[Redis#19] 集群 | 数据分片 | docker模拟 | 故障转移 | 集群扩容

上篇文章讲述的哨兵模式, 提高了系统的可用性. 但是真正用来存储数据的还是 master 和 slave 节点. 所有的数据都需要存储在单个 master 和 slave 节点中.
如果数据量很大, 接近超出了 master/slave 所在机器的物理内存, 就可能出现严重问题了.
虽然硬件价格在不断降低, 一些中大厂的服务器内存已经可以达到 TB 级别了, 但是 1TB 在当前这个 "大数据" 时代, 俨然不算什么, 有的时候我们确实需要更大的内存空间来保存更多的数据.

如何获取更大的空间?

加机器即可! 所谓 "大数据" 的核心, 其实就是一台机器搞不定了, 用多台机器来搞.

Redis 的集群就是在上述的思路之下, 引入多组 Master/Slave, 每一组 Master/Slave 存储数据全集的一部分, 从而构成一个更大的整体, 称为 Redis 集群 (Cluster)

集群

集群这个词，可以从广义上来理解，也可以从狭义上来理解。

其中广义的集群，只要是多个机器，构成了分布式系统。我们前面学过的哨兵模式，也可以算作是一种广义上的集群。
狭义的集群，是 Redis 提供的一种集群模式，在这个集群模式之下，主要解决存储空间不足的问题，即拓展存储空间。

我们前面的哨兵模式提高了系统的可用性，哨兵模式中，本质上还是 Redis 主从节点存储数据，其中要是请求一个主节点/从节点，就得存储整个数据的“全集”。

但是集群中主要要解决的问题就是要引入多台机器, 每台机器存储一部分数据。
只要机器规模足够大, 就可以存储任意数据的大小了。比如：

Redis 的集群通过引入多组 Master/Slave 来分散数据存储压力。
每一组 Master/Slave 存储数据全集的一部分，构成一个更大的整体。
假定整个数据全集为 1TB，三组 Master/Slave 可以每组存储 1/3 的数据。
每个 Slave 是对应 Master 的备份（Master 故障时，Slave 会补位成 Master）。
每个红框部分称为一个分片 (Sharding)，用于进一步扩展存储容量。

关于使用硬盘代替内存

硬盘虽然可以存储更多数据，但访问速度远慢于内存。
在某些应用场景（如搜索引擎），既需要存储较多数据，又希望有非常高的读写速度。这时我们就可以引入 redis 集群啦

这其中每个服务器集群上都需要存储一定规模的数据，也就是把数据分为了多份，但是数据在分成多份的时候，应该怎么分？这就是我们接下来需要主要研究的问题。

数据分片算法

分片的核心思路是用多组机器来存数据的每个部分，那么接下来的核心问题就是，给定一个数据(一个具体的 key)，那么这个数据应该存储在哪个分片上？读取的时候又应该去哪个分片读取？围绕这个问题，业界有三种比较主流的实现方式：

哈希求余
一致性哈希算法
哈希槽分区算法

1. 哈希求余

哈希求余，就是借鉴了哈希表的基本思想

借助哈希函数，把一个 key 映射到整数，再针对数据的长度，求余就可以得到一个数组的下标。

哈希求余的分片算法具体是什么样子的呢？

比如有三个分片，编号 0 1 2，此时就可以针对要插入的数据的 key 计算出一个哈希值
（计算哈希值的算法，一般是针对一个字符串里面的内容进行一系列的变换，比如 md5 算法就是一种哈希算法，它是把一个字符串变换成为一个 16 进制的数字）。
在把这个哈希值余上一个分片个数，就会得到一个下标。此时就可以把这个数据放到该下标对应的分片中了。

比如，hash(key) % N => 0，由于求出的余数是 0，此时这个 key 对应的数据就要存储在 0 号分片中。
后续查询 key 的时候也是同样的算法。只要 key 是一样的，hash 函数式一样的，得到的分片的值就是一样的。
随着业务逐渐增长，数据变多的时候，仅有的几个分片就不足以保存数据了，这就需要对集群进行扩容，引入新的分片。

