Redis分区

数据是怎样分布在多个redis实例上的

分区是将你的数据分布在多个redis实例上，以至于每个实例只包含一部分数据。

为什么分区是有用的呢

redis分区有两个主要目标：

1. 它允许更大的数据库，用许多计算机的内存总和。如果不进行分区，你将会受限于单台计算机的内存。
2. 它允许将计算能力扩展到多核和多台计算机，将网络带宽扩展到多台计算机和网络适配器。

假设我们有4个redis实例（r0, r1, r2, r3），其上有许多代表用户的key，比如user:1, user:2, ... 等等，那么在存储一个key的时候我们有多种方式。

最简单的一种方式是按照范围分区，即根据对象的映射范围将数据分配到指定的redis实例上。例如，我们规定id为0~10000的就分到r0，10001~20000到r1，以此类推。这种方式是可以的，但是有一个缺点是需要一张表来维护这个映射关系。这个表需要管理起来，而且每一个key都需要一个这样的表，因此redis中的范围分区通常是不受欢迎的，因为它比其他分区方法效率低得多。

除了范围分区以外，另一种方法是哈希分区（hash partitioning）：

第1步、取key，并应用哈希函数将其转换为一个数。例如，如果key是foobar，哈希函数式crc32，那么crc32(foobar)将输出93024922。

第2步、对这个数字使用模运算（取模）将它转换成0到3直接的数字，这样这个数字就可以映射到我的四个redis实例之一。例如，93024922 % 4 = 2，因此foobar应该存储到r2实例上。

（ps：首先，对key做哈希运算，得到一个数字，然后对这个数字取模，以决定最终数据应该存放在哪个实例上）

分区的方法还有很多种，通过上面两个示例，你应该可以理解。哈希分区的一种高级形式称为一致性哈希，由几个redis客户端和代理实现。

不同的分区实现

客户端分区 ： 对于一个给定的key，客户端直接选择正确的节点来进行读写。许多redis客户端都实现了客户端分区。

代理分区 ： 客户端发送请求到一个代理，由代理来和redis通信，代理会根据我们的配置来选择正确的redis实例。

查询路由 ： 你可以将你的查询发送到任何一个redis实例，实例会将你的查询重定向到正确的服务器。

（ps：对于一个给定的key，分区的工作就是选择一个正确的redis实例，那么这个选择的过程可以由客户端、代理 或者 redis实例来做）

分区的不足之处

1、涉及多个key的操作通常是不支持的。对于映射到两个不同的redis实例的key，你不能往这两个上执行插入操作。

2、涉及多个key的操作不能用redis事务

3、分区粒度是key，因此不可能将一单个非常巨大的key（比如，一个非常大的sorted set）去切分数据

4、当使用分区的时候，数据处理会更复杂，对于实例你必须处理多个rdb/aof文件，为了备份数据，需要从多个实例和主机聚合持久文件。

5、增加和删除容量（空间）变得更复杂。例如，redis集群支持在运行时添加和删除节点的透明数据再平衡，但其他系统如客户端分区和代理不支持此功能。然而，一种叫做预分片的技术在这方面有帮助。

数据存储还是缓存？

当redis用作数据存储时，给定的key必须总是映射到相同的redis实例。当作为缓存时，如果给定节点不可用它不是一个大问题。

如果给定key的首选节点不可用，一致哈希实现通常能够切换到其他节点。类似地，如果添加一个新节点，部分新keys将开始存储在新节点上。

• 如果使用redis作为缓存，使用一致哈希很容易进行伸缩。
• 如果redis用作存储，则使用固定的keys-to-nodes映射，因此节点的数量必须是固定的，且不能改变。否则，就需要一个能够在节点之间重新平衡key的系统，当前redis集群是可以做到这一点的。