上文我們聊了基於Sentinel的Redis高可用架構，瞭解了Redis基於讀寫分離的主從架構，同時也知道當Redis的master發生故障之後，Sentinel叢集是如何執行failover的，以及其執行failover的原理是什麼。
這裡大概再提一下，Sentinel叢集會對Redis的主從架構中的Redis例項進行監控，一旦發現了master節點宕機了，就會選舉出一個Sentinel節點來執行故障轉移，從原來的slave節點中選舉出一個，將其提升為master節點，然後讓其他的節點去複製新選舉出來的master節點。
你可能會覺得這樣沒有問題啊，甚至能夠滿足我們生產環境的使用需求了，那我們為什麼還需要Redis Cluster呢？
為什麼需要Redis Cluster的確，在資料上，有replication副本做保證；可用性上，master宕機會自動的執行failover。
那問題在哪兒呢？
首先Redis Sentinel說白了也是基於主從複製，在主從複製中slave的資料是完全來自於master。
redis-capacity
假設master節點的記憶體只有4G，那slave節點所能儲存的資料上限也只能是4G。而且在之前的跟隨槓精的視角一起來了解Redis的主從複製文章中也說過，主從複製架構中是讀寫分離的，我們可以透過增加slave節點來擴充套件主從的讀併發能力，但是寫能力和儲存能力是無法進行擴充套件的，就只能是master節點能夠承載的上限。
所以，當你只需要儲存4G的資料時候的，基於主從複製和基於Sentinel的高可用架構是完全夠用的。
但是如果當你面臨的是海量的資料的時候呢？16G、64G、256G甚至1T呢？現在網際網路的業務裡面，如果你的體量足夠大，我覺得是肯定會面臨快取海量快取資料的場景的。
這就是為什麼我們需要引入Redis Cluster。
Redis Cluster是什麼知道了為什麼需要Redis Cluster之後，我們就可以來對其一探究竟了。
那什麼是Redis Cluster呢？
很簡單，你就可以理解為n個主從架構組合在一起對外服務。Redis Cluster要求至少需要3個master才能組成一個叢集，同時每個master至少需要有一個slave節點。
redis-cluster
這樣一來，如果一個主從能夠儲存32G的資料，如果這個叢集包含了兩個主從，則整個叢集就能夠儲存64G的資料。
我們知道，主從架構中，可以透過增加slave節點的方式來擴充套件讀請求的併發量，那Redis Cluster中是如何做的呢？雖然每個master下都掛載了一個slave節點，但是在Redis Cluster中的讀、寫請求其實都是在master上完成的。
slave節點只是充當了一個數據備份的角色，當master發生了宕機，就會將對應的slave節點提拔為master，來重新對外提供服務。
不知道你思考過一個問題沒，這麼多的master節點。我儲存的時候，到底該選擇哪個節點呢？一般這種負載均衡演算法，會選擇雜湊演算法。雜湊演算法是怎麼做的呢？
redis-master-select
首先就是對key計算出一個hash值，然後用雜湊值對master數量進行取模。由此就可以將key負載均衡到每一個Redis節點上去。這就是簡單的雜湊演算法的實現。
那Redis Cluster是採取的上面的雜湊演算法嗎？答案是沒有。
因為如果此時某一臺master發生了宕機，那麼此時會導致Redis中所有的快取失效。為什麼是所有的？假設之前有3個master，那麼之前的演算法應該是 hash % 3，但是如果其中一臺master宕機了，則演算法就會變成 hash % 2，會影響到之前儲存的所有的key。而這對快取後面保護的DB來說，是致命的打擊。
什麼是一致性雜湊知道了透過傳統雜湊演算法來實現對節點的負載均衡的弊端，我們就需要進一步瞭解什麼是一致性雜湊。
我們上面提過雜湊演算法是對master例項數量來取模，而一致性雜湊則是對2^32取模，也就是值的範圍在[0, 2^32 -1]。一致性雜湊將其範圍抽象成了一個圓環，使用CRC16演算法計算出來的雜湊值會落到圓環上的某個地方。
然後我們的Redis例項也分佈在圓環上，我們在圓環上按照順時針的順序找到第一個Redis例項，這樣就完成了對key的節點分配。我們舉個例子。
hash
