Merge branch 'master' of https://github.com/Snailclimb/JavaGuide

docs/database/Redis/redis集群以及应用场景.md

@@ -1,19 +1,68 @@
 相关阅读：
 
 - [史上最全Redis高可用技术解决方案大全](https://mp.weixin.qq.com/s?__biz=Mzg2OTA0Njk0OA==&mid=2247484850&idx=1&sn=3238360bfa8105cf758dcf7354af2814&chksm=cea24a79f9d5c36fb2399aafa91d7fb2699b5006d8d037fe8aaf2e5577ff20ae322868b04a87&token=1082669959&lang=zh_CN&scene=21#wechat_redirect)
+- [Raft协议实战之Redis Sentinel的选举Leader源码解析](http://weizijun.cn/2015/04/30/Raft%E5%8D%8F%E8%AE%AE%E5%AE%9E%E6%88%98%E4%B9%8BRedis%20Sentinel%E7%9A%84%E9%80%89%E4%B8%BELeader%E6%BA%90%E7%A0%81%E8%A7%A3%E6%9E%90/)
+
+目录：
+
+<!-- TOC -->
+
+- [Redis 集群以及应用](#redis-集群以及应用)
+    - [集群](#集群)
+        - [主从复制](#主从复制)
+            - [主从链(拓扑结构)](#主从链拓扑结构)
+            - [复制模式](#复制模式)
+            - [问题点](#问题点)
+        - [哨兵机制](#哨兵机制)
+            - [拓扑图](#拓扑图)
+            - [节点下线](#节点下线)
+            - [Leader选举](#Leader选举)
+            - [故障转移](#故障转移)
+            - [读写分离](#读写分离)
+            - [定时任务](#定时任务)
+        - [分布式集群(Cluster)](#分布式集群cluster)
+            - [拓扑图](#拓扑图)
+            - [通讯](#通讯)
+                - [集中式](#集中式)
+                - [Gossip](#gossip)
+            - [寻址分片](#寻址分片)
+                - [hash取模](#hash取模)
+                - [一致性hash](#一致性hash)
+                - [hash槽](#hash槽)
+    - [使用场景](#使用场景)
+        - [热点数据](#热点数据)
+        - [会话维持 Session](#会话维持-session)
+        - [分布式锁 SETNX](#分布式锁-setnx)
+        - [表缓存](#表缓存)
+        - [消息队列 list](#消息队列-list)
+        - [计数器 string](#计数器-string)
+    - [缓存设计](#缓存设计)
+        - [更新策略](#更新策略)
+        - [更新一致性](#更新一致性)
+        - [缓存粒度](#缓存粒度)
+        - [缓存穿透](#缓存穿透)
+            - [解决方案](#解决方案)
+        - [缓存雪崩](#缓存雪崩)
+            - [出现后应对](#出现后应对)
+            - [请求过程](#请求过程)
+
+<!-- /MarkdownTOC -->
 
 # Redis 集群以及应用
 
 ## 集群
+
 ### 主从复制
+
 #### 主从链(拓扑结构)
+
 ![主从](https://user-images.githubusercontent.com/26766909/67539461-d1a26c00-f714-11e9-81ae-61fa89faf156.png)
 
 ![主从](https://user-images.githubusercontent.com/26766909/67539485-e0891e80-f714-11e9-8980-d253239fcd8b.png)
 
 #### 复制模式
-- 全量复制:master 全部同步到 slave
-- 部分复制:slave 数据丢失进行备份
+- 全量复制：Master 全部同步到 Slave
+- 部分复制：Slave 数据丢失进行备份
 
 #### 问题点
 - 同步故障
@@ -26,124 +75,194 @@
     - 优化参数不一致:内存不一致.
 - 避免全量复制
     - 选择小主节点(分片)、低峰期间操作.
-    - 如果节点运行 id 不匹配(如主节点重启、运行 id 发送变化),此时要执行全量复制,应该配合哨兵和集群解决.
-    - 主从复制挤压缓冲区不足产生的问题(网络中断,部分复制无法满足),可增大复制缓冲区( rel_backlog_size 参数).
+    - 如果节点运行 id 不匹配(如主节点重启、运行 id 发送变化)，此时要执行全量复制，应该配合哨兵和集群解决.
+    - 主从复制挤压缓冲区不足产生的问题(网络中断，部分复制无法满足)，可增大复制缓冲区( rel_backlog_size 参数).
 - 复制风暴
 
