redis集群和哨兵 redis集群和哨兵那个好
redis怎么做到高可用的 高并发
redis高可用：如果你做主从架构部署，其实就是主从，是指将一台Redis的数据，到其他的Redis。前者称为主()，后者称为从(sle)，数据的是单向的，只能由主到从。加上哨兵就可以了，就可以实现，任何一个实例宕机，自动会进行主备切换。
redis集群和哨兵 redis集群和哨兵那个好
redis集群和哨兵 redis集群和哨兵那个好
redis高并发：主从架构，一主多从，一般来说，很多项目其实就足够了，单主用来写入数据，单机几万QPS，多从用来查询数据，多个从实例可以提供每秒10万的QPS。
redis高并发的同时，还需要容纳大量的数据：一主多从，每个实例都容纳了完整的数据，比如redis主就10G的内存量，redis哨兵技术主要作用和解决的问题是：其实你就最对只能容纳10g的数据量。如果你的缓存要容纳的数据量很大，达到了几十g，甚至几百g，或者是几t，那你就需要redis集群，而且用redis集群之后，可以提供可能每秒几十万的读写并发。
2、redis不能支撑高并发的瓶颈在哪里？
单机
读写分离，一般来说，对缓存，一般都是用来支撑读高并发的，写的请求是比较少的，可能写请求也就一秒钟几千，一两千
大量的请求都是读，一秒钟二十万次读
主从架构 -> 读写分离 -> 支撑10万+读QPS的架构
详解Redis 主从及主从原理
redis-cluster的数据分片是通过redis-cluster的哈希槽来实现的，redis-cluster有16384个哈希槽，这个数量是固定的，根据集群中的数量可以手动的调配每个服务上存放的hash槽的数量，哈希槽之间是相互的，因此对集群的扩展提供了便利。Redis是一个开源的使用ANSI C语言编写、支持网络、可基于内存亦可持久化的日志型、Key-Value数据库，并提供多种语言的API。从2010年3月15日起，Redis的开发工作由VMware主持。从2013年5月开始，Redis的开发由Pivotal赞助。
在现有企业中80%公司大部分使用的是redis单机服务，在实际的场景当中单一的redis容易面临风险。
2、容量瓶颈。 当我们有需求需要扩容 Redis 内存时，从 16G 的内存升到 64G，单机肯定是满足不了。当然，你可以重新买个 128G 的新机器。
解决办法
要实现分布式数据库的更大的存储容量和承受高并发访问量，我们会将原来集中式数据库的数据分别存储到其他多个网络上。
Redis 为了解决这个单一的问题，也会把数据多个副本部署到其他上进行，实现 Redis的高可用，实现对数据的冗余备份，从而保证数据和服务的高可用。
主从
什么确定由哪个哨兵执行主从切换的过程，和主库“客观下线”的判断过程类似，也是一个“投票仲裁”的过程。是主从
默认情况下，每台Redis都是主；且一个主可以有多个从(或没有从)，但一个从只能有一个主。
主从的作用
1、数据冗余： 主从实现了数据的热备份，是持久化之外的一种数据冗余方式。
2、故障恢复： 当主出现问题时，可以由从提供服务，实现快速的故障恢复；实际上是一种服务的冗余。
3、负载均衡： 在主从的基础上，配合读写分离，可以由主提供写服务，由从提供读服务（即写Redis数据时应用连接主，读Redis数据时应用连接从），分担负载；尤其是在写少读多的场景下，通过多个从分担读负载，可以大大提高Redis的并发量。
4、读写分离： 可以用于实现读写分离，主库写、从库读，读写分离不仅可以提高的负载能力，同时可根据需求的变化，改变从库的数量。
5、高可用基石： 除了上述作用以外，主从还是哨兵和集群能够实施的基础，因此说主从是Redis高可用的基础。
从开启主从，有3种方式：