这时候，哈希求余算法的缺点就体现出来了，就是在增加集群容量，需要对数据进行 搬运的时候，开销非常大，很多数据都需要搬运。原因就是，扩容后 N的值会变大，那么原先的求余就不再适用了，此时要把所有数重新计算。计算完毕后，还要面临复杂的搬运数据的过程。，大部分的数据都是需要搬运的，这就是扩容的开销非常大。

从上图中可以看到，其中的 21 个数据，只有 3 个 key 没有被搬运，其他的 key 都是搬运过的。

当然，哈希求余的分片算法也是有一定优点的，那就是简单高效，数据分配比较均匀。

2 一致性哈希算法

在哈希求余这种操作中，当前的 key 属于哪个分片是交替的。例如某些数据的 hash 值分别是 102, 103, 104，这些数据在对 3 求余后，得到的值分别是 0, 1, 2，它们哈希求余求出的值是交替的，交替分布在不同的集群中。

而在一致性哈希算法中，我们改进了这种交替存储的方式为连续存储。一致性哈希算法的过程如下：

数据空间映射：首先把数据空间全部映射到一个圆环上，数据按照顺时针方向增长。
分片定位：假设当前存在三个分片，将这些分片放到圆环的某个位置。
Key 映射与分配：对于每一个 key，通过哈希函数计算得到哈希值 H，并将 H 映射到圆环上的对应位置。从 H 所在的位置开始，顺时针向下找，找到的第一个分片即为该 key 所从属的分片。

这相当于 N 个分片的位置将整个圆环分成了 N 个管辖区间，key 的哈希值落在某个区间内，就归该区间管理。

在这种一致性哈希算法情况下，如果需要对数据进行扩容，原有分片在环上的位置不动，只需要在环上安排一个新的分片（如下图粉色区域）。

此时只需把 3 号分片上的部分数据搬运给新增的分片（如 4 号分片），而其他分片管理的区间保持不变。

这种方式相比哈希求余减少了数据搬运成本，但可能导致各分片的数据量不均匀，出现 数据倾斜 现象。

3. 哈希槽分区算法 (Redis 使用)

求余%：扩容不便
一致性分片：数据倾斜

为了解决上述问题，Redis 集群引入了哈希槽算法，其公式为：

hash_slot = crc16(key) % 16384

这里 CRC 是一种哈希算法，16384 等于 16*1024 或者说是 2^14。
此算法结合了一致性哈希和哈希求余的特点
将哈希值映射到 16384 个槽位上，然后把这些槽位均匀地分配给每个分片。每个分片会使用“位图” 这样的数据结构来记录自己持有的槽位号，用 0/1 表示是否持有该槽位。

假设当前有三个分片，一种可能的分配方式如下：

0 号分片: [0,5461]，共 5462 个槽位
1 号分片: [5462,10923]，共 5462 个槽位
2 号分片: [10924,16383]，共 5460 个槽位

实际上，分片方式非常灵活，每个分片持有的槽位号可以是连续或不连续的。尽管不是严格意义上的均匀，但差异很小，使得数据分布较为均衡。

当需要进行扩容时，比如新增一个 3 号分片，可以通过重新分配原有的槽位来实现：

0 号分片: [0,4095]，共 4096 个槽位
1 号分片: [5462,9557]，共 4096 个槽位
2 号分片: [10924,15019]，共 4096 个槽位
3 号分片: [4096,5461]+[9558,10923]+[15019,16383]，共 4096 个槽位

此时，每个分片分出一部分槽位给新来的分片，并且保证最终所有分片持有的槽位个数接近，此处因为 16384 / 4可以除尽，所以最终四个分片的槽位数目完全相同。

最后进行数据拷贝时，只需要0 1 2三个分片，分别单向拷贝一部分数据给3号分片即可。

此外，还有一些关于 Redis 集群的问题需要注意：

Redis 集群最多有 16384 个分片吗？

在 Redis 集群中，key 是要先映射到槽位上，再映射到分片上的。这种设计的目的是为了确保数据分布的均匀性：

如果每个分片包含的槽位较多，并且槽位个数相当，那么可以认为每个分片包含的 key 数量也是相等的，从而保证了数据分布的均匀性。
然而，如果每个分片包含的槽位非常少，槽位的数量可能无法直观地反映出 key 的数量，这种情况之下，数据的均匀性就难以保证。
此外，如果每个分片中包含的槽数非常少，则会导致集群中的服务器规模变得非常庞大，随着服务器数量的增加，出现故障的概率也会相应增大。