假設我們有A、B、C三個Redis例項按照如圖所示的位置分佈在圓環上，此時計算出來的hash值，取模之後位置落在了位置D，那麼我們按照順時針的順序，就能夠找到我們這個key應該分配的Redis例項B。同理如果我們計算出來位置在E，那麼對應選擇的Redis的例項就是A。
即使這個時候Redis例項B掛了，也不會影響到例項A和C的快取。
hash-down
例如此時節點B掛了，那之前計算出來在位置D的key，此時會按照順時針的順序，找到節點C。相當於自動的把原來節點B的流量給轉移到了節點C上去。而其他原本就在節點A和節點C的資料則完全不受影響。
虛擬節點機制但是一致性雜湊也存在自身的小問題，例如當我們的Redis節點分佈如下時，就有問題了。
hash-unevently
此時資料落在節點A上的機率明顯是大於其他兩個節點的，其次落在節點C上的機率最小。這樣一來會導致整個叢集的資料儲存不平衡，AB節點壓力較大，而C節點資源利用不充分。為了解決這個問題，一致性雜湊演算法引入了虛擬節點機制。
virtual-dom
在圓環中，增加了對應節點的虛擬節點，然後完成了虛擬節點到真實節點的對映。假設現在計算得出了位置D，那麼按照順時針的順序，我們找到的第一個節點就是C #1，最終資料實際還是會落在節點C上。
透過增加虛擬節點的方式，使ABC三個節點在圓環上的位置更加均勻，平均了落在每一個節點上的機率。這樣一來就解決了上文提到的資料儲存存在不均勻的問題了，這就是一致性雜湊的虛擬節點機制。
Redis Cluster採用的什麼演算法上面提到過，Redis Cluster採用的是類一致性雜湊演算法，之所以是類一致性雜湊演算法是因為它們實現的方式還略微有差別。
例如一致性雜湊是對2^32取模，而Redis Cluster則是對2^14（也就是16384）取模。Redis Cluster將自己分成了16384個Slot（槽位）。透過CRC16演算法計算出來的雜湊值會跟16384取模，取模之後得到的值就是對應的槽位，然後每個Redis節點都會負責處理一部分的槽位，就像下表這樣。
節點處理槽位A0 - 5000B5001 - 10000C10001 - 16383
每個Redis例項會自己維護一份slot - Redis節點的對映關係，假設你在節點A上設定了某個key，但是這個key透過CRC16計算出來的槽位是由節點B維護的，那麼就會提示你需要去節點B上進行操作。
slot-to-node
Redis Cluster如何做到高可用不知道你思考過一個問題沒，如果Redis Cluster中的某個master節點掛了，它是如何保證叢集自身的高可用的？如果這個時候我們叢集需要擴容節點，它該負責哪些槽位呢？我們一個一個問題的來看一下。
叢集如何進行擴容我們開篇聊過，Redis Cluster可以很方便的進行橫向擴容，那當新的節點加入進來的時候，它是如何獲取對應的slot的呢？
答案是透過reshard（重新分片）來實現。reshard可以將已經分配給某個節點的任意數量的slot遷移給另一個節點，在Redis內部是由redis-trib負責執行的。你可以理解為Redis其實已經封裝好了所有的命令，而redis-trib則負責向獲取slot的節點和被轉移slot的節點發送命令來最終實現reshard。
假設我們需要向叢集中加入一個D節點，而此時叢集內已經有A、B、C三個節點了。
此時redis-trib會向A、B、C三個節點發送遷移出槽位的請求，同時向D節點發送準備匯入槽位的請求，做好準備之後A、B、C這三個源節點就開始執行遷移，將對應的slot所對應的鍵值對遷移至目標節點D。最後redis-trib會向叢集中所有主節點發送槽位的變更資訊。
高可用及故障轉移Redis Cluster中保證叢集高可用的思路和實現和Redis Sentinel如出一轍，感興趣的可以去看我之前寫的關於Sentinel的文章Redis Sentinel-深入淺出原理和實戰。
簡單來說，針對A節點，某一個節點認為A宕機了，那麼此時是主觀宕機。而如果叢集內超過半數的節點認為A掛了， 那麼此時A就會被標記為客觀宕機。
一旦節點A被標記為了客觀宕機，叢集就會開始執行故障轉移。其餘正常執行的master節點會進行投票選舉，從A節點的slave節點中選舉出一個，將其切換成新的master對外提供服務。當某個slave獲得了超過半數的master節點投票，就成功當選。
cluster-failover
