（九）Redis 哨兵机制与集群

主从复制中，如果从库发生故障了，客户端可以继续向主库或其他从库发送请求，但是如果主库发生故障了肿么办呢？读请求，那还可以由从库继续提供服务，写请求就么得办法了。此时，哨兵机制就登场了，解决3个问题：

（1）主库真的挂了吗？

（2）该选择哪个从库作为主库？

（3）怎么把新主库的相关信息通知给从库和客户端呢？

哨兵就是一个运行在特殊模式下的 Redis 进程，与主从库实例同时运行，主要负责的就是3个任务：监控、选主、通知：

（1）监控：是指哨兵进程在运行时，周期性地给所有的主从库发送 PING 命令，检测它们是否仍然在线运行，没有在规定时间内响应哨兵的 PING 命令，哨兵就会把它标记为“下线状态”，如果是主库下线，自动开始切换主库的流程。

（2）选主：是指主库挂了以后，哨兵就需要从很多个从库里，按照一定的规则选择一个从库实例，把它作为新的主库。这一步完成后，集群里就有了新主库。

（3）通知：是指哨兵会把新主库的连接信息发给其他从库，让它们执行 replicaof 命令，和新主库建立连接，并进行数据复制。同时，把新主库的连接信息通知给客户端，让它们把请求操作发到新主库上。在这三个任务中，通知任务相对来说比较简单，哨兵只需要把新主库信息发给从库和客户端，让它们和新主库建立连接就行，并不涉及决策的逻辑。而监控和选主这两个任务中，哨兵需要做出两个决策：

（1）在监控任务中，哨兵需要判断主库是否处于下线状态

（2）在选主任务中，哨兵也要决定选择哪个从库实例作为主库

监控

主库的下线状态有“主观下线”和“客观下线”两种，当 PING 命令的响应超时了，那么，哨兵就会先把它标记为“主观下线”。如果是从库，影响不大，如果是主库，就要开始选主。一旦启动了主从切换，后续的选主和通知操作都会带来额外的计算和通信开销，为了避免这些不必要的开销，我们要特别注意误判的情况。误判就是主库实际并没有下线，但是哨兵误以为它下线了，一般会发生在集群网络压力较大、网络拥塞，或者是主库本身压力较大的情况下。

通常会采用多哨兵组成的集群模式进行部署，降低误判的概率，这也被称为哨兵集群。大多数的哨兵都判断主库已经“主观下线”了，主库才会被标记为“客观下线”，判断原则就是：少数服从多数。简单来说，“客观下线”的标准就是，当有 N 个哨兵实例时，最好要有 N/2 + 1 个实例判断主库为“主观下线”，才能最终判定主库为“客观下线”。这样一来，就可以减少误判的概率，也能避免误判带来的无谓的主从库切换。（当然，有多少个实例做出“主观下线”的判断才可以，可以由 Redis 管理员自行设定）**

选主

在选主时，要先保证所选的从库仍然在线运行，还要判断它之前的网络连接状态，如果从库总是和主库连接的网络状况并不是太好，就要这个从库筛掉了。具体判断规则是配置项 down-after-milliseconds * 10，down-after-milliseconds 是我们认定主从库断连的最大连接超时时间。如果在 down-after-milliseconds 毫秒内，主从节点都没有通过网络联系上，我们就可以认为主从节点断连了。如果发生断连的次数超过了 10 次，就说明这个从库的网络状况不好，不适合作为新主库。

剩余的从库按3个规则依次打分，只要在某一轮中，有从库得分最高，那么它就是主库了，选主过程到此结束。如果没有出现得分最高的从库，那么就继续进行下一轮。

（1）优先级最高的从库得分高

slave-priority 优先级配置项，比如某个从库内存最大设置了高优先级，将会优先成为新主库，否则进入下一轮打分。

（2）和旧主库同步程度最接近的从库得分高

如果有从库的 slave_repl_offset 最接近旧主库 master_repl_offset，那么它的得分就最高，否则进入下一轮打分。

（3）ID 号小的从库得分高

每个实例都会有一个 ID，在优先级和复制进度都相同的情况下，ID 号最小的从库得分最高，会被选为新主库。

哨兵选择新主库的过程称可以总结为“筛选 + 打分”，按照在线状态、网络状态，筛选过滤掉一部分不符合要求的从库，然后，依次按照优先级、复制进度、ID 号大小再对剩余的从库进行打分，只要有得分最高的从库出现，就把它选为新主库。