Redis集群基本概念与部署
学习前思考下面几个问题
- 为什么要使用集群？集群的好处是？
- 集群的部署怎样完成？其数据在写入和读取时具体流程是什么样的？
- 集群模式，解决了哪些问题？又带来了哪些问题？
自己理解的Redis集群：
由于单例Redis的容器瓶颈，以及海量数据时代的到来，对Redis扩容成为必须要解决的问题；程序层面上，则采用Redis集群的形式，通过虚拟槽分配策略，将多个Redis服务形成一个有机的整体，从而应对海量数据的高并发的应用场景！
一：集群的基本概念
Redis 集群是一个可以在多个 Redis 节点之间进行数据共享的设施（installation）。
还有一种解释也很nice！
Redis Cluster 是 Redis 的分布式解决方案，在3.0版本正式推出，有效地解决了 Redis 分布式方面的需求。当遇到单机内存、并发、流量等瓶颈时，可以采用 Cluster 架构方案达到负载均衡的目的。(扩容是目标，负载均衡是扩容时要达到的要求，采用的是更加优越的hash算法–算法散列性更好)。
1. 集群模型
观察集群模型不难发现：任意两个节点之间均可联系（网络相同，资源共享）。 分布式框架最大的特点也是如此，去中心化，无中心节点，好处显而易见，极大地提高了服务的稳定性，数据的高可用。在好的模型（或者算法支持下）还可以实现数据（请求）的负载均衡。
2. 关键性概念
2.1 分区
在数据上叫数据分布问题，在分布式架构上就是分区问题。
什么是分区？个人理解分区是将资源更好的管理，无论是依据业务关系还是非业务关系（hash分区–离散型）；主要目的就是为了实现资源在分布式架构中的有效管理（用大白话说，就是建立一套行之有效的存放规则，什么资源来了，存放在哪，怎么修改怎么提取等等诸如此类。）
分区是分布式架构的根基（也是其核心的设计理念）。
顺序分区
特点： 将整个数据分散到等大小的节点数量的小块中。平均分配的特点。
如何实现节点扩展和压缩的？（待了解！）
hash分区
基于Hash算法实现的离散型分区方式，数据的存放基于Key值以及Hash算法以及分区方式的选择，而与业务层次无关。
顺序分区与hash分区的区别
| 分区类型 | 特点 | 优 缺 | 代表产品 |
|---|---|---|---|
| 顺序分区 | 分区数据与业务关联 可顺序查找 数据离散性差 |
访问倾斜（频率高的访问打到一个节点上） | BigTable Hbase |
| Hash分区 | 分区数据与业务无关 不可顺序查找 数据离散性好 |
节点伸缩，导致数据迁移或者丢失。 | Redis-Cluster Dynamo |
2.2 哈希分区
常见的分区形式：
1. 节点取余分区
- 平均分配节点的分区空间;
- 计算方式：Hash(Key)%N
- 对存入数据的key值，hash后用节点数量进行取余！来确定其存储在哪个节点。
- 缺点: 从计算方式不难看出，当增加或减少节点时，映射的分区空间（节点）也发生改变，这也就导致了节点与节点之间的数据迁移，也可能发生数据丢失。
2. 一致性Hash分区
- 概括成一句话就是：每个节点会分配到一个Token，该Token的值在0-232之间，Token之间按照值大小形成一个Token闭环，数据插入时，根据k的hash值对232进行取模，将该值与Token闭环比较，找到第一个大于等于该值得Token（即服务节点），将数据存入。
- 该方式的优点：节点与节点之间隔离性强—即当节点扩容或压缩时，只会影响到扩容位置（压缩位置）前后两个节点的数据存储（发生数据迁移）；而对其他节点无影响。
- 缺点：若hash算法的散列性不佳，或者说数据偏向性太强，会导致某一节点压力过大（即数据绝大多数都存放到分布式服务中的某一节点）。
3. 虚拟槽分区
- Redis-Cluster 选取的分区方式
-
该方式如何进行分区的？槽的概念？
- 槽：利用离散性优秀的hash算法，将数据均匀的分布在一个整数集合范围内，其中每一个整数就是一个槽。
- Redis-Cluster的槽位范围在0-2的14次幂-1之间（16383），节点分配槽位并不是数组范围，而是整数个数；也就是说如果有5个节点，每个节点的槽位大概3276个槽位，节点负责的槽位极可能不是连续，而是均衡选取（槽位），使得每个节点的存放的数据近乎相同。
- 举例说明：加入有4个槽位（1,2,3,4），2个Redis节点（A，B）；数据Key经过hash算法命中四个槽位的数量不同，槽位1:50%数据命中，槽位2:40%命中，槽位3：10%命中，槽位4：无数据命中；槽位分配策略，则会将1,4槽位作为一组，2,3槽位作为一组进行槽位分配，以保证每个节点的数据压力大致相同。
- 节点扩容或压缩，会对所有节点的槽位进行再分配，涉及到数据的迁移操作
个人总结（带有浓重的个人色彩，希望与道友们一起更新自我的认知！）：集群的关键在于资源分配，资源分配的策略，目前使用的就是分区；而分区的关键在于分区策略的选择，不同的分区策略主要考察：
- 1：节点扩容，压缩对数据影响（迁移，丢失）；
- 2: 尽可能使数据均衡分布在每个节点（使集群性能最大化）
- 这就牵扯到分区的算法离散性是否够好，节点模型是否合理等等一系列问题；这也是深入研究集群策略，集群方案的重点。
- 3：这结合自己的认知，一个集群框架是否好用？性能只是一方面因素，是否方便维护；学习成本是否够低；选取的技术是否持续开源；架构的扩展性、稳定性等等因素。就像道人面试阿里（被血虐），就在面试官哪里上了一课：衡量一个算法的好坏不单单是一个性能因素，你写的算法，可读性是否够强？设计的算法是否符合当前系统设计开发要求？后期维护是否方便？该算法的延展性如何？诸如此类！面试惨败，但是道人也算体会到一个核心，看问题的角度越单一，你可选择的方式越少；降维打击总是致命的的原因，也是信息的高度不够（信息差），也可理解为看问题的角度不同，别人能从更高纬度上看问题，观察到的东西肯定比你多的多。所以看问题一定不要局限，一定要上升高度和下降高度（至于为啥下降高度啦？有兴趣的，可以看下三体，或者跟道人私下交流），只有这样，我们看到的才不是冰山一角，或者能看到冰山更大的一角。
各位道友，如果有收获！点个赞再走呗！欢迎与道人交流，指出不足之处。