前言

Redis 是如今互聯(lián)網(wǎng)技術(shù)架構(gòu)中，使用最廣泛的緩存。支持復(fù)雜的數(shù)據(jù)結(jié)構(gòu)，支持持久化，支持主從集群，支持高可用，支持較大的value存儲...

同時， Redis 也是中高級后端工程師技術(shù)面試中，面試官最喜歡問的問題之一。特別是那些優(yōu)秀的、競爭激烈的大廠，通常要求面試者不僅僅掌握 Redis 基礎(chǔ)使用，更要求深層理解 Redis 內(nèi)部實現(xiàn)的細節(jié)原理。毫不夸張地說，能把 Redis 的知識點全部吃透，你的半只腳就已經(jīng)踏進心儀大公司的技術(shù)研發(fā)部。

然而，絕大部分開發(fā)者只會拿 Redis 做數(shù)據(jù)緩存，使用最簡單的 get/set 方法，除此之外幾乎一片茫然，對 Redis 內(nèi)部實現(xiàn)的細節(jié)原理知之甚少。例如：

有同學(xué)知道 Redis 的分布式鎖，但完全不清楚其內(nèi)部實現(xiàn)機制

有同學(xué)知道 Redis 是單線程結(jié)構(gòu)，但完全不理解 Redis 緣何單線程還可以支持高并發(fā)

有同學(xué)知道 Redis 支持主從，但完全不曉得內(nèi)部的實現(xiàn)機制

Redis 特點如下：

• 數(shù)據(jù)類型豐富
• 支持數(shù)據(jù)磁盤持久化存儲
• 支持主從
• 支持分片

為什么 Redis 能這么快

Redis 的效率很高，官方給出的數(shù)據(jù)是 100000+QPS，這是因為：

• Redis 完全基于內(nèi)存，絕大部分請求是純粹的內(nèi)存操作，執(zhí)行效率高。
• Redis 使用單進程單線程模型的(K，V)數(shù)據(jù)庫，將數(shù)據(jù)存儲在內(nèi)存中，存取均不會受到硬盤 IO 的限制，因此其執(zhí)行速度極快。

另外單線程也能處理高并發(fā)請求，還可以避免頻繁上下文切換和鎖的競爭，如果想要多核運行也可以啟動多個實例。

• 數(shù)據(jù)結(jié)構(gòu)簡單，對數(shù)據(jù)操作也簡單，Redis 不使用表，不會強制用戶對各個關(guān)系進行關(guān)聯(lián)，不會有復(fù)雜的關(guān)系限制，其存儲結(jié)構(gòu)就是鍵值對，類似于 HashMap，HashMap 最大的優(yōu)點就是存取的時間復(fù)雜度為 O(1)。
• Redis 使用多路 I/O 復(fù)用模型，為非阻塞 IO。

注：Redis 采用的 I/O 多路復(fù)用函數(shù)：epoll/kqueue/evport/select。

選用策略：

• 因地制宜，優(yōu)先選擇時間復(fù)雜度為 O(1) 的 I/O 多路復(fù)用函數(shù)作為底層實現(xiàn)。
• 由于 Select 要遍歷每一個 IO，所以其時間復(fù)雜度為 O(n)，通常被作為保底方案。
• 基于 React 設(shè)計模式監(jiān)聽 I/O 事件。

Redis 的數(shù)據(jù)類型

String

最基本的數(shù)據(jù)類型，其值最大可存儲 512M，二進制安全(Redis 的 String 可以包含任何二進制數(shù)據(jù)，包含 jpg 對象等)。

注：如果重復(fù)寫入 key 相同的鍵值對，后寫入的會將之前寫入的覆蓋。

Hash

String 元素組成的字典，適用于存儲對象。

List

列表，按照 String 元素插入順序排序。其順序為后進先出。由于其具有棧的特性，所以可以實現(xiàn)如“最新消息排行榜”這類的功能。

Set

String 元素組成的無序集合，通過哈希表實現(xiàn)(增刪改查時間復(fù)雜度為 O(1))，不允許重復(fù)。

另外，當我們使用 Smembers 遍歷 Set 中的元素時，其順序也是不確定的，是通過 Hash 運算過后的結(jié)果。

Redis 還對集合提供了求交集、并集、差集等操作，可以實現(xiàn)如同共同關(guān)注，共同好友等功能。

Sorted Set

通過分數(shù)來為集合中的成員進行從小到大的排序。

更高級的 Redis 類型

用于計數(shù)的 HyperLogLog、用于支持存儲地理位置信息的 Geo。

從海量 Key 里查詢出某一個固定前綴的 Key

假設(shè) Redis 中有十億條 Key，如何從這么多 Key 中找到固定前綴的 Key?