1、配置文件： 在从的配置文件中加入 sleof 。 3、客户端命令： Redis启动后，直接通过客户端执行命令 sleof ，则该Redis实例成为从。 通过 replication 命令可以看到的一些信息。 主从原理 在从执行 sleof 命令后，过程便开始运作，下面图示可以看出过程大致分为6个过程。 主从配置之后的日志记录也可以看出这个流程。 1、保存主（）信息 执行 sleof 后 Redis 会打印如下日志： 2、从与主建立网络连接 从（sle）内部通过每秒运行的定时任务维护相关逻辑，当定时任务发现存在新的主后，会尝试与该建立网络连接。 从与主建立网络连接。 从会建立一个 socket 套接字，从建立了一个端口为51234的套接字，专门用于接受主发送的命令。从连接成功后打印如下日志： 如果从无法建立连接，定时任务会无限重试直到连接成功或者执行 sleofnoone 取消。 关于连接失败，可以在从执行 replication 查看 _link_down_since_seconds 指标，它会记录与主连接失败的系统时间。从连接主失败时也会每秒打印如下日志，方便发现问题： 3、发送 ping 命令 连接建立成功后从发送 ping 请求进行首次通信， ping 请求主要目的如下： 如果发送 ping 命令后，从没有收到主的 pong 回复或者超时，比如网络超时或者主正在阻塞无法响应命令，从会断开连接，下次定时任务会发起重连。 从发送的 ping 命令成功返回，Redis 打印如下日志，并继续后续流程： 4、权限验证 如果主设置了 requirepass 参数，则需要密码验证，从必须配置 auth 参数保证与主相同的密码才能通过验证。如果验证失败将终止，从重新发起流程。 5、同步数据集 主从连接正常通信后，对于首次建立的场景，主会把持有的数据全部发送给从，这部分作是耗时最长的步骤。 6、命令持续 当主把当前的数据同步给从后，便完成了的建立流程。接下来主会持续地把写命令发送给从，保证主从数据一致性。 作者：LoyaltyLu 链接： 本文基于对redis、zookpeer、rocketmq、elasticsearch学习总结，对于分布式系统学习，一定绕不开一个点，那就是CAP定理。什么是CAP定理，我这里简单的摘抄一下百度上的文案。 CAP原则又称CAP定理，指的是在一个分布式系统中，一致性（Consistency）、可用性（Availability）、分区容错性（Partition tolerance）。CAP 原则指的是，这三个要素最多只能同时实现两点，不可能三者兼顾。 CAP定理说明上述的三个要素不能兼顾，最多只能满足其中的两个要素，在分布式系统中，一般都是保证分区容错性，而在一致性和可用性之间做取舍。因此存在CP、AP两种分布式集群的实现。 CP集群，即满足一致性和分区容错性，如zookpeer AP集群，即满足可用性和分区容错性，如redis-cluster 下面，针对与上述的CP和AP问题，我们展开话题。 数据分片，很多分布式系统尤其是中间件服务，一般都会涉及高并发，数据量大的问题，如redis-cluster、recketmq，以及被大家熟知的Elasticsearch。针对于大数据量高并发的问题，若不做处理，的性能将会成为服务的瓶颈，解决的方案之一便是数据分片，将大数据量在集群中按照一定的规则分片，使数据按照一定的规则分布集群的不同上，以减轻单个的压力，保证服务集群的可用性。 rocketmq的分片和topic紧密相关，在使用rocketmq中，无论是消息的生产者还是消费者都需要注册一个topic。在rocketmq集群中，集群中的broker保存这个topic下数据的一部分，也就是topic的其中一个数据分片。当然，rocketmq不仅将一个topic下的数据分片到多个broker上，而且，一个broker上的topic数据还可以被分为多个queue，这是因为rocketmq中，一个queue只能被一个consumer消费，若是consumer的数量多于queue的数量，没有绑定queue的consumer将不能消费数据。 elasticsearch的数据分片在我看来和mysql的分库分表原理是一样的，elasticsearch中，每一个索引都相当于mysql的一个表，将一个索引分成多个shard放在不同的上，每个shard存储一部分数据。