 ### 哨兵机制
+
 #### 拓扑图
+
 ![image](https://user-images.githubusercontent.com/26766909/67539495-f0086780-f714-11e9-9eab-c11a163ac6c0.png)
 
 #### 节点下线
-- 客观下线
-    - 所有 Sentinel 节点对 Redis 节点失败要达成共识,即超过 quorum 个统一.
+
 - 主观下线
-    - 即 Sentinel 节点对 Redis 节点失败的偏见,超出超时时间认为 Master 已经宕机.
-#### leader选举
-- 选举出一个 Sentinel 作为 Leader:集群中至少有三个 Sentinel 节点,但只有其中一个节点可完成故障转移.通过以下命令可以进行失败判定或领导者选举.
+    - 即 Sentinel 节点对 Redis 节点失败的偏见，超出超时时间认为 Master 已经宕机。
+    - Sentinel 集群的每一个 Sentinel 节点会定时对 Redis 集群的所有节点发心跳包检测节点是否正常。如果一个节点在 `down-after-milliseconds` 时间内没有回复 Sentinel 节点的心跳包，则该 Redis 节点被该 Sentinel 节点主观下线。
+- 客观下线
+    - 所有 Sentinel 节点对 Redis 节点失败要达成共识，即超过 quorum 个统一。
+    - 当节点被一个 Sentinel 节点记为主观下线时，并不意味着该节点肯定故障了，还需要 Sentinel 集群的其他 Sentinel 节点共同判断为主观下线才行。
+    - 该 Sentinel 节点会询问其它 Sentinel 节点，如果 Sentinel 集群中超过 quorum 数量的 Sentinel 节点认为该 Redis 节点主观下线，则该 Redis 客观下线。
+
+#### Leader选举
+
+- 选举出一个 Sentinel 作为 Leader：集群中至少有三个 Sentinel 节点，但只有其中一个节点可完成故障转移.通过以下命令可以进行失败判定或领导者选举。
 - 选举流程
-    1. 每个主观下线的 Sentinel 节点向其他 Sentinel 节点发送命令,要求设置它为领导者.
-    1. 收到命令的 Sentinel 节点如果没有同意通过其他 Sentinel 节点发送的命令,则同意该请求,否则拒绝.
-    1. 如果该 Sentinel 节点发现自己的票数已经超过 Sentinel 集合半数且超过 quorum,则它成为领导者.
-    1. 如果此过程有多个 Sentinel 节点成为领导者,则等待一段时间再重新进行选举.
+    1. 每个主观下线的 Sentinel 节点向其他 Sentinel 节点发送命令，要求设置它为领导者.
+    2. 收到命令的 Sentinel 节点如果没有同意通过其他 Sentinel 节点发送的命令，则同意该请求，否则拒绝。
+    3. 如果该 Sentinel 节点发现自己的票数已经超过 Sentinel 集合半数且超过 quorum，则它成为领导者。
+    4. 如果此过程有多个 Sentinel 节点成为领导者，则等待一段时间再重新进行选举。
+
 #### 故障转移
+
 - 转移流程
-    1. Sentinel 选出一个合适的 Slave 作为新的 Master(slaveof no one 命令).
-    1. 向其余 Slave 发出通知,让它们成为新 Master 的 Slave( parallel-syncs 参数).
-    1. 等待旧 Master 复活,并使之称为新 Master 的 Slave.
-    1. 向客户端通知 Master 变化.
+    1. Sentinel 选出一个合适的 Slave 作为新的 Master(slaveof no one 命令)。
+    2. 向其余 Slave 发出通知，让它们成为新 Master 的 Slave( parallel-syncs 参数)。
+    3. 等待旧 Master 复活，并使之称为新 Master 的 Slave。
+    4. 向客户端通知 Master 变化。
 - 从 Slave 中选择新 Master 节点的规则(slave 升级成 master 之后)
-    1. 选择 slave-priority 最高的节点.
-    1. 选择复制偏移量最大的节点(同步数据最多).
-    1. 选择 runId 最小的节点.
+    1. 选择 slave-priority 最高的节点。
+    2. 选择复制偏移量最大的节点(同步数据最多)。
+    3. 选择 runId 最小的节点。
+
+>Sentinel 集群运行过程中故障转移完成，所有 Sentinel 又会恢复平等。Leader 仅仅是故障转移操作出现的角色。
+
 #### 读写分离
+
 #### 定时任务
-- 每 1s 每个 Sentinel 对其他 Sentinel 和 Redis 执行 ping,进行心跳检测.
-- 每 2s 每个 Sentinel 通过 Master 的 Channel 交换信息(pub - sub).
-- 每 10s 每个 Sentinel 对 Master 和 Slave 执行 info,目的是发现 Slave 节点、确定主从关系.
+
+- 每 1s 每个 Sentinel 对其他 Sentinel 和 Redis 执行 ping，进行心跳检测。
+- 每 2s 每个 Sentinel 通过 Master 的 Channel 交换信息(pub - sub)。
+- 每 10s 每个 Sentinel 对 Master 和 Slave 执行 info，目的是发现 Slave 节点、确定主从关系。
 