方法 1：使用 Keys [pattern]：查找所有符合給定模式 Pattern 的 Key

使用 Keys [pattern] 指令可以找到所有符合 Pattern 條件的 Key，但是 Keys 會一次性返回所有符合條件的 Key，所以會造成 Redis 的卡頓。

假設(shè) Redis 此時正在生產(chǎn)環(huán)境下，使用該命令就會造成隱患，另外如果一次性返回所有 Key，對內(nèi)存的消耗在某些條件下也是巨大的。

例：

keys test* //返回所有以test為前綴的key

方法 2：使用 SCAN cursor [MATCH pattern] [COUNT count]

注：

• cursor：游標
• MATCH pattern：查詢 Key 的條件
• Count：返回的條數(shù)

SCAN 是一個基于游標的迭代器，需要基于上一次的游標延續(xù)之前的迭代過程。

SCAN 以 0 作為游標，開始一次新的迭代，直到命令返回游標 0 完成一次遍歷。

此命令并不保證每次執(zhí)行都返回某個給定數(shù)量的元素，甚至?xí)祷?0 個元素，但只要游標不是 0，程序都不會認為 SCAN 命令結(jié)束，但是返回的元素數(shù)量大概率符合 Count 參數(shù)。另外，SCAN 支持模糊查詢。

例：

SCAN 0 MATCH test* COUNT 10 //每次返回10條以test為前綴的key

如何通過 Redis 實現(xiàn)分布式鎖

分布式鎖

分布式鎖是控制分布式系統(tǒng)之間共同訪問共享資源的一種鎖的實現(xiàn)。如果一個系統(tǒng)，或者不同系統(tǒng)的不同主機之間共享某個資源時，往往需要互斥，來排除干擾，滿足數(shù)據(jù)一致性。

分布式鎖需要解決的問題如下：

• 互斥性：任意時刻只有一個客戶端獲取到鎖，不能有兩個客戶端同時獲取到鎖。
• 安全性：鎖只能被持有該鎖的客戶端刪除，不能由其他客戶端刪除。
• 死鎖：獲取鎖的客戶端因為某些原因而宕機繼而無法釋放鎖，其他客戶端再也無法獲取鎖而導(dǎo)致死鎖，此時需要有特殊機制來避免死鎖。
• 容錯：當各個節(jié)點，如某個 Redis 節(jié)點宕機的時候，客戶端仍然能夠獲取鎖或釋放鎖。

如何使用 Redis 實現(xiàn)分布式鎖

使用 SETNX 實現(xiàn)，SETNX key value：如果 Key 不存在，則創(chuàng)建并賦值。

該命令時間復(fù)雜度為 O(1)，如果設(shè)置成功，則返回 1，否則返回 0。

由于 SETNX 指令操作簡單，且是原子性的，所以初期的時候經(jīng)常被人們作為分布式鎖，我們在應(yīng)用的時候，可以在某個共享資源區(qū)之前先使用 SETNX 指令，查看是否設(shè)置成功。

如果設(shè)置成功則說明前方?jīng)]有客戶端正在訪問該資源，如果設(shè)置失敗則說明有客戶端正在訪問該資源，那么當前客戶端就需要等待。

但是如果真的這么做，就會存在一個問題，因為 SETNX 是長久存在的，所以假設(shè)一個客戶端正在訪問資源，并且上鎖，那么當這個客戶端結(jié)束訪問時，該鎖依舊存在，后來者也無法成功獲取鎖，這個該如何解決呢?

由于 SETNX 并不支持傳入 EXPIRE 參數(shù)，所以我們可以直接使用 EXPIRE 指令來對特定的 Key 來設(shè)置過期時間。

用法：

EXPIRE key seconds

程序：

RedisService redisService = SpringUtils.getBean(RedisService.class); long status = redisService.setnx(key,"1"); if(status == 1){ redisService.expire(key,expire); doOcuppiedWork(); }

這段程序存在的問題：假設(shè)程序運行到第二行出現(xiàn)異常，那么程序來不及設(shè)置過期時間就結(jié)束了，則 Key 會一直存在，等同于鎖一直被持有無法釋放。