elasticsearch将数据进行分片，这样可以支持集群的横向扩展，同时，多个提供服务可以提高系统的效率和吞吐量。 综上所述，数据分片的一般都有两个好处，一个是支持集群的横向扩展，而是提升服务的吞吐量和性能。数据分片解决了以上两个问题，但是若是集群中一个发生宕机，或者因为网络原因和集群断开链接，那么这部分的数据分片甚至整个集群都会不可用，如何解决这个问题，就需要用到数据备份和主备切换。 数据分片的策略 了解了数据分片之后，需要了解以下数据分片的策略，根据集群提供服务的性质不同，可以采用的数据分片策略也各有不同，下面是我学习后的总结： 说到这里，会发现其实这种分片策略和负载均衡的策略还是挺相似的。 数据备份，举个例子来说，我有两台电脑A、电脑B，A用于工作，B用于游戏，我写了一篇文章，保存在电脑上电脑上，若是某一天我的电脑A磁盘坏了，那我这篇文章就找不到了，即便我现在还有电脑B，我也没有办法在对文章进行编辑。但是若是我在之前，就将文章拷贝了一份放在电脑B上，那么现在，我用电脑B就可以对文件进行编辑修改。 举这个例子，我的目的就是为了说明数据备份对于集群可用性的意义，例子中，我的两台电脑可以认为是集群中两台，两台一开始提供的服务可能不相同，A电脑提供的就是编辑文章的服务，数据备份的意义就在于，当原本提供服务的宕机损坏，集群中另外的仍然可以根据已经备份的数据提供相同的服务，而不会影响到用户的工作。 首先明确一点，在分布式集群中，不可能采用人工手动备份，一定是系统程序按照一定的规则自动备份，就好像我将AB连在一起，写个程序，让A电脑自动把文章同步到B电脑。数据备份的方式分为两种： 这里以redis-cluster和zookeeper举例。 在redis-cluster中，当一台新的sle加入时，会出发数据同步，需要将主的数据同步到从。这时根据从的状态有两种同步方案：完整重同步 和 部分重同步 完整重同步既是将主的全部数据都给新的sle。大致流程为，当一个新的加入进来时，发送PSYNC命令给主并携带sle自身的信息（重点是偏移量），主会根据sle传过来的信息判断是完整重同步还是部分重同步，如何判断与数据同步时的缓冲区有关，更细节不展开介绍。 相对于redis-cluster，zookeeper中的数据同步有四种方式，和redis-cluster完整重同步和部分重同步相似的SNAP（全量同步）和DIFF（增量同步），以及zk事务处理相关的TRUNC（仅回滚同步）、TRUNC+DIFF（回滚+增量同步） 当已经加入集群，成为集群中的从，只要不断开连接，一般都只需要进行增量同步，不过系统同步的范围和方式有所异，大致分为下面六种： 下面还是以具体服务来举例： redis-cluster中，主从采用的是异步的方式，在做数据变更之后，会由一个异步线程将数据变更同步给sle，这是通过push的方式。当redis2.8之后，sle会周期的获取的数据，加入了pull方式。无论是还是sle，在进行数据同步时，不会阻塞正常的应用请求。所以redis-cluster的主从，是异步备份+最终一致性的备份。 rocketmq的主从和elasticsearch类似，也可以分为同步备份和异步备份，不同的是rocketetmq的数据备份采用的是pull的方式，从会通过HAConnection链接主动向主发送待拉取数据偏移量，待主返回更新数据信息，更新从数据偏移量，如此重复。 zookeeper的数据备份则是通过ZAB协议，通过消息广播的方式同步数据到从。 当数据备份后，主从上就有了相同的数据，为了提升服务的性能，那么可以采用读写分离的方式。主提供数据写服务，从提供读服务，可以有效的分担主的压力。可以进行数据分片的系统，如：redis、rocketmq、elasticsearch，一般都可以配置一主多从、多主多从的集群架构。 读写分离之后，主提供写服务，从只提供读服务，因此若是主发生宕机，从依然可以提供读服务，但是服务无法更新数据，这时候就要进行主从切换。早起，主从切换可以由人工手动完成，不过随着技术发展，主从切换已经成为集群的必备功能。