Redis cluster学习 & Redis常识 & sort操作

Redis中的5种数据类型String、Hash、List、Set、Sorted Set。

Redis源码总代码一万多行。

这篇文章有一些Redis “常识” http://www.searchdatabase.com.cn/showcontent_70423.htm

key可以是任意类型，最后都存成byte[]；作者建议用 : 分隔表名，用.作为单词间的连接。（据我所知，redis只有库没有表）

 

针对KEY的操作：

命令 sort（按某个key从小到大排序，desc则是从大到小）：

参考 http://www.cnblogs.com/linjiqin/archive/2013/06/14/3135921.html

10.117.146.16:8379> lpush price 30 1.5 10 8
(integer) 4
10.117.146.16:8379> sort price
1) "1.5"
2) "8"
3) "10"
4) "30"
10.117.146.16:8379> sort price desc
1) "30"
2) "10"
3) "8"
4) "1.5"

1.还可以使用alpha修饰符对字符串进行排序

2.使用limit修饰符限制返回结果

3.使用外部key进行排序

4.get有一个额外的参数规则，那就是可以用#获取被排序键的值。

5.通过将一个不存在的键作为参数传给 by 选项， 可以让 sort 跳过排序操作，直接返回结果。

6.这种用法在单独使用时，没什么实际用处。不过，通过将这种用法和get选项配合，就可以在不排序的情况下，获取多个外部键，相当于执行一个整合的获取操作（类似于 sql数据库的join关键字）。

保存排序结果

10.117.146.16:8379> sort price store ordered_price
(integer) 4
10.117.146.16:8379> lrange ordered_price 0 -1
1) "1.5"
2) "8"
3) "10"
4) "30"

返回值：
没有使用 store 参数，返回列表形式的排序结果。
使用 store 参数，返回排序结果的元素数量。

其他命令还有：KEYS显示所有的key，支持通配符 "KEYS a*" , "keys a?c"，但不建议在生产环境大数据量下使用。

SORT，对集合按数字或字母顺序排序后返回，或者存到另一个List，还可以关联到外部Key等。因为会耗用CPU，有时会安排到slave上执行。

EXPIRE/EXPREAT/PERSIST/TTL/，关于Key超时的操作，默认以秒为单位，也有p字头的以毫秒为单位的版本。 
其他命令： EXISTS，DEL，RENAME/RENAMENX(仅当new key不存在时)，MOVE/MIGRATE(实例内从此db到彼db/从此实例到彼实例)，
RANDOMKEY，TYPE/Object(Key的类型/对象编码类型，空置时间)，DUMP/RESTORE(value值的持久化)

 

2.2 String 　　

最普通的key-value，除了支持最基本的get/set， Redis也很喜欢添加一些简便的指令，在服务端做起来是举手之劳，客户端便方便很多。
incr/decr/incrby/incrbyfloat， 如果key还不存在时创建key并设原值为0。

setEx/pSetEx， Set + Expire 的简便写法,p字头以毫秒为单位。

setNx， key不存在时才put进去。

getset， 设置新值，返回旧值。

mget/mset/msetex， 一次get/set多个key。

getbit/setbit/bitop/bitcount bitmap玩法，比如统计今天的访问用户，每个用户有一个offset，今天进来的话就把那个位为1。 
append/setrange/getrange，只对特定的数据格式比如字段定长的有用，json格式就没用。

 

2.3 Hash

2.4 List 　　

Redis里可以当双向链表来用，还提供blocking版本的pop函数，可以当Message Queue来用。

不过List并没有JMS的ack机制，如果消费者把job给Pop走了又没处理完就死机了怎么办? 
解决方法之一是加多一个sorted set，以分发时间为score，用户把job做完了之后要去消掉它。 　　

除了List标准的双向POP/PUSH外，还支持对队列内容的直接操作，比如LREM/LSET/LINSERT/LINDEX。 　　

另外经常用LTRIM限制List的大小，比如只保留最新的20条消息。LRANGE不同于POP直接弹走元素，只是返回列表内一段下标的元素。LLEN获取列表的长度。

 

2.5 Set 　　

Set就是Set，还提供一些交集，并集，差集的集合操作。 　　

 

