从零开始:Redis缩放之旅
Redis是一款高性能的缓存数据库，拥有极高的读写速度，并支持丰富的数据类型和功能。然而，随着应用规模的不断扩大，单台Redis 服务器 的容量和性能往往已经无法满足需求。因此，缩放Redis成为了不可避免的选择。本文将从零开始，探索如何缩放Redis，包括Redis Cluster和Redis Sentinel两种主流方案的实现和比较。
首先是Redis Cluster。Redis Cluster是Redis官方推出的分布式集群方案，提供自动分片、自动get="_blank">故障转移、数据自恢复等功能，能够有效地提高数据的可用性和可扩展性。Redis Cluster通过将多个Redis实例组成一个集群，共同管理数据，实现了数据的自动负载均衡和故障恢复。下面是Redis Cluster的简单部署示例。
1.安装redis-cli和redis-server
sudo apt-get install redis-clisudo apt-get install redis-server
2.创建集群配置文件
mkdir cluster-confcd cluster-conftouch nodes.conf
3.将所有Redis实例添加到配置文件中
redis-cli -c -p 7000 cluster meet 10.0.0.1 7000redis-cli -c -p 7000 cluster meet 10.0.0.2 7000redis-cli -c -p 7000 cluster meet 10.0.0.3 7000
4.创建集群
redis-cli --cluster create 10.0.0.1:7000 10.0.0.2:7000 10.0.0.3:7000
通过以上简单的命令，就可以轻松地部署Redis Cluster了。然而，Redis Cluster也存在一些缺点，例如，对于某些较为特殊的数据类型和操作，Cluster并没有完全兼容单实例Redis。此外，由于数据分片的关系，Cluster无法支持跨节点的Atom操作，可能会影响数据的一致性。因此，对于某些对一致性要求较高的应用场景，Cluster并不是最佳的选择。
接下来是Redis Sentinel。Redis Sentinel是一款Redis高可用性的解决方案，能够自动监控Redis实例的状态，并在发生故障时自动进行故障转移，确保服务的可用性和稳定性。Redis Sentinel通过不停地检测Redis实例的状态，确保实例的正确性和可用性。一旦检测到有实例发生故障，Sentinel就会自动启动故障转移操作，选举一个新的主节点，并对客户端进行通知。
下面是Redis Sentinel的简单部署示例。
1.创建Sentinel配置文件
mkdir sentinel-confcd sentinel-conftouch sentinel.conf
2.添加Sentinel配置
sentinel monitor mymaster 10.0.0.1 7000 2sentinel down-after-milliseconds mymaster 3000sentinel flover-timeout mymaster 10000
3.启动Sentinel实例
redis-sentinel sentinel.conf
通过以上简单的命令，就可以轻松地部署Redis Sentinel了。Redis Sentinel虽然相对于Redis Cluster而言功能较为单一，但是对于某些对数据一致性要求较高或者对读写操作有限制的应用场景而言，Sentinel则是一种更加稳妥和有效的解决方案。
总结：Redis的缩放之旅并不是一蹴而就的，需要根据实际应用场景选择合适的缩放方案。Redis Cluster虽然可以实现高性能和高可用性，但是在数据一致性等方面可能存在一些问题。相比之下，Redis Sentinel则更加稳妥和稳定。在实际应用中，需要根据具体的业务需求和数据特性，选择适合的Redis缩放方案。
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。
android怎么防止内存溢出
主要要遵循以下几点：1. 不要为Context长期保存引用（要引用Context就要使得引用对象和它本身的生命周期保持一致）。 2. 如果要使用到Context，尽量使用ApplicationContext去代替Context，因为ApplicationContext的生命周期较长，引用情况下不会造成内存泄露问题3. 在你不控制对象的生命周期的情况下避免在你的Activity中使用static变量。 尽量使用WeakReference去代替一个static。 4. 垃圾回收器并不保证能准确回收内存，这样在使用自己需要的内容时，主要生命周期和及时释放掉不需要的对象。 尽量在Activity的生命周期结束时，在onDestroy中把我们做引用的其他对象做释放，比如()。
redis java 有什么用
Java连接redis的使用示例 Redis是开源的key-value存储工具，redis通常用来存储结构化的数据，因为redis的key可以包含String、hash、listset和sorted list。
Redisclient支持多种语言，包括：c、C++、C#、php、java、Python、go等语言，根据自己的开发语言，选择合适的redis client版本类型即可。
我是使用java语言开发的，针对java语言，redis client也提供了多种客户端支持，按照推荐类型依次是：Jedis、Redisson、JRedis、JDBC-Redis、RJC、redis-protocol、aredis、lettuce。
前两种类型是比较推荐的，我们采用了Redisson类型版本作为redisclient的使用。
Redisson版的redis可发工程搭建1.新建maven工程2.在文件的dependencies节点下增加如下内容：
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