为什么是16384个槽位？

节点之间通过心跳包通信，心跳包中包含了该节点持有哪些槽位，这个是使用位图这样的数据结构表示的。
表示 16384 个槽位需要的位图大小是 2KB，如果给定的槽位数更多了，此时就需要消耗更多的空间。
这对于内存来说不算什么，但是在频繁的网络心跳包中，还是一个不小的开销，因为网络带宽是比内存更稀缺的资源
另一方面，Redis 集群一般不建议超过 1000 个分片。16384个槽位，对于最大 1000 个分片来说是足够用的，同时也会使对应的槽位配置位图体积不至于很大

参考：

Docker搭建集群

接下来使用docker搭建一个如下集群，拓扑结构如下:

注意

本示例中我们将创建11个Redis节点
其中前9个用于演示集群的搭建，后两个用于演示集群扩容。

i：创建目录和配置文件

首先，创建一个名为 redis-cluster 的目录，并在该目录下创建两个文件：

编写 `generate.sh` 脚本

generate.sh 内容如下，此脚本将为每个 Redis 实例创建配置文件并设置不同的 IP 地址：

#!/bin/bash

# 创建并配置前9个节点
for port in $(seq 1 9); do
    mkdir -p redis${port}
    touch redis${port}/redis.conf
    cat << EOF > redis${port}/redis.conf
port 6379
bind 0.0.0.0
protected-mode no
appendonly yes
cluster-enabled yes
cluster-config-file nodes.conf
cluster-node-timeout 5000
cluster-announce-ip 172.30.0.10${port}
cluster-announce-port 6379
cluster-announce-bus-port 16379
EOF
done

# 创建并配置第10和11个节点（用于后续扩容）
for port in $(seq 10 11); do
    mkdir -p redis${port}
    touch redis${port}/redis.conf
    cat << EOF > redis${port}/redis.conf
port 6379
bind 0.0.0.0
protected-mode no
appendonly yes
cluster-enabled yes
cluster-config-file nodes.conf
cluster-node-timeout 5000
cluster-announce-ip 172.30.0.1${port}
cluster-announce-port 6379
cluster-announce-bus-port 16379
EOF
done

C++ 和 Java 中的循环

C++: range based for（C++ 也有 std::for_each，STL 中的一个函数）
Java: for each

Shell 脚本中的循环如上

解释

seq: 一个 Linux 命令，生成 [1, 9]。
\: 续行符，把下一行的内容和当前行合并成一行。

- 默认情况下，shell 要求把所有的代码都写到一行里，使用续行符来换行。

{ }: 在 shell 中表示变量，不是表示代码块。

- 对于 for，使用 do 和 done 来表示代码块的开始和结束。
- 循环体内的代码。

字符串拼接：在 shell 中拼接字符串是直接写到一起，而不需要使用 +。

预期效果

得到 11 个目录，每个目录里都有一个配置文件。
配置文件中，IP 地址各不相同。

注意：cluster-announce-ip 172.30.0.10${port} 的值对于每个实例是不同的，以确保它们在网络中的唯一性。

执行生成命令

运行以下命令以执行 generate.sh 脚本，这将在 redis-cluster/ 目录下生成相应的子目录及配置文件：

bash generate.sh

生成后的目录结构应类似于：

每个 redis.conf 文件的内容除了 cluster-announce-ip 不同外，其他部分都相同。例如，redis1/redis.conf 包含如下内容：

配置说明：

cluster-enabled yes: 开启集群模式。
cluster-config-file nodes.conf: 集群节点自动生成的配置文件。
cluster-node-timeout 5000: 节点失联的超时时间（毫秒）。
🎢cluster-announce-ip 172.30.0.101: 节点自身的 IP 地址。
cluster-announce-port 6379: 节点自身的业务端口。
cluster-announce-bus-port 16379: 节点自身的总线端口，用于集群管理信息交互。