想要实现主从切换，必须要解决两个问题： 解决这个问题，需要额外再引入一个角色，相当于是一个监视者的角色，能够长期的对主进行监视，若是只有一个监视者，可能会发生误判，所以还需要一套机制去保证当监视者说主宕机，那么主是真的宕机，否则集群会出现脑裂问题。 以redis为例，在redis的哨兵模式中，这个监视者的角色是一个个哨兵实例，而在redis-cluster架构中，这个监视者的角色是redis实例自己。 在redis哨兵模式中，哨兵集群中的哨兵实例会定期和redis实例进行通信（ping），监视redis实例的在线情况，若是其中一台哨兵发现redis实例故障，那么该哨兵会将该状态改为主观下线，并通知其他哨兵，当哨兵集群中达到配置数量的哨兵实例认为该都为主观下线状态，这时会将修改为客观下线状态，并开始触发后续的故障转移。 在redis-cluster模式中，集群中的每一个都可以和其他通讯（ping），当某一个A发现主B下线了，A会将该主B设为疑似下线状态。集群中的会通过互发消息维护信息，当另一个C收到A的消息时，会将A对B的判断记录在C的维护信息下，这个信息可以理解为A说C疑似下线了。若是有其他发送C的状态信息，A同样也会记录。当某一个如C发现记录的B信息中，超过半数的主都认为B下线了，那么C就会将B状态修改为已下线状态，并广播消息给集群的其他，开始后续的故障转移。 上面就是redis的两种分布式模式故障检测的方案。大致可以归结为，监视会和被监视进行通讯，感知被监视的状态；监视之间也会进行通讯，同步信息。为了防止集群出现脑裂，对于某个主的故障判断会十分的谨慎，需要达到一定数量的监视都认为主故障时，才会认为主真的故障，从而触发故障转移。 在rocketmq集群模式中，nameserver扮演着监视者的角色（不同于其他系统，nameserver并不负责集群的主从切换，rocketmq 4.5之前不支持自动主从切换，4.5之后，通过dledger实现自动的故障转移）。在elasticsearch集群中，elasticsearch实例本身在扮演监视者角色。zookeeper也是实例本身扮演监视者的角色。 故障转移就是当集群发现集群中的主/从发生故障之后的处理，从比较简单，直接将从下线即可，主的故障转移流程比较复杂，各个系统根据系统的功能和架构有不同的实现方式，共同点是选举出的主一定是集群中数据的最完善的。 选举过程大致如下： 首先选举成功的条件时集群中具有投票权限的超过半数的投票一致，通过某一个成为主。 开始一轮选举时，定义为一个纪元，用一个自增的id表示。 候选将带着纪元id，以及自身信息作为投票申请广播给集群给可投票的。 具有投票权限的投票只要满足两个条件：1.自身在纪元没有给投过票 2.发送过来的投票申请时纪元的（如何判断时纪元，则是判断一下之前通过申请的纪元id是否小于当前申请的纪元id）。 半数以上的投票通过某一个候选成为leader，则leader产生。 若是一个纪元没有产生主，则候选进入随机的休眠，并且开启下一个纪元，知道产生leader。 ZAB的选举模式有很多种，我主要了解了默认，也是的FastLeaderElection模式，在这个模式下，我会以集群中一台参与选举的经过这一系列的PK，终于选出了我心中的leader，要广播给其他。的视角来模拟选主的过程； 我是一台zk，我现在很慌，因为我的leader不见了，作为一个有梦想的follower，我也要参加leader的选举，为了这次选举我要准备：myid(在集群中标识是这台的id)，zxid(本台保存的事务id)，logicClock(本台发起的第几轮投票) 首先我会自己选自己，这得自信。于是我将自身的选举信息[myid, zxid]放到自己的收票箱，然后将我的选举信息还有我的选举轮次logicClock广播给其他进行PK 作为一个有原则的，我们的选举也是有原则的，当我收到别人的选举信息时，我也会将他和我自己的选举信息进行PK，PK的原则如下： 超过半数的都同意某一台成为leader，选举结束了。 直接抛结论，可能可以。