集群信息:
redis cluster 如何分配这六个节点？
一个集群至少要有三个主节点。
选项–cluster-replicas 1 表示我们希望为集群中的每个主节点创建一个从节点。
分配原则尽量保证每个主数据库运行在不同的IP地址，每个从库和主库不在一个IP地址上。
什么是slots？
一个Redis集群包含16384个插槽（hash slot），数据库中的每个键都属于这16384个插槽的其中一个。
集群使用公式CRC16 (key)%16384来计算键key属于哪个槽，其中CRC16(key)语句用于计算键key的CRC16校验和。
集群中的每个节点负责处理一部分插槽。举个例子。如果一个集群可以有主节点，其中
节点A负责处理0号至5460号插槽‘
节点B负责处理5461号至10922号插槽
节点C负责处理10923号至16383号插槽
插槽的目的：平均将数据分配到主机里面
同时加入多个值（会报错）
如何加入多个值
查询集群中的值
计算key的插槽值
计算插槽值里面有几个键
返回插槽中key值的数量
故障恢复
主机奔溃之后其后的从机来顶替，但主机故障恢复后，变为从机
如果某一段插槽的主从都挂掉，而cluster-require-full-coverage为yes ，那么，整个集群都挂掉
如果某一段插槽的主从都挂掉，而cluster-require-full-coverage为no ,那么，该插槽数据全都不能使用，也无法存储。
redis.conf中的参数cluster-require-full-coverage。
集群的jedis开发
示例代码：
/*
* 演示redis集群操作*/
public class RedisClusterDemo {
public static void main(String[] args) {
//创建对象
HostAndPort hostAndPort = new HostAndPort("192.168.80.130",6379);
JedisCluster jedisCluster = new JedisCluster(hostAndPort);
//进行操作
jedisCluster.set("b1","value1");
String value = jedisCluster.get("b1");
System.out.println("value:"+value);
jedisCluster.close();
}
}
集群的好处
实现扩容
分摊压力
无中心配置相对简单
集群的不足
多键操作是不被支持的
多键的 Redis 事务是不被支持的。lua脚本不被支持
由于集群方案出现较晚，很多公司已经采用了其他的集群方案，而代理或者客户端分片的方案想要迁移至redis cluster，需要整体迁移而不是逐步过渡，复杂度较大。
Redis应用问题解决
缓存穿透
1.应用服务器压力变大了
2.redis命中率降低
3.一直查询数据库
产生原因
1.redis查询不到数据库
2.出现很多非正常url
解决方案
( 1）对空值缓存∶如果一个查询返回的数据为空(不管是数据是否不存在),找们仍然把这个空结果( null)进行缓存，设置空结果的过期时间会很短，最长不超过五分钟
(2)设置可访问的名单（白名单) ∶使用bitmaps类型定义一个可以访问的名单，名单id作为bitmaps的偏移量，每次访问和bitmap里面的i记d进行比较，如果访问id不在 bitmaps 里面，进行拦截，不允许访问。
( 3）采用布隆过滤器∶(布隆过滤器（Bloom Filter )是1970年由布隆提出的。它实际上是一个很长的二进制向量(位图)和一系列随机映射函数（哈希函数)。布隆过滤器可以用于检索一个元素是否在一个集合中。它的优点是空间效率和查询时间都远远超过一般的算法，缺点是有一定的误识别率和删除困难。)
将所有可能存在的数据哈希到.个足够大的 bitmaps 中，一个一定不存在的数据会被这个 bitmaps 拦截掉，从而避免了对底层存储系统的查询压力。
(4)进行实时监控:当发现Redis 的命中率开始急速降低，需要排查访回对象和访问的数据，和运维人员配合，可以设置黑名单限制服务。
缓存击穿
1.数据库访问压力瞬间增加
2.redis里面没有出现大量key过期
3.redis正常运行
产生原因
redis某个key过期了，大量访问使用了这个key
解决方案
1.预先设置热门数据:在redis高峰访问之前，把一些热门数据提前存入到redis里面，加大这些热门数据key的时长
2.实时调整:现场监控哪些数据热门，实时调整key的过期时长
3.使用锁:
( 1)就是在缓存失效的时候(判断拿出来的值为空），不是立即去 load db。
(2)先使用缓存工具的某些带成功操作返回值的操作(比如Redis 的SETNX )去set—个mutex key
( 3 )当操作返回成功时，再进行 load db的操作，并回设缓存,最后删除 mutex
当操作返回失败，证明有线程在load db，当前线程睡眠一段时间再重试整个get缓存的方法。
缓存雪崩
数据库压力变大服务器崩溃
产生原因
在极少时间段，查询大量key的集中过期情况
解决方案
(1)构建多级缓存架构:nginx缓存 + redis缓存 + 其他缓存(ehcache等)
(2)使用锁或队列：用加锁或者队列的方式保证来保证不会有大量的线程对数据库一次性进行读写，从而避免失效时大量的并发请求落到底层存储系统上。不适用高并发情况
(3)设置过期标志更新缓存∶
记录缓存数据是否过期（设置提前量），如果过期会触发通知另外的线程在后台去更新实际key的缓存
(4)将缓存失效时间分散开:
比如我们可以在原有的失效时间基础上增加一个随机值，比如1-5分钟随机，这样每一个缓存的过期时间的重复率就会降低，就很难引发集体失效的事件
转载：https://blog.csdn.net/m0_62434717/article/details/128539349