注意：

cluster-announce-ip: Docker 容器的 IP 地址。
port: 容器内的 Redis 端口。
业务端口: 用于业务数据通信。（eg. 客户端访问的
管理端口: 用于管理任务通信。

故障处理

如果某个分片中的 Redis 主节点挂了，就需要让从节点成为主节点，就需要通过刚才管理端口来完成相应的操作。
服务器端口绑定: 一个服务器可以绑定多个端口号。

ii：编写 `docker-compose.yml`

接下来，我们需要编写 docker-compose.yml 文件来定义 Docker 容器网络和服务。以下是配置示例：

networks:
  mynet:
    ipam:
      config:
        - subnet: 172.30.0.0/24

services:
  redis1:
    image: 'redis:5.0.9'
    container_name: redis1
    restart: always
    volumes:
      - ./redis1/:/etc/redis/
    ports:
      - 6371:6379
      - 16371:16379
    command:
      redis-server /etc/redis/redis.conf
    networks:
      mynet:
        ipv4_address: 172.30.0.101
  redis2:
    image: 'redis:5.0.9'
    container_name: redis2
    restart: always
    volumes:
      - ./redis2/:/etc/redis/
    ports:
      - 6372:6379
      - 16372:16379
    command:
      redis-server /etc/redis/redis.conf
    networks:
      mynet:
        ipv4_address: 172.30.0.102
  redis3:
    image: 'redis:5.0.9'
    container_name: redis3
    restart: always
    volumes:
      - ./redis3/:/etc/redis/
    ports:
      - 6373:6379
      - 16373:16379
    command:
      redis-server /etc/redis/redis.conf
    networks:
      mynet:
        ipv4_address: 172.30.0.103
  redis4:
    image: 'redis:5.0.9'
    container_name: redis4
    restart: always
    volumes:
      - ./redis4/:/etc/redis/
    ports:
      - 6374:6379
      - 16374:16379
    command:
      redis-server /etc/redis/redis.conf
    networks:
      mynet:
        ipv4_address: 172.30.0.104
  redis5:
    image: 'redis:5.0.9'
    container_name: redis5
    restart: always
    volumes:
      - ./redis5/:/etc/redis/
    ports:
      - 6375:6379
      - 16375:16379
    command:
      redis-server /etc/redis/redis.conf
    networks:
      mynet:
        ipv4_address: 172.30.0.105
  redis6:
    image: 'redis:5.0.9'
    container_name: redis6
    restart: always
    volumes:
      - ./redis6/:/etc/redis/
    ports:
      - 6376:6379
      - 16376:16379
    command:
      redis-server /etc/redis/redis.conf
    networks:
      mynet:
        ipv4_address: 172.30.0.106
  redis7:
    image: 'redis:5.0.9'
    container_name: redis7
    restart: always
    volumes:
      - ./redis7/:/etc/redis/
    ports:
      - 6377:6379
      - 16377:16379
    command:
      redis-server /etc/redis/redis.conf
    networks:
      mynet:
        ipv4_address: 172.30.0.107
  redis8:
    image: 'redis:5.0.9'
    container_name: redis8
    restart: always
    volumes:
      - ./redis8/:/etc/redis/
    ports:
      - 6378:6379
      - 16378:16379
    command:
      redis-server /etc/redis/redis.conf
    networks:
      mynet:
        ipv4_address: 172.30.0.108
  redis9:
    image: 'redis:5.0.9'
    container_name: redis9
    restart: always
    volumes:
      - ./redis9/:/etc/redis/
    ports:
      - 6379:6379
      - 16379:16379
    command:
      redis-server /etc/redis/redis.conf
    networks:
      mynet:
        ipv4_address: 172.30.0.109
  redis10:
    image: 'redis:5.0.9'
    container_name: redis10
    restart: always
    volumes:
      - ./redis10/:/etc/redis/
    ports:
      - 6380:6379
      - 16380:16379
    command:
      redis-server /etc/redis/redis.conf
    networks:
      mynet:
        ipv4_address: 172.30.0.110
  redis11:
    image: 'redis:5.0.9'
    container_name: redis11
    restart: always
    volumes:
      - ./redis11/:/etc/redis/
    ports:
      - 6381:6379
      - 16381:16379
    command:
      redis-server /etc/redis/redis.conf
    networks:
      mynet:
        ipv4_address: 172.30.0.111