出現(xiàn)此問題的根本原因為：原子性得不到滿足。

解決：從 Redis 2.6.12 版本開始，我們就可以使用 Set 操作，將 SETNX 和 EXPIRE 融合在一起執(zhí)行，具體做法如下：

• EX second：設(shè)置鍵的過期時間為 Second 秒。
• PX millisecond：設(shè)置鍵的過期時間為 MilliSecond 毫秒。
• NX：只在鍵不存在時，才對鍵進行設(shè)置操作。
• XX：只在鍵已經(jīng)存在時，才對鍵進行設(shè)置操作。

SET KEY value [EX seconds] [PX milliseconds] [NX|XX]

注：SET 操作成功完成時才會返回 OK，否則返回 nil。

有了 SET 我們就可以在程序中使用類似下面的代碼實現(xiàn)分布式鎖了：

RedisService redisService = SpringUtils.getBean(RedisService.class); String result = redisService.set(lockKey,requestId,SET_IF_NOT_EXIST,SET_WITH_EXPIRE_TIME,expireTime); if("OK.equals(result)"){ doOcuppiredWork(); }

如何實現(xiàn)異步隊列

①使用 Redis 中的 List 作為隊列

使用上文所說的 Redis 的數(shù)據(jù)結(jié)構(gòu)中的 List 作為隊列 Rpush 生產(chǎn)消息，LPOP 消費消息。

此時我們可以看到，該隊列是使用 Rpush 生產(chǎn)隊列，使用 LPOP 消費隊列。

在這個生產(chǎn)者-消費者隊列里，當 LPOP 沒有消息時，證明該隊列中沒有元素，并且生產(chǎn)者還沒有來得及生產(chǎn)新的數(shù)據(jù)。

缺點：LPOP 不會等待隊列中有值之后再消費，而是直接進行消費。

彌補：可以通過在應(yīng)用層引入 Sleep 機制去調(diào)用 LPOP 重試。

②使用 BLPOP key [key…] timeout

BLPOP key [key …] timeout：阻塞直到隊列有消息或者超時。

?

?

缺點：按照此種方法，我們生產(chǎn)后的數(shù)據(jù)只能提供給各個單一消費者消費。能否實現(xiàn)生產(chǎn)一次就能讓多個消費者消費呢?

③Pub/Sub：主題訂閱者模式

發(fā)送者(Pub)發(fā)送消息，訂閱者(Sub)接收消息。訂閱者可以訂閱任意數(shù)量的頻道。

Pub/Sub模式的缺點：消息的發(fā)布是無狀態(tài)的，無法保證可達。對于發(fā)布者來說，消息是“即發(fā)即失”的。

此時如果某個消費者在生產(chǎn)者發(fā)布消息時下線，重新上線之后，是無法接收該消息的，要解決該問題需要使用專業(yè)的消息隊列，如 Kafka…此處不再贅述。

Redis 持久化

什么是持久化

持久化，即將數(shù)據(jù)持久存儲，而不因斷電或其他各種復(fù)雜外部環(huán)境影響數(shù)據(jù)的完整性。

由于 Redis 將數(shù)據(jù)存儲在內(nèi)存而不是磁盤中，所以內(nèi)存一旦斷電，Redis 中存儲的數(shù)據(jù)也隨即消失，這往往是用戶不期望的，所以 Redis 有持久化機制來保證數(shù)據(jù)的安全性。

Redis 如何做持久化

Redis 目前有兩種持久化方式，即 RDB 和 AOF，RDB 是通過保存某個時間點的全量數(shù)據(jù)快照實現(xiàn)數(shù)據(jù)的持久化，當恢復(fù)數(shù)據(jù)時，直接通過 RDB 文件中的快照，將數(shù)據(jù)恢復(fù)。

RDB(快照)持久化

RDB持久化會在某個特定的間隔保存那個時間點的全量數(shù)據(jù)的快照。

RDB 配置文件，redis.conf：

save 900 1 #在900s內(nèi)如果有1條數(shù)據(jù)被寫入，則產(chǎn)生一次快照。 save 300 10 #在300s內(nèi)如果有10條數(shù)據(jù)被寫入，則產(chǎn)生一次快照 save 60 10000 #在60s內(nèi)如果有10000條數(shù)據(jù)被寫入，則產(chǎn)生一次快照 stop-writes-on-bgsave-error yes #stop-writes-on-bgsave-error ： 如果為yes則表示，當備份進程出錯的時候， 主進程就停止進行接受新的寫入操作，這樣是為了保護持久化的數(shù)據(jù)一致性的問題。

