Redis学习笔记11--Redis分布式

Redis-2.4.15目前没有提供集群的功能，Redis作者在博客中说将在3.0中实现集群机制。目前Redis实现集群的方法主要是采用一致性哈稀分片（Shard），将不同的key分配到不同的redis server上，达到横向扩展的目的。下面来介绍一种比较常用的分布式场景：

在读写操作比较均匀且实时性要求较高，可以用下图的分布式模式：

在读操作远远多于写操作时，可以用下图的分布式模式：

对于一致性哈稀分片的算法，Jedis-2.0.0已经提供了，下面是使用示例代码（以ShardedJedisPool为例）：

package com.jd.redis.client;

import java.util.ArrayList;

import java.util.List;

import redis.clients.jedis.JedisPoolConfig;

import redis.clients.jedis.JedisShardInfo;

import redis.clients.jedis.ShardedJedis;

import redis.clients.jedis.ShardedJedisPool;

import redis.clients.util.Hashing;

import redis.clients.util.Sharded;

publicclass RedisShardPoolTest {

static ShardedJedisPoolpool;

static{

JedisPoolConfig config =new JedisPoolConfig();//Jedis池配置

config.setMaxActive(500);//最大活动的对象个数

config.setMaxIdle(1000 * 60);//对象最大空闲时间

config.setMaxWait(1000 * 10);//获取对象时最大等待时间

config.setTestOnBorrow(true);

String hostA = "10.10.224.44";

int portA = 6379;

String hostB = "10.10.224.48";

int portB = 6379;

List<JedisShardInfo> jdsInfoList =new ArrayList<JedisShardInfo>(2);

JedisShardInfo infoA = new JedisShardInfo(hostA, portA);

infoA.setPassword("redis.360buy");

JedisShardInfo infoB = new JedisShardInfo(hostB, portB);

infoB.setPassword("redis.360buy");

jdsInfoList.add(infoA);

jdsInfoList.add(infoB);

pool =new ShardedJedisPool(config, jdsInfoList, Hashing.MURMUR_HASH,

Sharded.DEFAULT_KEY_TAG_PATTERN);

}

/**

* @param args

*/

publicstaticvoid main(String[] args) {

for(int i=0; i<100; i++){

String key = generateKey();

//key += "{aaa}";

ShardedJedis jds = null;

try {

jds = pool.getResource();

System.out.println(key+":"+jds.getShard(key).getClient().getHost());

System.out.println(jds.set(key,"1111111111111111111111111111111"));

} catch (Exception e) {

e.printStackTrace();

}

finally{

pool.returnResource(jds);

}

}

}

privatestaticintindex = 1;

publicstatic String generateKey(){

return String.valueOf(Thread.currentThread().getId())+"_"+(index++);

}

}

从运行结果中可以看到，不同的key被分配到不同的Redis-Server上去了。

实际上，上面的集群模式还存在两个问题：

1.       扩容问题：

因为使用了一致性哈稀进行分片，那么不同的key分布到不同的Redis-Server上，当我们需要扩容时，需要增加机器到分片列表中，这时候会使得同样的key算出来落到跟原来不同的机器上，这样如果要取某一个值，会出现取不到的情况，对于这种情况，Redis的作者提出了一种名为Pre-Sharding的方式：

Pre-Sharding方法是将每一个台物理机上，运行多个不同断口的Redis实例，假如有三个物理机，每个物理机运行三个Redis实际，那么我们的分片列表中实际有9个Redis实例，当我们需要扩容时，增加一台物理机，步骤如下：

A.     在新的物理机上运行Redis-Server；

B.      该Redis-Server从属于(slaveof)分片列表中的某一Redis-Server（假设叫RedisA）；

C.      等主从复制(Replication)完成后，将客户端分片列表中RedisA的IP和端口改为新物理机上Redis-Server的IP和端口；

D.     停止RedisA。

这样相当于将某一Redis-Server转移到了一台新机器上。Prd-Sharding实际上是一种在线扩容的办法，但还是很依赖Redis本身的复制功能的，如果主库快照数据文件过大，这个复制的过程也会很久，同时会给主库带来压力。所以做这个拆分的过程最好选择为业务访问低峰时段进行。

http://blog.nosqlfan.com/html/3153.html

2.       单点故障问题：

还是用到Redis主从复制的功能，两台物理主机上分别都运行有Redis-Server，其中一个Redis-Server是另一个的从库，采用双机热备技术，客户端通过虚拟IP访问主库的物理IP，当主库宕机时，切换到从库的物理IP。只是事后修复主库时，应该将之前的从库改为主库（使用命令slaveof no one），主库变为其从库（使命令slaveof IP PORT），这样才能保证修复期间新增数据的一致性。