网络配置

subnet: 此处为了后续创建静态的 IP，就需要先手动创建出网络，同时给这个网段分配 IP。这里分配的网络号是 172.30.0，其中这个网络号是私网格式的一种，需要注意的是，不能和当前主机上现有的其他网段冲突，0/24 是主机号。

volumes: 配置文件映射，确保容器内的配置文件与宿主机上的配置文件同步更新。

ports: 端口映射，需要注意的是，映射右边的端口必须和配置文件中的保持一致。

ipv4_address: 静态配置的网络 IP，这里的 IP 也必须和之前的配置文件中的一致。

启动容器之前，要把之前测试的容器关掉，避免冲突

博主在测试机上没什么有用的，就粗暴的直接全都删掉了

由于要启动是一个容器，所以上面的文件会比较长。

启动容器：

docker compose up -d

此时十一个容器就启动了。

但是这些容器目前还是单独的节点，尚未构成集群。

iii: 构建集群

接下来需要把这些服务容器全部构建为集群，使用如下命令：

redis-cli --cluster create 172.30.0.101:6379 172.30.0.102:6379 172.30.0.103:6379 172.30.0.104:6379 172.30.0.105:6379 172.30.0.106:6379 172.30.0.107:6379 172.30.0.108:6379 172.30.0.109:6379 --cluster-replicas 2

--cluster create 表示建立集群，后面填写每个节点的 IP 和端口。
--cluster-replicas 2 表示每个主节点需要两个从节点备份。设置了这个配置之后，Redis 就会知道，每 3 个节点是一组（一个分片）。但是分配的时候，谁是主节点，谁是从节点，都是随机的。

这样redis就会依据规则自动构建集群，每三个节点构成一个分片（因为指定了一个主有两个从），并且会自动构建主从关系。

输入命令后，出现以下界面：

1 部分，是信号槽的分配部分，可以看到redis内部采用了连续分配的方式，将信号槽均匀的分配给三个分片。
2 部分，是主从关系的建立部分，第一行表示：172.30.0.105:6379成为172.30.0.101:6379的从节点。那么这六行日志，就表示xxx.101、xxx.102、xxx.103成为了三个主节点，其余的节点成为这三个的从节点。
3 部分，是一段日志，就是具体把那一部分槽位具体分配给哪一个分片，比如xxx.101拿到了[0-5460]的槽位号。

输入 yes 之后才会真正创建。

见到 [OK] 之后说明集群建立完成。

连接并验证集群

使用客户端连接集群中的任何一个节点，都相当于连上了整个集群。：

redis-cli -h 172.30.0.101 -p 6379

在客户端中，我们使用 cluster nodes 来查看当前集群的信息。

重定向

尝试插入数据：

报错了，因为当前集群发生了分片，每个分片都只能存储一部分数据，key1经过哈希运算，发现并不是这个节点可以存储的值，于是就报错了。

想要解决这个问题，可以在启动时加上-c选项，此时插入数据，会自动重定向到对应的节点。

如图，每次操作数据是，如果该数据不属于当前分片，就会触发一次重定向，自动跳转到对应的客户端。命令行前面的 ip 一直在改变，这就说明我们的客户端一直在切换。

但是redis中，有一些命令同时操作多个key，比如最后一个命令mget，此时又报错了。因为这几个key属于不同分片，那么就无法同时处理，因此在集群的情况下，最好不要一次性操作多个key。

主节点宕机自动处理流程

如果在集群中，某一个分片的主节点宕机了，会发生什么？在部署集群时，并没有引入哨兵节点，但是集群也会完成哨兵的工作，如果主节点宕机了，集群会自动完成重新选主的过程。