实际上，一旦多个实例组成了哨兵集群，即使有哨兵实例出现故障挂掉了，其他哨兵还能继续协作完成主从库切换的工作，包括判定主库是不是处于下线状态，选择新主库，以及通知从库和客户端。那为什么是可能呢？这就要了解哨兵工作的基本原理了。 在配置哨兵的信息时，我们只需要设置主库的 IP 和端口，并没有配置其他哨兵的连接信息，因为哨兵不需要知道其他的哨兵信息。那么哨兵之间是如何互相发现的呢？这要归功于 Redis 提供的 pub/sub 机制，也就是发布 / 机制。实际上，哨兵只要和主库建立起了连接，就可以在主库上发布消息了，比如说发布它自己的连接信息（IP 和端口）。同时，它也可以从主库上消息，获得其他哨兵发布的连接信息。当多个哨兵实例都在主库上做了发布和作后，它们之间就能知道彼此的 IP 地址和端口。 除了哨兵实例，我们自己编写的应用程序也可以通过 Redis 进行消息的发布和。所以，为了区分不同应用的消息，Redis 会以频道的形式，对这些消息进行分门别类的管理。所谓的频道，实际上就是消息的类别。当消息类别相同时，它们就属于同一个频道。反之，就属于不同的频道。只有了同一个频道的应用，才能通过发布的消息进行信息交换。 哨兵除了彼此之间建立起连接形成集群外，还需要和从库建立连接。这是因为，在哨兵的任务中，它需要对主从库都进行心跳判断，而且在主从库切换完成后，它还需要通知从库，让它们和新主库进行同步。 这是由哨兵向主库发送 INFO 命令来完成的。哨兵给主库发送 INFO 命令，主库接受到这个命令后，就会把从库列表返回给哨兵。接着，哨兵就可以根据从库列表中的连接信息，和每个从库建立连接，并在这个连接上持续地对从redis提供五种数据类型：string，hash，list，set及zset(sorted set)。库进行。通过 pub/sub 机制，哨兵之间可以组成集群，同时，哨兵又通过 INFO 命令，获得了从库连接信息，也能和从库建立连接，并进行了。 从本质上说，哨兵就是一个运行在特定模式下的 Redis 实例，只不过它并不服务请求作，只是完成、选主和通知的任务。所以，每个哨兵实例也提供 pub/sub 机制，客户端可以从哨兵消息。哨兵提供的消息频道有很多，不同频道包含了主从库切换过程中的不同关键。具体的作步骤是，客户端读取哨兵的配置文件后，可以获得哨兵的地址和端口，和哨兵建立网络连接。然后，我们可以在客户端执行命令，来获取不同的消息。 ShardedJedis是基于一致性哈希算法实现的分布式Redis集群客户端；ShardedJedis的设计分为以下几块： 对象池设计：Pool，ShardedJedisPool，ShardedJedisFactory 面向用户的作封装：BinaryShardedJedis，BinaryShardedJedis 一致性哈希实现：Sharded Sharded一致性哈希实现 shared一致性哈希采用以下方案： Redis划分：将每台采用hash算法划分为160个虚拟(可以配置划分权重) 将划分虚拟采用TreeMap存储 对每个Redis的物理连接采用LinkedHashMap存储 对Key or KeyTag 采用同样的hash算法，然后从TreeMap获取大于等于键hash值得，取最邻近存储；当key的hash值大于虚拟hash值得值时，存入个虚拟。 支持以下五种： 1、string字符串类型。 2、hash哈希类型。 3、list列表类型。 4、读写分离set类型。 5、zset有序类型。 相关定义 存盘可以有意无意的对数据进行写作。由于完全实现了发布/机制，使得从数据库在任何地方同步树时，可一个频道并接收主完整的消息发布记录。同步对读取作的可扩展性和数据冗余很有帮助。 redis是一个key-value存储系统。和Memcached类似，它支持存储的value类型相对更多，包括string(字符串)、list(链表)、set()、zset(sorted set --有序)和hash（哈希类型）。 这些数据类型都支持push/pop、add/remove及取交集并集和集及更丰富的作，而且这些作都是原子性的。