2.6 Sorted Set 　　

有序集，元素放入集合的时候要同时提供该元素的分数。
ZRANGE/ZREVRANGE 按排名的上下限返回元素，正数与倒数。

ZRANGEBYSCORE/ZREVRANGEBYSCORE 按分数的上下限返回元素，正数与倒数。

ZREMRANGEBYRANK/ZREMRANGEBYSCORE 按排名/按分数删除元素。

ZCOUNT 统计分数上下限之间的元素个数。

ZRANK/ZREVRANK 显示某个元素的正倒序的排名。

ZSCORE/ZINCRBY 显示元素的分数/增加元素的分数。

ZADD/ZREM/ZCARD/ZINTERSTORE/ZUNIONSTORE 集合操作与SET相同，少了个差集的操作。

 

2.7 事务 　　

用Multi/Exec/Discard实现， 隔离级别是这边事务一天不提交，那边另一个事务还是看到旧的值。

还有个Watch指令，起到CAS的效果，如果事务提交时，Key的值已被别的事务改变，事务会被打断。

2.8 Lua Script 　　

Redis2.6内置的Lua Script支持，可以在Redis的Server端一次过运行大量逻辑。
整个Script默认是在一个事务里的。 Script里涉及的所有Key尽量用变量，从外面传入，使Redis一开始就知道你要改变哪些key。

EVAL每次传输一整段Script比较费带宽，可以先用SCRIPT LOAD载入script，返回哈希值。然后用EVALHASH执行。

内置的LUA库里还很贴心的带了CJSON，可以处理JSON字符串。

 

3. 性能

速度太快了，用光了带宽也测不出极限。

如果是本地socket直连，incr可以去到很吓人的几十万TPS。

普通的get/set操作，经过了LAN，延时也只有1毫秒左右，可以放心使用，不用像调用REST接口和访问数据库那样，多一次外部访问都心痛。

自带的redis-benchmark默认只是基于一个很小的数据集进行测试，
但可调整命令行参数如 redis-benchmark -r 10000000 -n 10000000 -d 128 -t SET,GET 就可以默认开50条线程，
SET 6M条左右(random)key是21字节长，value是128字节长的数据进去, 再GET出来。

如果要一次发送多条指令，PipeLining模式能让性能更快，因为它在设计上正视了网络往返的时间。

更快的是Lua Script模式，还可以包含逻辑，直接在服务端又get又set的 (见2.8 Lua Script)。

单线程单CPU架构，但作者认为CPU不是瓶颈，内存与网络带宽才是。

 

发现执行缓慢的命令，可配置执行超过多少时间的指令算是缓慢指令(默认10毫秒，不含IO时间)，可以用slowlog get 指令查看(默认只保留最后的128条)。单线程的模型下，某个请求占掉10毫秒是件大事情。

4. 容量 　　

最大内存： 一定要设置最大内存，否则物理内存用爆了就会大量使用Swap，写RDB文件时的速度慢得你想死。

多留一倍内存是最安全的。重写AOF文件和RDB文件的进程(即使不做持久化，复制到Slave的时候也要写RDB)会fork出一条新进程来，
采用了操作系统的Copy-On-Write策略(如果父进程的内存没被修改，子进程与父进程共享Page。如果父进程的Page被修改, 会复制一份改动前的内容给新进程)，

留意Console打出来的报告，如"RDB: 1215 MB of memory used by copy-on-write"。在系统极度繁忙时，
如果父进程的所有Page在子进程写RDB过程中都被修改过了，就需要两倍内存。

按照Redis启动时的提醒，设置 vm.overcommit_memory = 1 ，使得fork()一条10G的进程时，因为COW策略而不一定需要有10G的free memory.

当最大内存到达时，按照配置的Policy进行处理， 默认policy为volatile-lru， 对设置了expire time的key进行LRU清除(不是按实际expire time)。
如果沒有数据设置了expire time或者policy为noeviction，则直接报错，但此时系统仍支持get之类的读操作。 
另外还有几种policy，比如volatile-ttl按最接近expire time的，allkeys-lru对所有key都做LRU。

原来2.0版的VM(将Value放到磁盘，Key仍然放在内存)，2.4版后又不支持了。

 

内存占用：

测试表明，stirng类型需要90字节的额外代价，就是说key1个字节，value一个字节时，还是需要占用92字节的长度，
而上述的benchmark的记录就占用了239个字节。

用make 32bit可以编译出32位的版本，每个指针占用的内存更小，但只支持最大4GB内存。

 

Sharding：

Jedis支持在客户端做分区，局限是不能动态re-sharding， 有分区的master倒了，必须用slave顶上。要增加分区的话，呃.....

