随着使用习惯的变化，网络应用访问强度也越来越大，对负载均衡技术的需求也不断增加。而 SLB ，也就是 服务器 负载均衡，是常用的网络应用部署方式，能够实现对客户端流量的多服务器负载均衡。而今天要讨论的，是 SLB 融合 Redis 集群的实现进阶。
我们先来看看 SLB 如何融合 Redis 集群，要实现这一点，其基础原理是，第一步 SLB 负载均衡算法的选择，第二步是 SLB 负载均衡器将客户端的请求转发到 Redis 集群中匹配的实例，第三步连接 Redis 集群的实例，最后的步骤便是读写 Redis 集群的相关数据。
将 SLB 与 Redis 合二为一使用，还有一些SLB功能可以继续优化实现，这里我们提供三种常用的 SLB 优化实践方法：
（1）建立Redis集群
为了实现SLB融合Redis集群，首先要创建一个Redis集群，Redis集群是一种将多台Redis服务器组织成一个逻辑数据库，为了保证数据分布相对均衡，Redis集群通常会预先分片，具体来说，在使用 Redis 集群时，就要按照一定的划分原则，将 key 按规则映射到不同的 Redis 服务器上，这个过程称为分片。
例如，可以使用下面的代码创建4个节点的 Redis 集群：
$redisCluster = new RedisCluster($hosts, $ports, true);
（2）SLB支持多种负载均衡算法
SLB 支持多种负载均衡算法来确定是否将请求转发到Redis集群，常用的算法有轮询调度、最小连接数、加权轮询、故障健康检查等。
比如，使用下面的代码实现加权轮询算法负载均衡：
$weightedRoundRobin = new WeightedRoundRobin();$weightedRoundRobin->add('server1', 2);$weightedRoundRobin->add('server2', 1);$weightedRoundRobin->add('server3', 3);$server = $weightedRoundRobin->get();echo "The server selected is: ". $server;
（3）使用Health Check保证Redis集群的稳定性
在 SLB 融合 Redis 集群这一过程中，建议使用 health check 功能，来帮助管理及维护 Redis 集群。 health check 功能可以定时对 Redis 集群中的每一个服务器做特定的检查，以便发现 Redis 集群中的故障服务器，将 unhealthy 状态的 Redis 服务实例从负载均衡池中移除，从而有效提高系统的稳定性和可靠性。
例如，在 Nginx 上使用下面的配置文件实现Health Check：
http {upstream redis_cluster {server redis1.example.com weight=1;server redis2.example.com weight=1;server redis3.example.com weight=1;server redis4.example.com weight=1;check interval=10000 rise=2 fall=2 timeout=1000 type=http;}}
以上就是 SLB 融合 Redis 集群的实现进阶介绍，他能够在保证系统稳定性的前提下，提升系统负载均衡能力及提升集群部署效率，是企业云计算开发的有用Tips。
香港服务器首选树叶云，2H2G首月10元开通。树叶云（www.IDC.Net）提供简单好用，价格厚道的香港/美国云服务器和独立服务器。IDC+ISP+ICP资质。ARIN和APNIC会员。成熟技术团队15年行业经验。
redis可以存储WebSocket session对象吗
集群web系统的话，可以通过第三方缓存来统一实现session管理。 如果使用spring的话，可以通过session listener来监听session的变化，实现起来比较方便。 不建议把Session存储起来可以考虑用Redis模拟session，特别是分布式环境，比如多台web serve（如tomcat）r的情况下
目前spring-data-redis到底支不支持redis集群的
spring-data-redis 中的核心操作类是 RedisTemplate 可以看出 key 和 value 都是泛型的，这就涉及到将类型进行序列化的问题了 所就在 RedisTemplate 中还有几个 RedisSerializer~ 1)redisConnectionFactory()配置了如何连接Redsi服务器
memcached和redis的区别
