扩容的思路
- 纵向扩展 scale up: 一台8G的变成一台24G的
👍 简单
👎 受硬件条件的限制
👎 单机容量大对性能的影响，如Redis的fork操作耗时是和内存数据量正相关的 - 横向扩展 scale out: 一台8G的变成3台8G的
👍 扩容灵活，不会增大单机的存储
👎 机制复杂，包括如何片键分片，避免热片，如何保证通信连接，数据聚合等等
以下主要讲的是Redis Cluster即Redis集群横向扩展的方式。
数据在哪个实例上？
Redis把数据分成了16384个哈希槽（Slot）,通过 CRC16(Key)%16384来获取数据应该放在哪个槽。而分片集群，就是把这些槽均匀分布在不同实例上。
例如，如果是有两个主节点的分片集群，那么主1存0-8191号slot,主2存8192-16383号slot;如果是4个主节点的分片集群，主1存0-4095，主2存4096-8191，主3存8192-12287，主4存12288-16383。
部署
集群模式部署的Redis实例如下：
重定向
Redis主节点会互相知道各自存的slot映射关系，客户端也会缓存一份这个哈希槽的映射关系在本地，那么当一个命令（例如get）出现时，客户端可以自己计算键所对应的哈希槽号，然后直接向存该槽的数据节点发送命令。
但是这个映射关系会在1.集群变化，如扩缩容2.负载均衡优化，重新分布slot时，改变。如果客户端缓存的映射和实际的不一致，就要靠Redis提供的重定向机制来保证，假如客户端像实例1请求数据，实例1发现这个数据其实是在实例2上，就会回复客户端 MOVED 哈希槽号 实例2HOST。如果请求时，正在发生数据迁移，那么会回复一个 ASK 哈希槽号 实例2HOST给客户端，表明需要后续再确认。
无中心化
Redis Cluster采用的无中心化模式（无Proxy,客户端与数据节点直连，这和我们在Mongodb看到的Mongos不一样），所以就存在数据节点纠正客户端路由表的能力，和数据节点之间交换路由表的能力。使用哈希槽的方式是为了简化这个路由映射表，减少该表的存储空间，便于扩缩容，负载均衡，数据迁移等。
中心化方案
其他Redis集群化方案如Codis,Twemproxy都是中心化模式（增加Proxy层,像mongos一样的），让客户端操作Redis集群像操作一个Redis实例一样，增加Proxy也势必带来性能的损耗。
Original: https://www.cnblogs.com/rachel-aoao/p/Redis_cluster.html
Author: rachel_aoao
Title: Redis-切片集群
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/601474/
转载文章受原作者版权保护。转载请注明原作者出处！