Redis-Cluster是今年工作重点，支持automatic re-sharding， 采用和Hazelcast类似的算法，总共有N个分区，每台Server负责若干个分区。
客户端先hash出key 属于哪个分区，然后发给负责这个分区的Server。Re-sharding时，会将某些分区的数据移到新的Server上，
然后各Server周知分区<->Server映射的变化，因为分区数量有限，所以通讯量不大。 在迁移过程中，原server对于已经迁移走的数据的get请求，
会回一个临时转向的应答。

 

5. 高可用性 　　

5.1 持久化

RDB文件： 整个内存的压缩过的Snapshot，RDB的数据结构, 可以配置写Snapshot的复合触发条件，默认是60秒内改了1万次或300秒内改了10次或900秒内改了1次。

RDB在写入过程中，会连内存一起Fork出一个新进程，遍历新进程内存中的数据写RDB。 先写到临时文件再Rename，这样外部程序对RDB文件的备份和传输过程是安全的。而且即使写新快照的过程中Server被强制关掉了，旧的RDB文件还在。

可配置是否进行压缩，方法是是字符串的LZF算法 和String形式的数字变回int形式存储。

 

 

AOF文件：

append only的操作日志，等于mysql的binlog，记录所有有效的写操作，格式是明文的Redis协议的纯文本文件。

一般配置成每秒调用一次fsync将数据写到磁盘，坏处是操作系统非正常关机时，可能会丢1秒的数据。 如果设为fsync always，性能只剩几百TPS，不用考虑。 如果使用了AOF，重启时只会从AOF文件载入数据，不会管RDB文件。

AOF文件过大时，会fork出一条新进程来将文件重写(也是先写临时文件再rename)， 遍历新进程的内存中数据，每条记录有一条的Set语句。默认配置是当AOF文件大小是上次rewrite后的大小的一倍时触发。

Redis协议的内容，如set mykey hello， 将持久化成*3 $3 set $5 mykey $5 hello， 第一个数字代表这条语句有多少元，其他的数字代表后面字符串的长度。这样的设计，使得即使在写文件过程中突然关机导致文件不完整，也能自我修复，执行redis-check-aof即可。    

RDB不会实时写入数据，而且如果同时使用两者，但服务器重启只会找AOF文件。那要不要只使用AOF呢？作者建议不要，因为RDB更适合用于备份数据库，快速重启，而且不会有AOF可能潜在的bug，留着作为一个万一的手段。

读写性能：

AOF重写和RDB写入都是在fork出进程后，遍历新进程内存顺序写的，既不影响主进程，顺序写的速度也比随机写快，在普通PC服务器上把刚才的1.5G数据写成一个200M的RDB文件大约8秒， 启动时载入一个1.4G的AOF文件大约13秒。

2.4版以后，lpush可以一次push多个值了，使得AOF重写时可以将旧版本中的多个lpush指令合成一个。 有人建议设置no-appendfsync-on-rewrite 为 yes，aof rewrite时就不执行fsync了，先都存在内存里，减少IO资源争用。 当然这样会丢数据。 Fork一个使用了大量内存的进程也要时间，大约10ms per GB的样子，各种系统的对比。

 

其他：

正确关闭服务器：redis-cli shutdown 或者 kill，都会graceful shutdown，保证写RDB文件以及将AOF文件fsync到磁盘，不会丢失数据。

如果是Ctrl+C，或者kill -9 就会丢失数据。

执行指令bgsave 可触发rdb存盘，bgrewriteaof可触发aof重写。

 