medis与Memcached的区别传统MySQL+ Memcached架构遇到的问题 实际MySQL是适合进行海量数据存储的，通过Memcached将热点数据加载到cache，加速访问，很多公司都曾经使用过这样的架构，但随着业务数据量的不断增加，和访问量的持续增长，我们遇到了很多问题： 需要不断进行拆库拆表，Memcached也需不断跟着扩容，扩容和维护工作占据大量开发时间。 与mysql数据库数据一致性问题。 数据命中率低或down机，大量访问直接穿透到DB，MySQL无法支撑。 4.跨机房cache同步问题。 众多NoSQL百花齐放，如何选择 最近几年，业界不断涌现出很多各种各样的NoSQL产品，那么如何才能正确地使用好这些产品，最大化地发挥其长处，是我们需要深入研究和思考的问题，实际归根结底最重要的是了解这些产品的定位，并且了解到每款产品的tradeoffs，在实际应用中做到扬长避短，总体上这些NoSQL主要用于解决以下几种问题 1.少量数据存储，高速读写访问。 此类产品通过数据全部in-momery 的方式来保证高速访问，同时提供数据落地的功能，实际这正是Redis最主要的适用场景。 2.海量数据存储，分布式系统支持，数据一致性保证，方便的集群节点添加/删除。 3.这方面最具代表性的是dynamo和bigtable 2篇论文所阐述的思路。 前者是一个完全无中心的设计，节点之间通过gossip方式传递集群信息，数据保证最终一致性，后者是一个中心化的方案设计，通过类似一个分布式锁服务来保证强一致性,数据写入先写内存和redo log，然后定期compat归并到磁盘上，将随机写优化为顺序写，提高写入性能。 free，auto-sharding等。 比如目前常见的一些文档数据库都是支持schema-free的，直接存储json格式数据，并且支持auto-sharding等功能，比如mongodb。 面对这些不同类型的NoSQL产品,我们需要根据我们的业务场景选择最合适的产品。 Redis适用场景，如何正确的使用 前面已经分析过，Redis最适合所有数据in-momory的场景，虽然Redis也提供持久化功能，但实际更多的是一个disk-backed的功能，跟传统意义上的持久化有比较大的差别，那么可能大家就会有疑问，似乎Redis更像一个加强版的Memcached，那么何时使用Memcached,何时使用Redis呢?如果简单地比较Redis与Memcached的区别，大多数都会得到以下观点： 1Redis不仅仅支持简单的k/v类型的数据，同时还提供list，set，zset，hash等数据结构的存储。 2Redis支持数据的备份，即master-slave模式的数据备份。 3Redis支持数据的持久化，可以将内存中的数据保持在磁盘中，重启的时候可以再次加载进行使用。 抛开这些，可以深入到Redis内部构造去观察更加本质的区别，理解Redis的设计。 在Redis中，并不是所有的数据都一直存储在内存中的。 这是和Memcached相比一个最大的区别。 Redis只会缓存所有的 key的信息，如果Redis发现内存的使用量超过了某一个阀值，将触发Swap的操作，Redis根据“swappability = age*log(size_in_memory)”计 算出哪些key对应的value需要swap到磁盘。 然后再将这些key对应的value持久化到磁盘中，同时在内存中清除。 这种特性使得Redis可以 保持超过其机器本身内存大小的数据。 当然，机器本身的内存必须要能够保持所有的key，毕竟这些数据是不会进行swap操作的。 同时由于Redis将内存 中的数据swap到磁盘中的时候，提供服务的主线程和进行swap操作的子线程会共享这部分内存，所以如果更新需要swap的数据，Redis将阻塞这个 操作，直到子线程完成swap操作后才可以进行修改。 使用Redis特有内存模型前后的情况对比： VM off: 300k keys, 4096 bytes values: 1.3G used VM on:300k keys, 4096 bytes values: 73M used VM off: 1 million keys, 256 bytes values: 430.12M used VM on:1 million keys, 256 bytes values: 160.09M used VM on:1 million keys, values as large as you want, still: 160.09M used当 从Redis中读取数据的时候，如果读取的key对应的value不在内存中，那么Redis就需要从swap文件中加载相应数据，然后再返回给请求方。 这里就存在一个I/O线程池的问题。 在默认的情况下，Redis会出现阻塞，即完成所有的swap文件加载后才会相应。 这种策略在客户端的数量较小，进行 批量操作的时候比较合适。 但是如果将Redis应用在一个大型的网站应用程序中，这显然是无法满足大并发的情况的。 所以Redis运行我们设置I/O线程 池的大小，对需要从swap文件中加载相应数据的读取请求进行并发操作，减少阻塞的时间。 如果希望在海量数据的环境中使用好Redis，我相信理解Redis的内存设计和阻塞的情况是不可缺少的。
发表评论