??
先看一下 Redis 是一個(gè)什么東西。官方簡(jiǎn)介解釋到：Redis 是一個(gè)基于 BSD 開(kāi)源的項(xiàng)目，是一個(gè)把結(jié)構(gòu)化的數(shù)據(jù)放在內(nèi)存中的一個(gè)存儲(chǔ)系統(tǒng)，你可以把它作為數(shù)據(jù)庫(kù)，緩存和消息中間件來(lái)使用。同時(shí)支持 strings，lists，hashes，sets，sorted sets，bitmaps，hyperloglogs 和 geospatial indexes 等數(shù)據(jù)類(lèi)型。它還內(nèi)建了復(fù)制，lua 腳本，LRU，事務(wù)等功能，通過(guò)redis sentinel 實(shí)現(xiàn)高可用，通過(guò) redis cluster 實(shí)現(xiàn)了自動(dòng)分片。以及事務(wù)，發(fā)布/訂閱，自動(dòng)故障轉(zhuǎn)移等等。
綜上所述，Redis 提供了豐富的功能，初次見(jiàn)到可能會(huì)感覺(jué)眼花繚亂，這些功能都是干嘛用的？都解決了什么問(wèn)題？什么情況下才會(huì)用到相應(yīng)的功能？那么下面從零開(kāi)始，一步一步的演進(jìn)來(lái)粗略的解釋下。1. 從零開(kāi)始
最初的需求非常簡(jiǎn)單，我們有一個(gè)提供熱點(diǎn)新聞列表的 api：http://api.xxx.com/hot-news，api 的消費(fèi)者抱怨說(shuō)每次請(qǐng)求都要2秒左右才能返回結(jié)果。隨后我們就著手于如何提升一下 api 消費(fèi)者感知的性能，很快最簡(jiǎn)單粗暴的第一個(gè)方案就出來(lái)了：為 API 的響應(yīng)加上基于 HTTP 的緩存控制 cache-control:max-age=600?，即讓消費(fèi)者可以緩存這個(gè)響應(yīng)十分鐘。如果 api 消費(fèi)者如果有效的利用了響應(yīng)中的緩存控制信息，則可以有效的改善其感知的性能（10分鐘以內(nèi)）。但是還有2個(gè)弊端：第一個(gè)是在緩存生效的10分鐘內(nèi)，api 消費(fèi)者可能會(huì)得到舊的數(shù)據(jù)；第二個(gè)是如果 api 的客戶端無(wú)視緩存直接訪問(wèn) API 依然是需要2秒，治標(biāo)不治本吶。2. 基于本機(jī)內(nèi)存的緩存
為了解決調(diào)用 API 依然需要2秒的問(wèn)題，經(jīng)過(guò)排查，其主要原因在于使用 SQL 獲取熱點(diǎn)新聞的過(guò)程中消耗了將近2秒的時(shí)間，于是乎，我們又想到了一個(gè)簡(jiǎn)單粗暴的解決方案，即把 SQL 查詢的結(jié)果直接緩存在當(dāng)前 api 服務(wù)器的內(nèi)存中（設(shè)置緩存有效時(shí)間為1分鐘）。后續(xù)1分鐘內(nèi)的請(qǐng)求直接讀緩存，不再花費(fèi)2秒去執(zhí)行 SQL 了。假如這個(gè) api 每秒接收到的請(qǐng)求是100個(gè)，那么一分鐘就是6000個(gè)，也就是只有前2秒擁擠過(guò)來(lái)的請(qǐng)求會(huì)耗時(shí)2秒，后續(xù)的58秒中的所有請(qǐng)求都可以做到即使響應(yīng)，而無(wú)需再等2秒的時(shí)間。其他 API 的小伙伴發(fā)現(xiàn)這是個(gè)好辦法，于是很快我們就發(fā)現(xiàn) API 服務(wù)器的內(nèi)存要爆滿了。。。3.?服務(wù)端的 Redis
在 API 服務(wù)器的內(nèi)存都被緩存塞滿的時(shí)候，我們發(fā)現(xiàn)不得不另想解決方案了。最直接的想法就是我們把這些緩存都丟到一個(gè)專(zhuān)門(mén)的服務(wù)器上吧，把它的內(nèi)存配置的大大的。然后我們就盯上了redis。。。至于如何配置部署 redis 這里不解釋了，redis 官方有詳細(xì)的介紹。隨后我們就用上了一臺(tái)單獨(dú)的服務(wù)器作為 Redis 的服務(wù)器，API 服務(wù)器的內(nèi)存壓力得以解決。3.1 持久化（Persistence）
單臺(tái)的 Redis 服務(wù)器一個(gè)月總有那么幾天心情不好，心情不好就罷工了，導(dǎo)致所有的緩存都丟失了（redis 的數(shù)據(jù)是存儲(chǔ)在內(nèi)存的嘛）。