當選成功之後，新的master會執行slaveof no one來讓自己停止複製A節點，使自己成為master。然後將A節點所負責處理的slot，全部轉移給自己，然後就會向叢集發PONG訊息來廣播自己的最新狀態。
按照一致性雜湊的思想，如果某個節點掛了，那麼就會沿著那個圓環，按照順時針的順序找到遇到的第一個Redis例項。
而對於Redis Cluster，某個key它其實並不關心它最終要去到哪個節點，他只關心他最終落到哪個slot上，無論你節點怎麼去遷移，最終還是隻需要找到對應的slot，然後再找到slot關聯的節點，最終就能夠找到最終的Redis例項了。
那這個PONG訊息又是什麼東西呢？別急，下面就會聊到。
簡單瞭解gossip協議這就是Redis Cluster各個節點之間交換資料、通訊所採用的一種協議，叫做gossip。
gossip: 流言、八卦、小道訊息gossip是在1989年的論文上提出的，我看了一堆資料都說的是1987年發表的，但是文章裡的時間明確是1989年1月份發表。
感興趣的可以去看看Epidemic Algorithms for Replicated . Database Maintenance，在當時提出gossip主要是為了解決在分散式資料庫中，各個副本節點的資料同步問題。但隨著技術的發展，gossip後續也被廣泛運用於資訊擴散、故障探測等等。
Redis Cluster就是利用了gossip來實現自身的資訊擴散的。那使用gossip具體是如何通訊的呢？
gossip
很簡單，就像圖裡這樣。每個Redis節點每秒鐘都會向其他的節點發送PING，然後被PING的節點會回一個PONG。
gossip協議訊息型別Redis Cluster中，節點之間的訊息型別有5種，分別是MEET、PING、PONG、FAIL和PUBLISH。這些訊息分別傳遞了什麼內容呢？我簡單總結了一下。
訊息型別訊息內容MEET給某個節點發送MEET訊息，請求接收訊息的節點加入到叢集中PING每隔一秒鐘，選擇5個最久沒有通訊的節點，傳送PING訊息，檢測對應的節點是否線上；同時還有一種策略是，如果某個節點的通訊延遲大於了cluster-node-time的值的一半，就會立即給該節點發送PING訊息，避免資料交換延遲過久PONG當節點接收到MEET或者PING訊息之後，會回一個PONG訊息給傳送方，代表自己收到了MEET或者PING訊息。同時，節點也可以主動的透過PONG訊息向叢集中廣播自己的資訊，讓其他節點獲取到自己最新的屬性，就像完成了故障轉移之後新的master向叢集傳送PONG訊息一樣FAIL用於廣播自己的對某個節點的宕機判斷，假設當前節點對A節點判斷為宕機，就會立即向Redis Cluster廣播自己對於A節點的判斷，所有收到訊息的節點就會對A節點做標記PUBLISH用於向指定的Channel傳送訊息，某個節點收到PUBLISH訊息之後會直接在叢集內廣播，這樣一來，客戶端無論連線到任何節點都能夠訂閱這個Channel
使用gossip的優劣既然Redis Cluster選擇了gossip，那肯定存在一些gossip的優點，我們接下來簡單梳理一下。
優點描述擴充套件性網路可以允許節點的任意增加和減少，新增加的節點的狀態最終會與其他節點一致。容錯性由於每個節點都持有一份完整元資料，所以任何節點宕機都不會影響gossip的執行健壯性與容錯性類似，由於所有節點都持有資料，地位平臺，是一個去中心化的設計，任何節點都不會影響到服務的執行最終一致性當有新的資訊需要傳遞時，訊息可以快速的傳送到所有的節點，讓所有的節點都擁有最新的資料
gossip可以在O(logN) 輪就可以將資訊傳播到所有的節點，為什麼是O(logN)呢？因為每次ping，當前節點會帶上自己的資訊外加整個Cluster的1/10數量的節點資訊，一起傳送出去。你可以簡單的把這個模型抽象為：
當然，gossip仍然存在一些缺點。例如訊息可能最終會經過很多輪才能到達目標節點，而這可能會帶來較大的延遲。同時由於節點會隨機選出5個最久沒有通訊的節點，這可能會造成某一個節點同時收到n個重複的訊息。
總結總的來說，Redis Cluster相當於是把Redis的主從架構和Sentinel整合到了一起，從Redis Cluster的高可用機制、判斷故障轉移以及執行故障轉移的過程，都和主從、Sentinel相關，這也是為什麼我在之前的文章裡說，主從是Redis高可用架構的基石。