当前位置: 首页 > news >正文

redis的四种模式优缺点

redis简介

Redis是一个完全开源的内存数据结构存储工具,它支持多种数据结构,以及多种功能。Redis还提供了持久化功能,可以将数据存储到磁盘上,以便在重启后恢复数据。由于其高性能、可靠性和灵活性,Redis被广泛应用于缓存、会话管理、排行榜、实时分析、消息队列等领域。

应用场景

  • 缓存
  • 数据共享
  • 分布式锁
  • 计数器
  • 限流
  • 时间轴
  • 消息队列
  • 注册中心
  • 排行榜
  • 标签
  • 。。。。。

redis的四大模式

  1. 单机模式
  2. 主从模式
  3. 哨兵模式
  4. 集群模式

单机模式

    单机模式就是只在一台服务器上搭建单台redis服务,所有业务都通过该服务处理缓存等业务

读写不分离。

    优点:

  • 部署非常简单,单台服务器安装配置启动即可,好维护
  • 性能高,数据处理速度快,不需要同步数据
  • 成本相对非常低,不管是维护成本和服务器成本都是单项,没有其它开支

   缺点:

  • 单台服务器受限cpu的处理能力
  • 海量数据存储问题
  • Redis不具备自动容错和恢复功能,不保证数据的可靠性

 主从模式

      主从模式是指有多台redis服务器,其中一台为主服务,其它都为从服务,主服务只负责写入数据以及向从服务器发送同步最新的数据,从服务只负责复制主服务的数据与来自客户端读取数据

优点:

  • 读写分离,主写从读,可以根据访问量多少来定制从节点数量
  • 数据冗余,主从复制实现了对数据的热备份
  • 可用性,多节点提供服务时,其中一台宕机后,其它服务仍旧可以提供服务
  • 故障恢复,可以快速提升从服务为主服务
  • 负载均衡,多节点分摊数据访问压力

   缺点:

  •   主服务宕机后,从服务需要升级为主服务,需要手动切换,部分数据不能及时同步从服务,造成数据不一致
  • 从服务宕机恢复后,大量的同步给主服务造成一定的IO压力
  • 主从服务只有一个主服务,写数据的能力会收到单机的限制
  • 海量数据存储限制

 主从复制原理

全量复制

  1. 从服务连接到主服务,便开始进行数据同步,从节点发送psync命令给到主节点(psync包含两个参数runID主库的id以及offset进度位置)
    1.runID为实例启动自动生成的随机标识,当从服务第一次连接主服务是不知道
    主服务的runID的实际值,从而把runID设置为"?"对主服务进行询问,得到主服
    务给的回答后,后续便会把runID设置成主服务的实际值2.offset表示为同步进度的标识,第一次从服务连接主服务时,该标识为表示以
    前从未有复制过主服务的数据,把该值设置为-1,主从都各自维护自己的主从复
    制偏移量offset,当主节点有写入命令时,offset=offset+命令的字节长度。
    从节点在收到主节点发送的命令后,也会增加自己的offset,并把自己的offset
    发送给主节点。这样,主节点同时保存自己的master_repl_offset,从节点的
    slave_repl_offset,通过对比offset来判断主从节点数据是否一致
    
  2. 主服务收到psync命令之后,判断是否为第一次复制是的话返回FULLRESYNC {runId} {offset},如果回复 +CONTINUE,触发部分复制。   
  3. 从服务收到主服务给过来的信息后,将信息保存到info中
  4. 主服务发送FULLRESYNC后,执行 bgsave命令,生成RDB快照并将其发给从库,在从服务加载数据期间主服务写命令放入缓冲区replication buffer
  5. 从服务清理自己的数据,完成后开始加载RDB文件,将数据提取到自己的内存中
  6. 待从节点加载完成后,会将replication buffer中产生的该写操作发送给从服务
  7. 主从之间维护一个长连接,后续涉及到改/写的动作,主服务会比较offset给从服务发送增量数据给从服务同步

增量/部分复制

  1. 当从节点出现不可以预知的中断时,主服务会把收到的改/写等操作命令写入环形缓冲区主服务会记录自己所在的偏移位置,从服务也会有自己已经读到的进度偏移位置
  2. 从服务器恢复连接后,从服务会重新发送自己的psync,这时候offset是自己的偏移位置,给主服务比较,如果刚好存在缓冲区内,主服务会将增量数据发送给从服务
  3. 如果不存在,则需要进行再一次全量更新