雖然可以把 Redis 服務(wù)器重新上線，但是由于內(nèi)存的數(shù)據(jù)丟失，造成了緩存雪崩，API 服務(wù)器和數(shù)據(jù)庫(kù)的壓力還是一下子就上來(lái)了。所以這個(gè)時(shí)候 Redis 的持久化功能就派上用場(chǎng)了，可以緩解一下緩存雪崩帶來(lái)的影響。redis 的持久化指的是 redis 會(huì)把內(nèi)存中的數(shù)據(jù)寫(xiě)入到硬盤(pán)中，在 redis 重新啟動(dòng)的時(shí)候加載這些數(shù)據(jù)，從而最大限度的降低緩存丟失帶來(lái)的影響。3.2 哨兵（Sentinel）和復(fù)制（Replication）
Redis 服務(wù)器毫無(wú)征兆的罷工是個(gè)麻煩事。那么怎辦辦？答曰：備份一臺(tái)，你掛了它上。那么如何得知某一臺(tái) redis 服務(wù)器掛了，如何切換，如何保證備份的機(jī)器是原始服務(wù)器的完整備份呢？這時(shí)候就需要 Sentinel 和 Replication 出場(chǎng)了。Sentinel 可以管理多個(gè) Redis 服務(wù)器，它提供了監(jiān)控，提醒以及自動(dòng)的故障轉(zhuǎn)移的功能；Replication 則是負(fù)責(zé)讓一個(gè) Redis 服務(wù)器可以配備多個(gè)備份的服務(wù)器。Redis 也是利用這兩個(gè)功能來(lái)保證 Redis 的高可用的。此外，Sentinel 功能則是對(duì) Redis 的發(fā)布和訂閱功能的一個(gè)利用。3.3 集群（Cluster）
單臺(tái)服務(wù)器資源的總是有上限的，CPU 資源和 IO 資源我們可以通過(guò)主從復(fù)制，進(jìn)行讀寫(xiě)分離，把一部分 CPU 和 IO 的壓力轉(zhuǎn)移到從服務(wù)器上。但是內(nèi)存資源怎么辦，主從模式做到的只是相同數(shù)據(jù)的備份，并不能橫向擴(kuò)充內(nèi)存；單臺(tái)機(jī)器的內(nèi)存也只能進(jìn)行加大處理，但是總有上限的。所以我們就需要一種解決方案，可以讓我們橫向擴(kuò)展。最終的目的既是把每臺(tái)服務(wù)器只負(fù)責(zé)其中的一部分，讓這些所有的服務(wù)器構(gòu)成一個(gè)整體，對(duì)外界的消費(fèi)者而言，這一組分布式的服務(wù)器就像是一個(gè)集中式的服務(wù)器一樣（之前在解讀 REST 的博客中解釋過(guò)分布式于基于網(wǎng)絡(luò)的差異：基于網(wǎng)絡(luò)應(yīng)用的架構(gòu)）。在 Redis 官方的分布式方案出來(lái)之前，有 twemproxy 和 codis 兩種方案，這兩個(gè)方案總體上來(lái)說(shuō)都是依賴 proxy 來(lái)進(jìn)行分布式的，也就是說(shuō) redis 本身并不關(guān)心分布式的事情，而是交由 twemproxy 和 codis 來(lái)負(fù)責(zé)。而 redis 官方給出的 cluster 方案則是把分布式的這部分事情做到了每一個(gè) redis 服務(wù)器中，使其不再需要其他的組件就可以獨(dú)立的完成分布式的要求。我們這里不關(guān)心這些方案的優(yōu)略，我們關(guān)注一下這里的分布式到底是要處理哪些事情。也就是 twemproxy 和 codis 獨(dú)立處理的處理分布式的這部分邏輯和 cluster 集成到 redis 服務(wù)的這部分邏輯到底在解決什么問(wèn)題？如我們前面所說(shuō)的，一個(gè)分布式的服務(wù)在外界看來(lái)就像是一個(gè)集中式的服務(wù)一樣。那么要做到這一點(diǎn)就面臨著有一個(gè)問(wèn)題需要解決：既是增加或減少分布式服務(wù)中的服務(wù)器的數(shù)量，對(duì)消費(fèi)這個(gè)服務(wù)的客戶端而言應(yīng)該是無(wú)感的；那么也就意味著客戶端不能穿透分布式服務(wù)，把自己綁死到某一個(gè)臺(tái)的服務(wù)器上去，因?yàn)橐坏┤绱耍憔驮僖矡o(wú)法新增服務(wù)器，也無(wú)法進(jìn)行故障替換。