在此基础上，redis支持各种不同方式的排序。 与memcached一样，为了保证效率，数据都是缓存在内存3. 创建一个 PersistentVolumeClaim，用于存储 Redis 数据。中。区别的是redis会周期性的把更新的数据写入磁盘或者把修改作写入追加的记录文件，并且在此基础上实现了-sle(主从)同步。 redis 就是一个数据库，不过与传统数据库不同的是 redis 的数据是存在内存和部分文件中的，所以读写速度非常快，因此 redis 被广泛应用于缓存方向。 另外，redis 也经常用来做分布式锁。redis 提供了多种数据类型来支持不同的业务场景。除此之外，redis 支持事务 、持久化、LUA脚本、LRU驱动、多种集群方案。 list 列表（实现队列,元素不，先入先出原则） set （各不相同的元素） hash hash散列值（hash的key必须是的） sort set 有序 字符串(String) 哈希(Hash) 列表(List) (Set) 有序(sorted set) 一、String | 字符串类型 Redis的字符串类型，可以存储字符串、整数或浮点数，如果存储的是整数或者浮点数，还能执行自增或自减作。Reids的string类型是二进制的，可以包含任何数据，比如一个序列化的对象、一个、字节流等，不过存储大小上限是512M。 Redis底层定义了自己的一种数据结构。 二、List | 列表类型 Redis的列表类型和许多编程语言中的列表类型类似，可以有序地存储多个字符串，支持从列表的左端和右端推入或弹出元素，Redis列表的底层实现是压缩列表，Redis内容自己实现的数据结构和双端链表。 将一个或者多个value值插入列表的表头。如果 key 不存在，会创建一个空列表并执行 LPUSH 作。当 key 存在但不是列表类型时，返回一个错误。 Redis的以无序的方式存储多个不同的元素，这里要注意的是无序和不同。除了对能快速执行添加、删除、检查一个元素是否在中之外，还可以对多个执行交集、并集和集运算。 Redis的类型底层实现主要是通过一种叫做字典的数据结构。不过Redis为了追求的性能，会根据存储的值是否是整数，选择一种intset的数据结构。当满足一定条件后，会切换成字典的实现。 四、hash | 散列表(哈希表) hash类型的底层主要也是基于字典这种数据结构来实现的。 五、zset | 有序 有序相比较于，多个有序两个字，我们知道set类型存储的元素是无序的，那Redis有序是怎么保证有序的?使用分值，有序里存储这成员与分值之间的映射，并提供了分值处理命令，以及根据分值的大小有序地获取成员或分值的命令。 Redis有序的实现使用了一种叫跳跃表的数据结构(简称跳表，可自行查阅)，同时也使用到了前面提到的压缩列表。也是满足一定条件的话，会自行转换。 1. 你挂掉redis主。 2. 可以看到sentinel 的信息，显示一个redis主失去连接，随后提升一个从为主。 3. 试着在提升为主的从进行写作，发现是可以进行写作了。 详细作信息，部署sentinel，测试sentinel。 持久化：是最简单的高可用方法，主要作用是数据备份，即将数据存储在硬盘，保证数据不会因进程退出而丢失。 哨兵：在的基础上，哨兵实现了自动化的故障恢复。缺陷是写作无法负载均衡；存储能力受到单机的限制。 集群：通过集群，Redis解决了写作无法负载均衡，以及存储能力受到单机限制的问题，实现了较为完善的高可用方案。 多个主从群组成的分布式群，它具有、高可用和分片特性。Redis集群不需要sentinel哨兵也能完成移除和故障转移的功能。需要将每个设置成集群模式，这种集群模式没有中心，可水平扩展 redis集群需要至少要三个，我们这里搭建三个，并且给每个再搭建一个sle，总共6个redis构成三主三从 redis 多启动 使用 ./redis-server xxxx.conf 指定不同的配置文件即可 您可以使用 Kubernetes StatefulSets 和 PersistentVolumes 在 Kubernetes 中部署 Redis 集群。