 ### 分布式集群(Cluster)
+
 #### 拓扑图
 
 ![image](https://user-images.githubusercontent.com/26766909/67539510-f8f93900-f714-11e9-9d8d-08afdecff95a.png)
 
 #### 通讯
+
 ##### 集中式
-> 将集群元数据(节点信息、故障等等)几种存储在某个节点上.
+
+> 将集群元数据(节点信息、故障等等)几种存储在某个节点上。
 - 优势
-    1. 元数据的更新读取具有很强的时效性,元数据修改立即更新
+    1. 元数据的更新读取具有很强的时效性，元数据修改立即更新
 - 劣势
     1. 数据集中存储
+
 ##### Gossip
+
 ![image](https://user-images.githubusercontent.com/26766909/67539546-16c69e00-f715-11e9-9891-1e81b6af624c.png)
 
 - [Gossip 协议](https://www.jianshu.com/p/8279d6fd65bb)
 
 #### 寻址分片
+
 ##### hash取模
+
 - hash(key)%机器数量
 - 问题
-    1. 机器宕机,造成数据丢失,数据读取失败
+    1. 机器宕机，造成数据丢失，数据读取失败
     1. 伸缩性
+
 ##### 一致性hash
+
 - ![image](https://user-images.githubusercontent.com/26766909/67539595-352c9980-f715-11e9-8e4a-9d9c04027785.png)
 
 - 问题
     1. 一致性哈希算法在节点太少时，容易因为节点分布不均匀而造成缓存热点的问题。
         - 解决方案
             - 可以通过引入虚拟节点机制解决：即对每一个节点计算多个 hash，每个计算结果位置都放置一个虚拟节点。这样就实现了数据的均匀分布，负载均衡。
+
 ##### hash槽
+
 - CRC16(key)%16384
 - 
 ![image](https://user-images.githubusercontent.com/26766909/67539610-3fe72e80-f715-11e9-8e0d-ea58bc965795.png)
 
+## 使用场景
 
+### 热点数据
 
+存取数据优先从 Redis 操作，如果不存在再从文件（例如 MySQL）中操作，从文件操作完后将数据存储到 Redis 中并返回。同时有个定时任务后台定时扫描 Redis 的 key，根据业务规则进行淘汰，防止某些只访问一两次的数据一直存在 Redis 中。
+>例如使用 Zset 数据结构，存储 Key 的访问次数/最后访问时间作为 Score，最后做排序，来淘汰那些最少访问的 Key。  
+  
+如果企业级应用，可以参考：[阿里云的 Redis 混合存储版][1]
 