解決這個(gè)問(wèn)題有兩個(gè)路子：第一個(gè)路子最直接，那就是我加一個(gè)中間層來(lái)隔離這種具體的依賴，即 twemproxy 采用的方式，讓所有的客戶端只能通過(guò)它來(lái)消費(fèi) redis 服務(wù)，通過(guò)它來(lái)隔離這種依賴（但是你會(huì)發(fā)現(xiàn) twermproxy 會(huì)成為一個(gè)單點(diǎn)），這種情況下每臺(tái) redis 服務(wù)器都是獨(dú)立的，它們之間彼此不知對(duì)方的存在；第二個(gè)路子是讓 redis 服務(wù)器知道彼此的存在，通過(guò)重定向的機(jī)制來(lái)引導(dǎo)客戶端來(lái)完成自己所需要的操作，比如客戶端鏈接到了某一個(gè) redis 服務(wù)器，說(shuō)我要執(zhí)行這個(gè)操作，redis 服務(wù)器發(fā)現(xiàn)自己無(wú)法完成這個(gè)操作，那么就把能完成這個(gè)操作的服務(wù)器的信息給到客戶端，讓客戶端去請(qǐng)求另外的一個(gè)服務(wù)器，這時(shí)候你就會(huì)發(fā)現(xiàn)每一個(gè) redis 服務(wù)器都需要保持一份完整的分布式服務(wù)器信息的一份資料，不然它怎么知道讓客戶端去找其他的哪個(gè)服務(wù)器來(lái)執(zhí)行客戶端想要的操作呢。上面這一大段解釋了這么多，不知有沒(méi)有發(fā)現(xiàn)不管是第一個(gè)路子還是第二個(gè)路子，都有一個(gè)共同的東西存在，那就是分布式服務(wù)中所有服務(wù)器以及其能提供的服務(wù)的信息。這些信息無(wú)論如何也是要存在的，區(qū)別在于第一個(gè)路子是把這部分信息單獨(dú)來(lái)管理，用這些信息來(lái)協(xié)調(diào)后端的多個(gè)獨(dú)立的 redis 服務(wù)器；第二個(gè)路子則是讓每一個(gè) redis 服務(wù)器都持有這份信息，彼此知道對(duì)方的存在，來(lái)達(dá)成和第一個(gè)路子一樣的目的，優(yōu)點(diǎn)是不再需要一個(gè)額外的組件來(lái)處理這部分事情。Redis Cluster 的具體實(shí)現(xiàn)細(xì)節(jié)則是采用了 Hash 槽的概念，即預(yù)先分配出來(lái)16384個(gè)槽：在客戶端通過(guò)對(duì) Key 進(jìn)行 CRC16（key）% 16384運(yùn)算得到對(duì)應(yīng)的槽是哪一個(gè)；在 redis 服務(wù)端則是每個(gè)服務(wù)器負(fù)責(zé)一部分槽，當(dāng)有新的服務(wù)器加入或者移除的時(shí)候，再來(lái)遷移這些槽以及其對(duì)應(yīng)的數(shù)據(jù)，同時(shí)每個(gè)服務(wù)器都持有完整的槽和其對(duì)應(yīng)的服務(wù)器的信息，這就使得服務(wù)器端可以進(jìn)行對(duì)客戶端的請(qǐng)求進(jìn)行重定向處理。4.?客戶端的 Redis
上面的第三小節(jié)主要介紹的是 Redis 服務(wù)端的演進(jìn)步驟，解釋了 Redis 如何從一個(gè)單機(jī)的服務(wù)，進(jìn)化為一個(gè)高可用的、去中心化的、分布式的存儲(chǔ)系統(tǒng)。這一小節(jié)則是關(guān)注下客戶端可以消費(fèi)的 redis 服務(wù)。4.1 數(shù)據(jù)類(lèi)型
redis 支持豐富的數(shù)據(jù)類(lèi)型，從最基礎(chǔ)的 string 到復(fù)雜的常用到的數(shù)據(jù)結(jié)構(gòu)都有支持：string：最基本的數(shù)據(jù)類(lèi)型，二進(jìn)制安全的字符串，最大512M。
list：按照添加順序保持順序的字符串列表。
set：無(wú)序的字符串集合，不存在重復(fù)的元素。
sorted set：已排序的字符串集合。
hash：key-value 對(duì)的一種集合。
bitmap：更細(xì)化的一種操作，以 bit 為單位。
hyperloglog：基于概率的數(shù)據(jù)結(jié)構(gòu)。
這些眾多的數(shù)據(jù)類(lèi)型，主要是為了支持各種場(chǎng)景的需要，當(dāng)然每種類(lèi)型都有不同的時(shí)間復(fù)雜度。其實(shí)這些復(fù)雜的數(shù)據(jù)結(jié)構(gòu)相當(dāng)于之前我在《解讀REST》這個(gè)系列博客基于網(wǎng)絡(luò)應(yīng)用的架構(gòu)風(fēng)格中介紹到的遠(yuǎn)程數(shù)據(jù)訪問(wèn)（Remote Data Access = RDA）的具體實(shí)現(xiàn)，即通過(guò)在服務(wù)器上執(zhí)行一組標(biāo)準(zhǔn)的操作命令，在服務(wù)端之間得到想要的縮小后的結(jié)果集，從而簡(jiǎn)化客戶端的使用，也可以提高網(wǎng)絡(luò)性能。比如如果沒(méi)有 list 這種數(shù)據(jù)結(jié)構(gòu)，你就只能把 list 存成一個(gè) string，客戶端拿到完整的 list，操作后再完整的提交給 redis，會(huì)產(chǎn)生很大的浪費(fèi)。4.2 事務(wù)
