彻底明白Redis集群主从切换原理

写在前面

参考文章：

1. https://www.cnblogs.com/dadonggg/p/8628735.html

1.Redis Cluster

为了支持高可用，Redis提供了集群部署方案，当master发生故障时，能及时进行主从切换。

redis-cli 使用参数【-c】连接集群中任意一个节点，无论是主还是从，都没有任何区别，都能访问整个集群。

Jedis使用JedisCluster时也一样，配置一个节点即可访问整个集群，配置多个更安全。

这是因为Redis集群是去中心化的，每个节点都维护着集群所有节点的信息。

2.什么是主从切换？

主从切换是指某个master不可用时，它的其中一个从节点升级为master的操作。

通过投票机制来判断master是否不可用，参与投票的是所有的master，所有的master之间维持着心跳，如果一半以上的master确定某个master失联，则集群认为该master挂掉，此时发生主从切换。

通过选举机制来确定哪一个从节点升级为master。选举的依据依次是：网络连接正常->5秒内回复过INFO命令->10*down-after-milliseconds内与主连接过的->从服务器优先级->复制偏移量->运行id较小的。选出之后通过slaveif no ont将该从服务器升为新master。

通过配置文件参数【cluster-node-timeout】指定心跳超时时间，默认是15秒。

3. 集群信息

在任意节点执行[cluster nodes]命令都能查询集群信息，因为每个节点都维护集群信息，而且一般情况下都是相同的，例如：

每列信息是：

[runid] [ip:port] [flags] [mster_runid] [ping-sent] [pong-recv] [config-epoch] [link-state] [hash slot]

详细解释：

1. runid: 该行描述的节点的id。

2. ip:prot: 该行描述的节点的ip和port

3. flags: 逗号分隔的标记位，可能的值有：

   master: 该行描述的节点是master
   slave: 该行描述的节点是slave
   fail?:该行描述的节点可能不可用
   fail:该行描述的节点不可用（故障）
   

4. master_runid: 该行描述的节点的master的id,如果本身是master则显示-

5. ping-sent: 最近一次发送ping的Unix时间戳，0表示未发送过

6. pong-recv：最近一次收到pong的Unix时间戳，0表示未收到过

7. config-epoch: 好像是主从切换的次数

8. link-state: 连接状态，connnected 和 disconnected

9. hash slot: 该行描述的master中存储的key的hash的范围

默认情况下，每个节点都会持久化集群信息到workdir下的[ndoes-6379.conf]文件中,用于节点重启后能够正确的加入集群。

4. 主从切换日志

可通过日志，观察主从切换：

如上图所示：集群中有9个节点，端口分别是7001~7009

7007的master在10：38：29时发现失联，此时状态是[disconnected],

15秒后在10：38：45时，被确定为不可用,此时状态是[fail]。

并在下一秒即10：38：46时完成主从切换，7007原来的从节点7006升级为master。

5. 从节点重启

slave重启时，会根据集群信息加入到集群；首先检查master是否在线，如果在线则自动成为其slave；如果master不在线，则成为新master的slave。

Redis的主从关系是链式的，一个从节点也是可以拥有从节点的，所以一个当一个slave重启时，如果其原来的master现在也是从节点的，但是该slave仍然会成为它的从节点，就出现了从节点的从节点。

6. 从节点均衡

当某个master无可用的slave时，Redis Cluster会尝试将其他master的slave转移给这个master，作为它的从节点。

7. 集群不可用

当集群不可用时，客户端会收到 【CLUSTERDOWN the cluster is down 】的错误信息；也可以通过命令【cluster info】查看一个集群的状态，如果输出的【cluster_stat】是ok说明状态正常，如果是fail，则说明集群不可用，如下图：

在以下3种情况下，集群会不可用：

1. 某个master和其slave同时失联。
2. 某个master失联，并且其无slave。
3. 超过半数的master同时失联。

可以发现这三种情况均是master不可用并且无法进行主从切换，而只有master支持写操作，所以此时集群不可用。

下面通过日志观察集群不可用：

如上图所示，在 11：19：10 同时关闭master(7004)和其所有slave，3个节点的连接状态立刻变成 disconnected,
在 11：19：31 时master(7004)被判断为fail状态，并且此时无可用的slave，因此 cluster_state 变成 fail， 此时客户端任何指令都将响应： cluster is down

注意在 11：19：10 ~ 11：19：30 之间，集群状态是ok，客户端如果不访问master(7004)则无异常，如果访问master(7004),因为该节点已关闭，所以操作系统会响应： Connection Refused

8. 集群容错测试

9. 典型日志整理