+### 会话维持 Session
 
+会话维持 Session 场景，即使用 Redis 作为分布式场景下的登录中心存储应用。每次不同的服务在登录的时候，都会去统一的 Redis 去验证 Session 是否正确。但是在微服务场景，一般会考虑 Redis + JWT 做 Oauth2 模块。
+>其中 Redis 存储 JWT 的相关信息主要是留出口子，方便以后做统一的防刷接口，或者做登录设备限制等。
 
-## 使用场景
-### 热点数据
-### 会话维持 session
 ### 分布式锁 SETNX
+
+命令格式：`SETNX key value`：当且仅当 key 不存在，将 key 的值设为 value。若给定的 key 已经存在，则 SETNX 不做任何动作。
+
+1. 超时时间设置：获取锁的同时，启动守护线程，使用 expire 进行定时更新超时时间。如果该业务机器宕机，守护线程也挂掉，这样也会自动过期。如果该业务不是宕机，而是真的需要这么久的操作时间，那么增加超时时间在业务上也是可以接受的，但是肯定有个最大的阈值。
+2. 但是为了增加高可用，需要使用多台 Redis，就增加了复杂性，就可以参考 Redlock：[Redlock分布式锁](Redlock分布式锁.md#怎么在单节点上实现分布式锁)
+
 ### 表缓存
+
+Redis 缓存表的场景有黑名单、禁言表等。访问频率较高，即读高。根据业务需求，可以使用后台定时任务定时刷新 Redis 的缓存表数据。
+
 ### 消息队列 list
-### 计数器 string
 
+主要使用了 List 数据结构。  
+List 支持在头部和尾部操作，因此可以实现简单的消息队列。
+1. 发消息：在 List 尾部塞入数据。
+2. 消费消息：在 List 头部拿出数据。
 
+同时可以使用多个 List，来实现多个队列，根据不同的业务消息，塞入不同的 List，来增加吞吐量。
 
+### 计数器 string
 
+主要使用了 INCR、DECR、INCRBY、DECRBY 方法。
+
+INCR key：给 key 的 value 值增加一 
+DECR key：给 key 的 value 值减去一
 
 ## 缓存设计
+
 ### 更新策略
-- LRU、LFU、FIFO 算法自动清除:一致性最差,维护成本低.
-- 超时自动清除(key expire):一致性较差,维护成本低.
-- 主动更新:代码层面控制生命周期,一致性最好,维护成本高.
+
+- LRU、LFU、FIFO 算法自动清除：一致性最差，维护成本低。
+- 超时自动清除(key expire)：一致性较差，维护成本低。
+- 主动更新：代码层面控制生命周期，一致性最好，维护成本高。
+
+在 Redis 根据在 redis.conf 的参数 `maxmemory` 来做更新淘汰策略：
+1. noeviction: 不删除策略, 达到最大内存限制时, 如果需要更多内存, 直接返回错误信息。大多数写命令都会导致占用更多的内存(有极少数会例外, 如 DEL 命令)。
+2. allkeys-lru: 所有 key 通用; 优先删除最近最少使用(less recently used ,LRU) 的 key。
+3. volatile-lru: 只限于设置了 expire 的部分; 优先删除最近最少使用(less recently used ,LRU) 的 key。
+4. allkeys-random: 所有key通用; 随机删除一部分 key。
+5. volatile-random: 只限于设置了 expire 的部分; 随机删除一部分 key。
+6. volatile-ttl: 只限于设置了 expire 的部分; 优先删除剩余时间(time to live,TTL) 短的key。
+
 ### 更新一致性
-- 读请求:先读缓存,缓存没有的话,就读数据库,然后取出数据后放入缓存,同时返回响应.
-- 写请求:先删除缓存,然后再更新数据库(避免大量地写、却又不经常读的数据导致缓存频繁更新).
+
+- 读请求：先读缓存，缓存没有的话，就读数据库，然后取出数据后放入缓存，同时返回响应。
+- 写请求：先删除缓存，然后再更新数据库(避免大量地写、却又不经常读的数据导致缓存频繁更新)。
+
 ### 缓存粒度
-- 通用性:全量属性更好.
-- 占用空间:部分属性更好.
-- 代码维护成本.
+
+- 通用性：全量属性更好。
+- 占用空间：部分属性更好。
+- 代码维护成本。
 