5.2 Master-Slave复制

可以在配置文件、命令行参数、以及执行SLAVEOF指令的来设置。 当前版本，一旦执行SlaveOF， slave会清掉自己的所有数据，执行一次全同步：Master要bgsave出自己的一个RDB文件，发给Slave。然后再增量同步: Master作为一个普通的client连入slave，将所有写操作转发给slave，没有特殊的同步协议。

作者在2.8版本中将支持PSYNC部分同步 测试表明同步延时非常小。

有建议只在Slave上写RDB和AOF文件，但这样master启动时就需要从slave copy文件，fail-over脚本也更复杂。只要有足够内存，master平时IO也不高的话，还是简化架构更好。

 

5.3 Fail-Over 　　

5.3.1 概述 　　

Redis-sentinel是2.6版开始加入的另一组独立运行的节点, 提供自动Fail Over的支持。


每秒钟对所有master，slave和其他sentinel执行ping，redis-server节点要应答+PONG或-LOADING或-MASTERDOWN.

如果某一台Sentinel没有在30秒内(可配置得短一些哦)收到上述正确应答，它就会认为master处于sdown状态(主观Down) 
它向其他sentinel询问是否也认为master倒了(SENTINEL is-master-down-by-addr )， 如果quonum台(默认是2)sentinels在5秒钟内都这样认为，
就会认为master真是odown了(客观Down)。

此时会选出一台sentinel作为Leader执行fail-over, Leader会从slave中选出一个提升为master(执行slaveof none)，这台slave必须状态正常，
而且INFO显示它与master的复制连接并没有断开太久。然后让其他slave指向它(执行slaveof new master)。

 

5.3.2 master/slave 及 其他sentinels的发现 　　

master地址在sentinel的配置文件里, sentinel会每10秒一次向master发送INFO，知道master的slave有哪些。

如果master已经变为slave，sentiel会分析INFO的应答指向新的master。

 

 

所以当sentiel重启时，它的配置文件里master的地址并没变，那它仍然会去找old master，然后被redirect到新的master。

但如果old master还没起来，或者old master没把自己变成slave，悲剧就可能发生。 　　另外，sentinel会在master上建一个pub/sub channel，通告各种信息，比如+sdown/-sdown， 而且sentinel们也是通过接收pub/sub channel上的+sentinel的信息发现彼此，因为每台sentinel每5秒会发送一次__sentinel__:hello，宣告自己的存在。

自定义脚本和Client

5.3.3 自定义脚本 
sentinel在failover时还会执行配置文件里指定的用户reconfig脚本，让master变为slave并指向新的master。 
脚本在如下时机被调用： 
1. slave开始提升成master，
2.所有slave都已指向新master，
3.各种原因提升被终止。 脚本的将会在命令行按顺序传入如下参数： 脚本返回0是正常，如果返回1会被重新执行，如果返回2或以上不会。
 如果超过60秒没返回会被强制终止。 　　

另一种notify脚本在收到任何pub/sub信息时都会调用，让你去通知O&M系统。 　　

5.3.4 Client集成 　　
client中执行语句SENTINEL get-master-addr-by-name mymaster 可获得当前master的地址。 
但是Jedis还没集成sentinel,只有一个热心网友提交了pull request 　　

淘宝的Tedis driver，使用了完全不同的思路，不基于Sentinel，而是多写随机读，学术名词是ReadOne-WriteAll-tx(see NoSQL数据库的分布式算法), 
一开始就同步写入到所有节点，读的话随便读一个还活着的节点就行了。(但节点死掉重新起来后怎么重新同步?什么时候可以重新作为一个可选的master?) 　
Redis作者也在博客里抱怨怎么没有人做Dynamo-style 的client。

监控技巧见： http://blog.nosqlfan.com/html/4166.html

SlowLog 检查慢操作(见2.性能)

配置sentinel的notify.sh脚本对所有事件告警或自己用PING/INFO监控节点状态(见5.3.3)

MONITOR可以显示Server收到的所有指令，可以用于debug。 Redis live， 基于Python的DashBoard，使用INFO和MONITOR获得系统情况和指令统计分析。 
Instagram的Redis Faina，基于Python，使用MONITOR对指令进行统计分析. Redis-rdb-tools 基于Python，可以分析RDB文件，
比如每条Key对应value所占的大小，还可以将RDB dump成文本文件然后进行比较，还可以将RDB输出成JSON格式。 
Redis作者自己写的Redis Sampler，基于Ruby，统计数据分布情况。