①RDB 的創(chuàng)建與載入

SAVE：阻塞 Redis 的服務(wù)器進程，直到 RDB 文件被創(chuàng)建完畢。SAVE 命令很少被使用，因為其會阻塞主線程來保證快照的寫入，由于 Redis 是使用一個主線程來接收所有客戶端請求，這樣會阻塞所有客戶端請求。

BGSAVE：該指令會 Fork 出一個子進程來創(chuàng)建 RDB 文件，不阻塞服務(wù)器進程，子進程接收請求并創(chuàng)建 RDB 快照，父進程繼續(xù)接收客戶端的請求。

子進程在完成文件的創(chuàng)建時會向父進程發(fā)送信號，父進程在接收客戶端請求的過程中，在一定的時間間隔通過輪詢來接收子進程的信號。

我們也可以通過使用 lastsave 指令來查看 BGSAVE 是否執(zhí)行成功，lastsave 可以返回最后一次執(zhí)行成功 BGSAVE 的時間。

②自動化觸發(fā) RDB 持久化的方式

自動化觸發(fā)RDB持久化的方式如下：

• 根據(jù) redis.conf 配置里的 SAVE m n 定時觸發(fā)(實際上使用的是 BGSAVE)。
• 主從復(fù)制時，主節(jié)點自動觸發(fā)。
• 執(zhí)行 Debug Reload。
• 執(zhí)行 Shutdown 且沒有開啟 AOF 持久化。

③BGSAVE 的原理

啟動：

• 檢查是否存在子進程正在執(zhí)行 AOF 或者 RDB 的持久化任務(wù)。如果有則返回 false。
• 調(diào)用 Redis 源碼中的 rdbSaveBackground 方法，方法中執(zhí)行 fork() 產(chǎn)生子進程執(zhí)行 RDB 操作。
• 關(guān)于 fork() 中的 Copy-On-Write。

fork() 在 Linux 中創(chuàng)建子進程采用 Copy-On-Write(寫時拷貝技術(shù))，即如果有多個調(diào)用者同時要求相同資源(如內(nèi)存或磁盤上的數(shù)據(jù)存儲)。

他們會共同獲取相同的指針指向相同的資源，直到某個調(diào)用者試圖修改資源的內(nèi)容時，系統(tǒng)才會真正復(fù)制一份專用副本給調(diào)用者，而其他調(diào)用者所見到的最初的資源仍然保持不變。

④RDB 持久化方式的缺點

RDB 持久化方式的缺點如下：

• 內(nèi)存數(shù)據(jù)全量同步，數(shù)據(jù)量大的狀況下，會由于 I/O 而嚴重影響性能。
• 可能會因為 Redis 宕機而丟失從當前至最近一次快照期間的數(shù)據(jù)。

AOF 持久化：保存寫狀態(tài)

AOF 持久化是通過保存 Redis 的寫狀態(tài)來記錄數(shù)據(jù)庫的。

相對 RDB 來說，RDB 持久化是通過備份數(shù)據(jù)庫的狀態(tài)來記錄數(shù)據(jù)庫，而 AOF 持久化是備份數(shù)據(jù)庫接收到的指令：

• AOF 記錄除了查詢以外的所有變更數(shù)據(jù)庫狀態(tài)的指令。
• 以增量的形式追加保存到 AOF 文件中。

開啟 AOF 持久化

①打開 redis.conf 配置文件，將 appendonly 屬性改為 yes。

②修改 appendfsync 屬性，該屬性可以接收三種參數(shù)，分別是 always，everysec，no。

always 表示總是即時將緩沖區(qū)內(nèi)容寫入 AOF 文件當中，everysec 表示每隔一秒將緩沖區(qū)內(nèi)容寫入 AOF 文件，no 表示將寫入文件操作交由操作系統(tǒng)決定。

一般來說，操作系統(tǒng)考慮效率問題，會等待緩沖區(qū)被填滿再將緩沖區(qū)數(shù)據(jù)寫入 AOF 文件中。

appendonly yes #appendsync always appendfsync everysec # appendfsync no

日志重寫解決 AOF 文件不斷增大

隨著寫操作的不斷增加，AOF 文件會越來越大。假設(shè)遞增一個計數(shù)器 100 次，如果使用 RDB 持久化方式，我們只要保存最終結(jié)果 100 即可。