 ### 缓存穿透
-> 当大量的请求无命中缓存、直接请求到后端数据库(业务代码的 bug、或恶意攻击),同时后端数据库也没有查询到相应的记录、无法添加缓存.
-  这种状态会一直维持,流量一直打到存储层上,无法利用缓存、还会给存储层带来巨大压力.
->
+
+> 当大量的请求无命中缓存、直接请求到后端数据库(业务代码的 bug、或恶意攻击)，同时后端数据库也没有查询到相应的记录、无法添加缓存。  
+> 这种状态会一直维持，流量一直打到存储层上，无法利用缓存、还会给存储层带来巨大压力。
+
 #### 解决方案
+
 1. 请求无法命中缓存、同时数据库记录为空时在缓存添加该 key 的空对象(设置过期时间)，缺点是可能会在缓存中添加大量的空值键(比如遭到恶意攻击或爬虫)，而且缓存层和存储层数据短期内不一致；
-1. 使用布隆过滤器在缓存层前拦截非法请求、自动为空值添加黑名单(同时可能要为误判的记录添加白名单).但需要考虑布隆过滤器的维护(离线生成/ 实时生成).
+2. 使用布隆过滤器在缓存层前拦截非法请求、自动为空值添加黑名单(同时可能要为误判的记录添加白名单).但需要考虑布隆过滤器的维护(离线生成/ 实时生成)。
+
 ### 缓存雪崩
-> 缓存崩溃时请求会直接落到数据库上,很可能由于无法承受大量的并发请求而崩溃,此时如果只重启数据库,或因为缓存重启后没有数据,新的流量进来很快又会把数据库击倒
->
+
+> 缓存崩溃时请求会直接落到数据库上，很可能由于无法承受大量的并发请求而崩溃，此时如果只重启数据库，或因为缓存重启后没有数据，新的流量进来很快又会把数据库击倒。
+
 #### 出现后应对
-- 事前:Redis 高可用,主从 + 哨兵,Redis Cluster,避免全盘崩溃.
-- 事中:本地 ehcache 缓存 + hystrix 限流 & 降级,避免数据库承受太多压力.
-- 事后:Redis 持久化,一旦重启,自动从磁盘上加载数据,快速恢复缓存数据.
-#### 请求过程
-1. 用户请求先访问本地缓存,无命中后再访问 Redis,如果本地缓存和 Redis 都没有再查数据库,并把数据添加到本地缓存和 Redis；
-1. 由于设置了限流,一段时间范围内超出的请求走降级处理(返回默认值,或给出友情提示).
 
+- 事前：Redis 高可用，主从 + 哨兵，Redis Cluster，避免全盘崩溃。
+- 事中：本地 ehcache 缓存 + hystrix 限流 & 降级，避免数据库承受太多压力。
+- 事后：Redis 持久化，一旦重启，自动从磁盘上加载数据，快速恢复缓存数据。
+
+#### 请求过程
 
+1. 用户请求先访问本地缓存，无命中后再访问 Redis，如果本地缓存和 Redis 都没有再查数据库，并把数据添加到本地缓存和 Redis；
+2. 由于设置了限流，一段时间范围内超出的请求走降级处理(返回默认值，或给出友情提示)。
 
+[1]: https://promotion.aliyun.com/ntms/act/redishybridstorage.html?spm=5176.54432.1380373.5.41921cf20pcZrZ&aly_as=ArH4VaEb