 

维护

用redis-check-aof/redis-check-dump 修复烂掉的文件。

在系统闲时调用 bgrewriteaof 重写AOF文件。

其他 　　

过期数据清除 ,过期数据的清除从来不容易，Redis使用了一种相对务实的做法 当client主动get的时候会先进行判断。

如果clien永远都不再get那条key呢? 它会在后台，每秒10次的执行如下操作： 随机选取100个key校验是否过期，如果有25个以上的key过期了，
立刻随机选取下100个key，可见如果数据不被主动get，它什么时候最终被清理掉是未知的。

上述主动清理只会在master进行，slave们会收到从master发过来的DEL指令，master的AOF文件也会插入一条DEL。

 

Java Driver 　　

各个Driver好像只有Jedis比较活跃。 　　

不需要Spring Data Redis的封装，因为Jedis已足够简单，所以它没有像对MongoDB java driver的封装那样能简化代码，
所谓屏蔽各种底层driver的差异并不太吸引人，因为我就没打算选其他几种driver。 　　

Jedis基于Apache Commons Pool做的连接池，默认最大连接数只有8，一般需要重新设置。

 

 

下面这一篇讲Redis Cluster的原理还比较清晰 http://www.cnblogs.com/foxmailed/p/3630875.html

  Redis Cluster 是Redis的集群实现，内置数据自动分片机制，集群内部将所有的key映射到16384个Slot中，
集群中的每个Redis Instance负责其中的一部分的Slot的读写。
集群客户端连接集群中任一Redis Instance即可发送命令，当Redis Instance收到自己不负责的Slot的请求时，
会将负责请求Key所在Slot的Redis Instance地址返回给客户端，客户端收到后自动将原请求重新发往这个地址，对外部透明。
一个Key到底属于哪个Slot由crc16(key) % 16384 决定。

  关于负载均衡，集群的Redis Instance之间可以迁移数据，以Slot为单位，但不是自动的，需要外部命令触发。

  关于集群成员管理，集群的节点(Redis Instance)和节点之间两两定期交换集群内节点信息并且更新，从发送节点的角度看，这些信息包括：
集群内有哪些节点，IP和PORT是什么，节点名字是什么，节点的状态(比如OK，PFAIL，FAIL，后面详述)是什么，包括节点角色(master 或者 slave)等。

  关于可用性，集群由N组主从Redis Instance组成。主可以没有从，但是没有从 
意味着主宕机后主负责的Slot读写服务不可用。一个主可以有多个从，主宕机时，某个从会被提升为主，具体哪个从被提升为主，协议类似于Raft，参见这里。
如何检测主宕机？Redis Cluster采用quorum+心跳的机制。从节点的角度看，节点会定期给其他所有的节点发送Ping，
cluster-node-timeout(可配置，秒级)时间内没有收到对方的回复，则单方面认为对端节点宕机，将该节点标为PFAIL状态。
通过节点之间交换信息收集到quorum个节点都认为这个节点为PFAIL，则将该节点标记为FAIL，
并且将其发送给其他所有节点，其他所有节点收到后立即认为该节点宕机。
从这里可以看出，主宕机后，至少cluster-node-timeout时间内该主所负责的Slot的读写服务不可用。

 

这里有一些使用Redis遇到的坑和经验 http://www.360doc.com/content/16/0425/23/16915_553797555.shtml

疑似 Cluster 脑裂？(这个名称好可怕。。)
脑裂在所谓的分布式系统中很常见，大家也不陌生，做为DBA最怕的就是Mysql keepalived 脑裂，造成主库双写。难道 Redis Cluster中也会有脑裂么？
凌晨5点接到电话，发现应用看到数据不一致，偶尔是无数据，偶尔有数据，很像读到了脏数据。
登上 Redis， Cluster Nodes, Cluster Config，确实发现不同 Redis 实例配置了不同的Cluster Nodes。
想起了昨天有对该集群迁移，下掉了几个实例，但是在 PHP 配置端没有推送配置，导致 PHP 可能读到了旧实例数据，马上重新推送一遍配置，问题解决。