Redis集群部署三种方式
1. 主从复制
主机数据更新后根据配置和策略， 自动同步到备机的 master/slaver 机制，Master 以写为主，Slaver 以读为主。
优点：
- 读写分离，性能扩展
- 容灾快速恢复
- 一主多从！
缺点：
- 单主单从的情况下，读写分离很好，但是如果万一主挂了，这样就无法写了
- 或者单主多从时，如果主挂了，也无法进行同步了。这样就需要选举出一个新的主来作为主机。
2. 哨兵模式
使用Sentinel，能够后台监控主机是否故障，如果故障了根据投票数自动将从库转换为主库。
优点：
- 监控
- 监控服务器节点
- 提醒
- 当监控的节点出现问题时，可以通过api通知其他应用等
- 故障转移
- 当主挂掉时会选举新的从服务器为主服务器，代替原来主服务器的地位
3. redis-cluster模式
1.无中心化集群配置（ redis3.0 ）
2.集群由多个节点(Node) 组成，Redis 的数据分布在这些节点中。
3.集群中的节点分为主节点和从节点；只有主节点负责读写请求和集群信息的维护；从节点只进行主节点数据和状态信息的复制。
优点：
- 实现扩容；
- 分摊压力；
- 无中心配置相对简单。
缺点：
- 多键操作是不被支持的；
- 多键的 Redis 事务是不被支持的。lua 脚本不被支持；
- 由于集群方案出现较晚，很多公司已经采用了其他的集群方案，而代理或者客户端分片的方案想要迁移至redis cluster，需要整体迁移而不是逐步过渡，复杂度较大。
Redis应用的三种问题，穿透、击穿、雪崩
缓存穿透
key 对应的数据在数据源并不存在，每次针对此 key 的请求从缓存获取不到，请求都会压到数据源，从而可能压垮数据源。
比如用一个不存在的用户 id 获取用户信息，不论缓存还是数据库都没有，若黑客利用此漏洞进行攻击可能压垮数据库。
造成：
- 应用服务器压力变大。
- redis 命中率下降 ⟶ longrightarrow ⟶ 查询数据库 。
解决：
对空值缓存
- 如果一个查询返回的数据为空（不管是数据是否不存在），仍然把这个空结果（null）进行缓存，设置空结果的过期时间会很短，最长不超过五分钟。
设置可访问的名单（白名单）：
- 使用 bitmaps 类型定义一个可以访问的名单，名单 id 作为 bitmaps 的偏移量，每次访问和 bitmap 里面的 id 进行比较，如果访问 id 不在 bitmaps 里面，进行拦截，则不允许访问。
采用布隆过滤器
- 布隆过滤器（Bloom Filter）是1970年由布隆提出的。它实际上是一个很长的二进制向量（位图）和一系列随机映射函数（哈希函数）。
- 布隆过滤器可以用于检索一个元素是否在一个集合中。它的优点是空间效率和查询时间都远远超过一般的算法，缺点是有一定的误识别率和删除困难。
- 将所有可能存在的数据哈希到一个足够大的 bitmaps 中，一个一定不存在的数据会被这个 bitmaps 拦截掉，从而避免了对底层存储系统的查询压力。
进行实时监控
- 当发现 Redis 的命中率开始急速降低，需要排查访问对象和访问的数据，和运维人员配合，可以设置黑名单限制服务。
缓存击穿
key 对应的数据存在，但在 redis 中过期，此时若有大量并发请求过来，这些请求发现缓存过期一般都会从后端DB 加载数据并回设到缓存，这个时候大并发的请求可能会瞬间把后端 DB 压垮。
如何解决
- 预先设置热门数据
- 在 redis 高峰访问之前，把一些热门数据提前存入到 redis 里面，加大这些热门数据 key 的时长。
- 实时调整
- 现场监控哪些数据热门，实时调整 key 的过期时长。
- 使用锁
缓存雪崩
缓存雪崩是指在我们设置缓存时采用了相同的过期时间，导致缓存在某一时刻同时失效，请求全部转发到DB，DB瞬时压力过重雪崩。
解决
构建多级缓存架构
- nginx 缓存 + redis 缓存 + 其他缓存（ehcache等）
使用锁或队列：
- 用加锁或者队列的方式保证来保证不会有大量的线程对数据库一次性进行读写，从而避免失效时大量的并发请求落到底层存储系统上。不适用高并发情况。
设置过期标志更新缓存：
- 记录缓存数据是否过期（设置提前量），如果过期会触发通知另外的线程在后台去更新实际 key 的缓存。
将缓存失效时间分散开：
- 比如我们可以在原有的失效时间基础上增加一个随机值，比如 1～5 分钟随机，这样每一个缓存的过期时间的重复率就会降低，就很难引发集体失效的事件。
总结
- 穿透：缓存不存在，数据库不存在，高并发，少量key
- 击穿：缓存不存在，数据库存在，高并发，少量key
- 雪崩：缓存不存在，数据库存在，高并发，大量key
以上为个人经验，希望能给大家一个参考，也希望大家多多支持IT俱乐部。