而 AOF 持久化方式需要記錄下這 100 次遞增操作的指令，而事實上要恢復(fù)這條記錄，只需要執(zhí)行一條命令就行，所以那一百條命令實際可以精簡為一條。

Redis 支持這樣的功能，在不中斷前臺服務(wù)的情況下，可以重寫 AOF 文件，同樣使用到了 COW(寫時拷貝)。

重寫過程如下：

• 調(diào)用 fork()，創(chuàng)建一個子進程。
• 子進程把新的 AOF 寫到一個臨時文件里，不依賴原來的 AOF 文件。
• 主進程持續(xù)將新的變動同時寫到內(nèi)存和原來的 AOF 里。
• 主進程獲取子進程重寫 AOF 的完成信號，往新 AOF 同步增量變動。
• 使用新的 AOF 文件替換掉舊的 AOF 文件。

AOF 和 RDB 的優(yōu)缺點

AOF 和 RDB 的優(yōu)缺點如下：

• RDB 優(yōu)點：全量數(shù)據(jù)快照，文件小，恢復(fù)快。
• RDB 缺點：無法保存最近一次快照之后的數(shù)據(jù)。
• AOF 優(yōu)點：可讀性高，適合保存增量數(shù)據(jù)，數(shù)據(jù)不易丟失。
• AOF 缺點：文件體積大，恢復(fù)時間長。

RDB-AOF 混合持久化方式

Redis 4.0 之后推出了此種持久化方式，RDB 作為全量備份，AOF 作為增量備份，并且將此種方式作為默認方式使用。

在上述兩種方式中，RDB 方式是將全量數(shù)據(jù)寫入 RDB 文件，這樣寫入的特點是文件小，恢復(fù)快，但無法保存最近一次快照之后的數(shù)據(jù)，AOF 則將 Redis 指令存入文件中，這樣又會造成文件體積大，恢復(fù)時間長等弱點。

在 RDB-AOF 方式下，持久化策略首先將緩存中數(shù)據(jù)以 RDB 方式全量寫入文件，再將寫入后新增的數(shù)據(jù)以 AOF 的方式追加在 RDB 數(shù)據(jù)的后面，在下一次做 RDB 持久化的時候?qū)?AOF 的數(shù)據(jù)重新以 RDB 的形式寫入文件。

這種方式既可以提高讀寫和恢復(fù)效率，也可以減少文件大小，同時可以保證數(shù)據(jù)的完整性。

在此種策略的持久化過程中，子進程會通過管道從父進程讀取增量數(shù)據(jù)，在以 RDB 格式保存全量數(shù)據(jù)時，也會通過管道讀取數(shù)據(jù)，同時不會造成管道阻塞。

可以說，在此種方式下的持久化文件，前半段是 RDB 格式的全量數(shù)據(jù)，后半段是 AOF 格式的增量數(shù)據(jù)。此種方式是目前較為推薦的一種持久化方式。

Redis 數(shù)據(jù)的恢復(fù)

RDB 和 AOF 文件共存情況下的恢復(fù)流程如下圖：

?

從圖可知，Redis 啟動時會先檢查 AOF 是否存在，如果 AOF 存在則直接加載 AOF，如果不存在 AOF，則直接加載 RDB 文件。

Pineline

Pipeline 和 Linux 的管道類似，它可以讓 Redis 批量執(zhí)行指令。

Redis 基于請求/響應(yīng)模型，單個請求處理需要一一應(yīng)答。如果需要同時執(zhí)行大量命令，則每條命令都需要等待上一條命令執(zhí)行完畢后才能繼續(xù)執(zhí)行，這中間不僅僅多了 RTT，還多次使用了系統(tǒng) IO。

Pipeline 由于可以批量執(zhí)行指令，所以可以節(jié)省多次 IO 和請求響應(yīng)往返的時間。但是如果指令之間存在依賴關(guān)系，則建議分批發(fā)送指令。

Redis 的同步機制

主從同步原理

Redis 一般是使用一個 Master 節(jié)點來進行寫操作，而若干個 Slave 節(jié)點進行讀操作，Master 和 Slave 分別代表了一個個不同的 Redis Server 實例。

另外定期的數(shù)據(jù)備份操作也是單獨選擇一個 Slave 去完成，這樣可以最大程度發(fā)揮 Redis 的性能，為的是保證數(shù)據(jù)的弱一致性和最終一致性。

另外，Master 和 Slave 的數(shù)據(jù)不是一定要即時同步的，但是在一段時間后 Master 和 Slave 的數(shù)據(jù)是趨于同步的，這就是最終一致性。