接下来就讲解集群中是如何完成故障转移的。

故障判定

Redis 集群中的所有节点会周期性地使用心跳包进行通信，确保各节点之间的连接状态和集群配置信息的同步。以下是心跳包交互的具体过程：

心跳包通信：节点A给节点B发送ping包，B接收到后返回一个pong包。这些消息除了类型属性外，其余部分相同，并包含以下集群配置信息：

- 节点ID
- 所属分片
- 主/从角色
- 附属主节点（如果为从节点）
- 持有的哈希槽位图

随机化心跳检测：每个节点每秒钟随机选择一部分节点发送ping包，而非向所有节点发送，以减少大量节点存在时的心跳包数量。
PFAIL 状态：当节点A尝试与节点B通信未果时，A首先尝试重置TCP连接；若仍然失败，则将B标记为PFAIL（主观下线）状态。
Gossip协议确认：一旦A判定B为PFAIL，它会通过内置的Gossip协议与其他节点沟通，确认B的状态。每个节点维护自己的“下线列表”，反映其视角下的故障节点。
FAIL 状态：如果多数节点（超过半数）也认为B处于PFAIL状态，那么A将正式把B标记为FAIL（客观下线），并通知其他节点更新状态。

故障迁移

当一个节点被标记为FAIL时，根据该节点的角色，可能触发不同的响应：

从节点故障：如果是从节点，通常不需要特别处理，因为它们不直接服务客户端请求。
主节点故障：如果故障节点是主节点，则需要进行故障迁移，流程如下：

1. 资格审查：从节点检查自身是否符合晋升条件，即与原主节点的最后通信时间不超过设定阈值。
2. 休眠等待：符合条件的从节点进入一段随机的休眠期，休眠时间=500ms基础时间+[0,500ms]随机时间+排名*1000ms，offset 的值越大，则排名越靠前(越小)。这一策略有助于防止多个从节点同时竞选。
3. 拉票选举：休眠结束后的从节点开始向其他集群的主节点拉票。只有主节点有投票权，且每个主节点只能投一票。
4. 晋升为主：获得超过半数主节点支持的从节点晋升为主节点，并执行SLAVEOF NO ONE命令脱离原主节点控制。并且让同一分片中的其它节点执行 slaveof
5. 最后，新的主节点会把自己成为主节点的消息，同步给其他集群的节点，大家也都会更新自己保存的集群结构信息

此过程类似于 Raft算法，旨在选出网络状况较好的节点作为新的主节点，保证集群的服务连续性和数据一致性。

Fail 状态的影响

在某些情况下，单个节点的故障可能导致整个集群进入fail状态，具体情形包括但不限于：

某一分片内的所有主节点和从节点都不可用。
某一分片内主节点故障且无可用从节点可晋升。
超过半数的主节点失效。

实验

如图：

首先通过docker stop redis1，关掉了redis1节点，也就是xxx.101下线了，而这是一个主节点。登录6372端口的客户端，查看当前集群，可以发现xxx.106成为了新的主节点，而xxx.105原先是xxx.101的从节点。

重启redis1，其变为了reids5的从节点。

此处集群的故障转移，和哨兵的故障转移是有一些差别的

哨兵：sdown/odown
集群：PFAIL/FAIL

集群扩容

一、加入集群

命令格式：

- 使用 --cluster add-node 选项将新节点添加到集群。

具体操作：

- 新增节点：要增加到集群的节点。
- 集群任意节点：用于标识要加入哪一个集群。

redis-cli --cluster add-node 172.30.0.110:6379 172.30.0.101:6379

这样就可以把xxx.110节点加入到集群中，登入任意客户端查看：

通过上述命令，可以将 xxx.110 节点加入到集群中。登录任意客户端查看，可以看到集群内部已有 xxx.110，且是一个主节点。但需要注意的是，新增节点没有分配哈希槽。

二、分配哈希槽

命令格式：

- 使用 --cluster reshard 选项给新节点分配哈希槽（注意是 reshard 不是 shared）。

redis-cli --cluster reshard 172.30.0.101:6379

执行步骤：

系统会询问要移动多少个 slots（哈希槽）。假设需要移动4096个哈希槽给新节点，则输入 4096。
接着询问将这些哈希槽移动给哪个节点。此时应选择哈希槽为 0的主节点，并复制其ID。