上述數(shù)據(jù)類(lèi)型中，每一個(gè)數(shù)據(jù)類(lèi)型都有獨(dú)立的命令來(lái)進(jìn)行操作，很多情況下我們需要一次執(zhí)行不止一個(gè)命令，而且需要其同時(shí)成功或者失敗。redis 對(duì)事務(wù)的支持也是源自于這部分需求，即支持一次性按順序執(zhí)行多個(gè)命令的能力，并保證其原子性。4.3 Lua 腳本
在事務(wù)的基礎(chǔ)上，如果我們需要在服務(wù)端一次性的執(zhí)行更復(fù)雜的操作（包含一些邏輯判斷），則 lua 就可以派上用場(chǎng)了（比如在獲取某一個(gè)緩存的時(shí)候，同時(shí)延長(zhǎng)其過(guò)期時(shí)間）。redis 保證 lua 腳本的原子性，一定的場(chǎng)景下，是可以代替 redis 提供的事務(wù)相關(guān)的命令的。相當(dāng)于基于網(wǎng)絡(luò)應(yīng)用的架構(gòu)風(fēng)格中介紹到的遠(yuǎn)程求值（Remote Evluation = REV）的具體實(shí)現(xiàn)。4.4 管道
因?yàn)?redis 的客戶端和服務(wù)器的連接時(shí)基于 TCP 的， 默認(rèn)每次連接都時(shí)只能執(zhí)行一個(gè)命令。管道則是允許利用一次連接來(lái)處理多條命令，從而可以節(jié)省一些 tcp 連接的開(kāi)銷(xiāo)。管道和事務(wù)的差異在于管道是為了節(jié)省通信的開(kāi)銷(xiāo)，但是并不會(huì)保證原子性。4.5 分布式鎖
官方推薦采用 Redlock 算法，即使用 string 類(lèi)型，加鎖的時(shí)候給的一個(gè)具體的 key，然后設(shè)置一個(gè)隨機(jī)的值；取消鎖的時(shí)候用使用 lua 腳本來(lái)先執(zhí)行獲取比較，然后再刪除 key。SET resource_name my_random_value NX PX 30000
if redis.call("get",KEYS[1]) == ARGV[1] then return redis.call("del",KEYS[1])else return 0end
總結(jié)
本篇著重從抽象層面來(lái)解釋下 redis 的各項(xiàng)功能以及其存在的目的，而沒(méi)有關(guān)心其具體的細(xì)節(jié)是什么。從而可以聚焦于其解決的問(wèn)題，依據(jù)抽象層面的概念可以使得我們?cè)谔囟ǖ膱?chǎng)景下選擇更合適的方案，而非局限于其技術(shù)細(xì)節(jié)。以上均是筆者個(gè)人的一些理解，如果不當(dāng)之處，歡迎指正。
參考
Redis 文檔：https://github.com/antirez/redis-docRedis 簡(jiǎn)介：https://redis.io/topics/introductionRedis 持久化（Persistence）：https://redis.io/topics/persistenceRedis 發(fā)布/訂閱（Pub/Sub）：https://redis.io/topics/pubsubRedis 哨兵（Sentinel）：https://redis.io/topics/sentinelRedis 復(fù)制（Replication）：https://redis.io/topics/replicationRedis 集群（cluster）：https://redis.io/topics/cluster-tutorialRedIs 事務(wù)（Transaction）：https://redis.io/topics/transactionsRedis 數(shù)據(jù)類(lèi)型（data types）：https://redis.io/topics/data-types-introRedis 分布式鎖：https://redis.io/topics/distlockRedis 管道（pipelining ）：https://redis.io/topics/pipeliningRedis Lua Script：https://redis.io/commands/eval地址：cnblogs.com/linianhui/p/7792512.html
?