以下是一个简单的步骤： 1. 创建一个 ConfigMap，其中包含 Redis 配置文件。 2. 创建一个 StatefulSet，其中包含 3 个副本的 Redis Pod。 这里有一篇详细的教程，可以帮助您更好地理解如何在 KubeSphere 中部署高可用 Redis 集群。 Redis哨兵模式的实现原理。 关于哨兵的原理，关键是了解以下几个概念： 定时任务：每个哨兵维护了3个定时任务。定时任务的功能分别如下：通过向主从发送命令获取的主从结构；通过发布功能获取其他哨兵的信息；通过向其他发送ping命令进行心跳检测，判断是否下线。 主观下线：在心跳检测的定时任务中，如果其他超过一定时间没有回复，哨兵就会将其进行主观下线。顾名思义，主观下线的意思是一个哨兵“主观地”判断下线；与主观下线相对应的是客观下线。 客观下线：哨兵在对主进行主观下线后，会通过sentinel is--down-by-addr命令询问其他哨兵该主的状态；如果判断主下线的哨兵数量Redis的hash类型其实就是一个缩减版的redis。它存储的是键值对，将多个键值对存储到一个redis键里面。达到一定数值，则对该主进行客观下线。 需要特别注意的是，客观下线是主才有的概念；如果从和哨兵发生故障，被哨兵主观下线后，不会再有后续的客观下线和故障转移作。 监视该主的所有哨兵都有可能被选为，选举使用的算法是Raft算法；Raft算法的基本思路是先到先得：即在一轮选举中，哨兵A向B发送成为的申请，如果B没有同意过其他哨兵，则会同意A成为。选举的具体过程这里不做详细描述，一般来说，哨兵选择的过程很快，谁先完成客观下线，一般就能成为。分布式系统一致性高可用的解决方案总结
数据备份的目的就是不发生单点问题的措施之一，但是若是数据备份的策略不合适，备份的时机不对，那么备份的数据时效性也是问题。还是从例子出发，这里的文章每次都是我手动从A电脑拷贝到B电脑，这是我的备份策略，若是我选择每天晚上才拷贝一次，那么若是A电脑在我拷贝之前坏了，当天的文章编辑数据就丢失了，采用手动的方式备份，这种备份方式耗时耗力且不可控，而在分布式集群中，不同的系统采用了不同的备份策略，下面一一来说明。每天一个知识点：哨兵挂了，Redis 主从库还能切换吗？
对于分布式系统，学习了解多了之后，发现其内在的解决方案基本上都是一样的，所谓万变不离其中。总结一下大体在于以下几步：jedissentinelpool和jedispool的区别
在zk集群经过崩溃恢复模式之后，需要保证：1.已经提交的事务不能丢失 2.未被提交的事务不能出现。如何保证以上两点，zk服务集群中维护了zxid，zxid也可以看作是一个自增的id，集群中每产生一个新事物，zxid就会增加。zxid有64位，前32位维护了集群主变更情况，每重新选举出一个新的主则增加，后32位维护在新的主集群下事务的id，产生一个新事物则增加。Redis支持几种数据类型？
如何测试redis sentienl
2、启动命令： redis-server启动命令后加入 --sleofredis哨兵连接报EOF
主从过程大体可以分为3个阶段：连接建立阶段（即准备阶段）、数据同步阶段、命令传播阶段。redis 多主多从集群搭建
三、set | 类型如何在 KubeSphere 中部署高可用 Redis 集群？
区别是：Redis哨兵模式的实现原理
redis是一个key-value存储系统。和Memcached类似，它支持存储的value类型相对更多，包括string(字符串)、list(链表)、set()、zset(sorted set --有序)和hash（哈希类型）。这些数据类型都支持push/pop、add/remove及取交集并集和集及更丰富的作，而且这些作都是原子性的。
声明：本站所有文章资源内容，如无特殊说明或标注，均为采集网络资源。如若本站内容侵犯了原著者的合法权益，可联系 836084111@qq.com 删除。