最后询问从哪些节点中空出这些哈希槽。可以选择 all 表示从所有现有节点平均提取，或自己指定节点ID，以 done 结束。
最终向用户确认是否要执行该操作。

执行完毕后，进入任意客户端查看集群现状，可以看到新节点获得了三个范围的哈希槽。

问题：搬运哈希槽的过程可能比较久，在此期间用户的访问合法性如何？

大部分哈希槽在搬运过程中仍可正常访问。
如果用户访问正在移动的哈希槽，则可能会导致访问失败。

三、添加从节点

命令格式：

- 使用 add-node 命令配合 --cluster-slave 和 --cluster-master-id 选项来添加从节点。

redis-cli --cluster add-node 新节点 --cluster-slave --cluster-master-id 主节点的ID

参数说明：

- --cluster-slave：指定新添加的节点作为从节点。
- --cluster-master-id：后面跟着的是主节点的ID，表示该节点从属于哪一个节点。

redis-cli --cluster add-node 172.30.0.111:6379 172.30.0.101:6379 --clusterslave --cluster-master-id  [172.30.1.110 节点的 nodeId-->] 7ec6d4a0e616916afab017f30d9a1434e375e80a

此时扩容目标初步达成,但是为了保证整个集群的可用性,还需要给主节点添加一些从结点,保证主节点宕机之后,有接班人~

sum:

主从复制：分担了读取压力

哨兵：监控，稳健性提高

集群：存储数据量提升

原文地址：https://blog.csdn.net/2301_80171004/article/details/144326900

免责声明：本站文章内容转载自网络资源，如本站内容侵犯了原著者的合法权益，可联系本站删除。更多内容请关注自学内容网（zxcms.com）！

上一篇：利用PHP和GD库实现图片拼接的方法
下一篇：4. React 性能优化技巧：如何让你的应用更快

.NET(C#) 如何配置用户首选项及保存用户设置
.NET(C#) 如何配置用户首选项及保存用户设置
阅读更多2024-12-14
【最新】北大数字普惠金融指数数据集-省市县（2011-2023年）
郭峰,王靖一,王芳,孔涛,张勋,程志云.测度中国数字普惠金融发展:指数编制与空间特征[J].经济学(季刊),2020,19(04):1401-1418.时间跨度：省级和城市级指数时间跨度为2011-2
阅读更多2024-12-14
GESP202412 四级【Recamán】题解（AC）
a11ak−1−kkakak−1−kak−1k小杨想知道 Recamán 数列的前n项从小到大排序后的结果。手动计算非常困难，小杨希望你能帮他解决这个问题。
阅读更多2024-12-14
IDEA遇到EasyConnect中的网络资源无法访问的问题
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。原文链接：https://blog.csdn.net/wanshanyu_/article/de
阅读更多2024-12-14
双目摄像头标定方法
此时已经完成标定，左下角为反投影误差，右边为外参可视化。将双目左右目拍的图像上传（左右目最好不少于20张）此时回到主页面，即可看到成功导出。把这些误差大的删除即可。
阅读更多2024-12-14
Servlet、omcat服务器架构与工作原理
Servlet是运行在服务器端的Java程序，它的主要职责之一是接收并处理来自客户端（如浏览器）的HTTP请求。当客户端发送一个请求到服务器时，Servlet可以解析请求中的信息，例如请求的URL路径
阅读更多2024-12-14
Vue生命周期钩子函数：深入解析与实践
作为高级Vue前端开发人员，对Vue组件的生命周期钩子函数有着深刻的理解是至关重要的。生命周期钩子函数是指在Vue组件的创建、更新、销毁等过程中，Vue自动调用的一系列方法。通过这些钩子函数，我们可以
阅读更多2024-12-14
安卓开发--使用android studio发布APP
app发布
阅读更多2024-12-14
数据结构与算法学习笔记----拓扑排序
@ author: 明月清了个风。
阅读更多2024-12-14
python 将数据保存到现有的Excel文件的新工作表
out_file = ‘query.xlsx’df1 = pd.DataFrame(out_data)若直接写入：df1.to_excel(out_file, index=False, sheet_n
阅读更多2024-12-14