全同步過程如下：

• Slave 發(fā)送 Sync 命令到 Master。
• Master 啟動一個后臺進程，將 Redis 中的數(shù)據(jù)快照保存到文件中。
• Master 將保存數(shù)據(jù)快照期間接收到的寫命令緩存起來。
• Master 完成寫文件操作后，將該文件發(fā)送給 Slave。
• 使用新的 AOF 文件替換掉舊的 AOF 文件。
• Master 將這期間收集的增量寫命令發(fā)送給 Slave 端。

增量同步過程如下：

• Master 接收到用戶的操作指令，判斷是否需要傳播到 Slave。
• 將操作記錄追加到 AOF 文件。
• 將操作傳播到其他 Slave：對齊主從庫;往響應(yīng)緩存寫入指令。
• 將緩存中的數(shù)據(jù)發(fā)送給 Slave。

Redis Sentinel(哨兵)

主從模式弊端：當 Master 宕機后，Redis 集群將不能對外提供寫入操作。Redis Sentinel 可解決這一問題。

解決主從同步 Master 宕機后的主從切換問題：

監(jiān)控：檢查主從服務(wù)器是否運行正常。

提醒：通過 API 向管理員或者其它應(yīng)用程序發(fā)送故障通知。

自動故障遷移：主從切換(在 Master 宕機后，將其中一個 Slave 轉(zhuǎn)為 Master，其他的 Slave 從該節(jié)點同步數(shù)據(jù))。

Redis 集群

如何從海量數(shù)據(jù)里快速找到所需?

①分片

按照某種規(guī)則去劃分數(shù)據(jù)，分散存儲在多個節(jié)點上。通過將數(shù)據(jù)分到多個 Redis 服務(wù)器上，來減輕單個 Redis 服務(wù)器的壓力。

②一致性 Hash 算法

既然要將數(shù)據(jù)進行分片，那么通常的做法就是獲取節(jié)點的 Hash 值，然后根據(jù)節(jié)點數(shù)求模。

但這樣的方法有明顯的弊端，當 Redis 節(jié)點數(shù)需要動態(tài)增加或減少的時候，會造成大量的 Key 無法被命中。所以 Redis 中引入了一致性 Hash 算法。

該算法對 2^32 取模，將 Hash 值空間組成虛擬的圓環(huán)，整個圓環(huán)按順時針方向組織，每個節(jié)點依次為 0、1、2…2^32-1。

之后將每個服務(wù)器進行 Hash 運算，確定服務(wù)器在這個 Hash 環(huán)上的地址，確定了服務(wù)器地址后，對數(shù)據(jù)使用同樣的 Hash 算法，將數(shù)據(jù)定位到特定的 Redis 服務(wù)器上。

如果定位到的地方?jīng)]有 Redis 服務(wù)器實例，則繼續(xù)順時針尋找，找到的第一臺服務(wù)器即該數(shù)據(jù)最終的服務(wù)器位置。

③Hash 環(huán)的數(shù)據(jù)傾斜問題

Hash 環(huán)在服務(wù)器節(jié)點很少的時候，容易遇到服務(wù)器節(jié)點不均勻的問題，這會造成數(shù)據(jù)傾斜，數(shù)據(jù)傾斜指的是被緩存的對象大部分集中在 Redis 集群的其中一臺或幾臺服務(wù)器上。

如上圖，一致性 Hash 算法運算后的數(shù)據(jù)大部分被存放在 A 節(jié)點上，而 B 節(jié)點只存放了少量的數(shù)據(jù)，久而久之 A 節(jié)點將被撐爆。

針對這一問題，可以引入虛擬節(jié)點解決。簡單地說，就是為每一個服務(wù)器節(jié)點計算多個 Hash，每個計算結(jié)果位置都放置一個此服務(wù)器節(jié)點，稱為虛擬節(jié)點，可以在服務(wù)器 IP 或者主機名后放置一個編號實現(xiàn)。

例如上圖：將 NodeA 和 NodeB 兩個節(jié)點分為 Node A#1-A#3，NodeB#1-B#3。

結(jié)語

這篇準(偷)備(懶)了相當久的時間，因為有些東西總感覺自己拿不準不敢往上寫，差點自閉，如果有同學(xué)覺得哪里寫的不對勁的，評論區(qū)留言。

總結(jié)

以上是生活随笔為你收集整理的阿里P9架构师分享：通俗易懂Redis原理，都是你没看过的的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。