亿级流量场景下，大型缓存架构设计实现，你知道吗？( 八 ) _缓存架构

------------------------------------------------------------------
解决方案：
在redis的配置文件配置参数：
min-slaves-to-write 1min-slaves-max-lag 10
要求至少有1个slave，数据复制和同步的延迟不能超过10秒，如果说一旦所有的slave，数据复制和同步的延迟都超过了10秒钟，那么这个时候，master就不会再接收任何请求了.
要求至少有1个slave，数据复制和同步的延迟不能超过10秒
如果说一旦所有的slave，数据复制和同步的延迟都超过了10秒钟，那么这个时候，master就不会再接收任何请求了
上面两个配置可以减少异步复制和脑裂导致的数据丢失

文章插图

文章插图
（1）减少异步复制的数据丢失
有了min-slaves-max-lag这个配置，就可以确保说，一旦slave复制数据和ack延时太长，就认为可能master宕机后损失的数据太多了，那么就拒绝写请求[可能redis会处理暂时写入，保存到自己一个缓存区，详见上边的“处理图”]，这样可以把master宕机时由于部分数据未同步到slave导致的数据丢失降低的可控范围内
（2）减少脑裂的数据丢失
如果一个master出现了脑裂，跟其他slave丢了连接，那么上面两个配置可以确保说，如果不能继续给指定数量的slave发送数据，而且slave超过10秒没有给自己ack消息，那么就直接拒绝客户端的写请求
这样脑裂后的旧master就不会接受client的新数据，也就避免了数据丢失
上面的配置就确保了，如果跟任何一个slave丢了连接，在10秒后发现没有slave给自己ack，那么就拒绝新的写请求
因此在脑裂场景下，最多就丢失10秒的数据
------------------------------------------------------------------------------------------
如何在保持读写分离+高可用的架构下，还能横向扩容支撑1T+海量数据
1、redis cluster vs. replication + sentinal
replication + sentinal：如果你的数据量很少，主要是承载高并发高性能的场景，比如你的缓存一般就几个G，单机足够了一个mater，多个slave，要几个slave跟你的要求的读吞吐量有关系，
然后自己搭建一个sentinal集群，去保证redis主从架构的高可用性，就可以了。
redis cluster：主要是针对海量数据+高并发+高可用的场景，海量数据，如果你的数据量很大，那么建议就用redis cluster
2、单机redis在海量数据面前的瓶颈

文章插图
3、怎么才能够突破单机瓶颈，让redis支撑海量数据？

文章插图
4、redis的集群架构
redis cluster
支撑N个redis master node，每个master node都可以挂载多个slave node
读写分离的架构，对于每个master来说，写就写到master，然后读就从mater对应的slave去读
高可用，因为每个master都有salve节点，那么如果mater挂掉，redis cluster这套机制，就会自动将某个slave切换成master
redis cluster（多master + 读写分离 + 高可用）
我们只要基于redis cluster去搭建redis集群即可，不需要手工去搭建replication复制+主从架构+读写分离+哨兵集群+高可用
*************redis clustor 介绍与搭建 *********
------针对海量数据+高并发+高可用的场景
讲解分布式数据存储的核心算法，数据分布的算法：
hash算法 -> 一致性hash算法（memcached） -> redis cluster，hash slot算法
用不同的算法，就决定了在多个master节点的时候，数据如何分布到这些节点上去，解决这个问题。
简单的取模 hash函数实现：
【严重的弊端，对机器的个数进行取模】