哨兵模式

优点:

  • 读写分离,主写从读,可以根据访问量多少来定制从节点数量
  • 数据冗余,主从复制实现了对数据的热备份
  • 可用性,多节点提供服务时,其中一台宕机后,其它服务仍旧可以提供服务
  • 故障恢复,当主服务宕机时通过自定选举提升从服务为主服务,弥补了主从模式下的手动操作
  • 负载均衡,多节点分摊数据访问压力

缺点:

  • 从服务宕机恢复后,大量的同步给主服务造成一定的IO压力
  • 主从服务只有一个主服务,写数据的能力会收到单机的限制
  • 海量数据存储限制

主要功能

  • 建立集群监控,负责监控主从服务是否正常工作
  • 如果某个服务宕机,哨兵间传递消息
  • 自动故障转移,当主服务宕机后,会重新在从服务之间选举出新主

主服务看成执政的皇帝,从服务堪称国家的储君,当主服务还在执政期间,从服务都要好好配合皇帝工作,而哨兵就像是太医院,时刻关注着皇帝与皇子的身体健康,当检查到从服务不健康时,就直接把它除名告知天下,当检查到主服务不健康宕机了之后,当即会告知天下,然后在剩下的皇子中选举出新皇,然后安排新皇登基,其它皇子重新辅助新皇,而旧皇医治好后(重新上线),也只能承认失去皇权,也只能退居二线,重新辅佐新皇但是重新享有皇位继承权

 集群模式

不管上面的主从还是哨兵模式,都无法解决单节点写操作的问题。如果这时写操作的并发比较高。这是可以实验集群化模式【去中心化模式】

优点

  • 无中心架构,支持动态扩容
  • Cluster自动具备哨兵监控和故障转移(主从切换)能力
  • 客户端连接集群内部地址可自动发现
  • 高性能、高可用,有效解决了Redis分布式需求

缺点

  •  不支持原子操作:在Redis集群中,不同节点之间的数据访问会出现延迟,因此不支持原子操作,可能会导致数据的不一致性。

  • 需要配置复杂:Redis集群需要配置投票数、数据分片等参数,增加了配置的复杂度。

  • 高成本:Redis集群需要多台服务器运行,因此需要更多的硬件成本和维护成本。

只有主节点故障才需要故障转移。cluster集群模式不需要哨兵,自身已具备了故障转移功能。

节点通信:

Redis 集群中的节点通过 Gossip 协议进行通信。节点之间定期交换有关其自身状态和已知其他节点的信息,以便检测故障并作出相应调整。

故障检测:

每个节点向集群中其它节点每隔一定时间发送ping消息,如果该节点没在规定时间内返回pong消息,就会认为下线

故障转移步骤:

   1. 集群中的其他节点会检测到主节点已下线。
   2. 资格检查 每个从节点都要检查最后与主节点断线时间,判断是否有资格替换故障的主节点
   3. 准备选举时间 从节点符合故障转移资格后,更新触发故障选举时间,只有到达该时间才能执行后续流程。采用延迟触发机制,主要是对多个从节点使用不同的延迟选举时间来支持优先级。复制偏移量越大说明从节点延迟越低,那么它应该具有更高的优先级。
   4. 选举投票 只有持有槽的主节点才会处理故障选举消息,每个持有槽的节点在一个配置纪元内都有唯一的一张选票,当接到第一个请求投票的从节点消息,回复消息作为投票,之后相同配置纪元内其它从节点的选举消息将忽略。投票过程其实是一个领导者选举的过程。
   5. 替换主节点 当前从节点取消复制变为主节点,撤销故障主节点负责的槽,把这些槽委派给自己,并向集群广播告知所有节点当前从节点变为主节点。
 

相关文章:

redis的四种模式优缺点

redis简介 Redis是一个完全开源的内存数据结构存储工具,它支持多种数据结构,以及多种功能。Redis还提供了持久化功能,可以将数据存储到磁盘上,以便在重启后恢复数据。由于其高性能、可靠性和灵活性,Redis被广泛应用于…...

maven本地仓库地址修改+maven国内镜像设置+maven运行所需pos.xml文件配置基本写法

1,maven本地仓库地址修改 maven在使用过程中,本地项目仓库其空间占用会越来越大,但是其默认仓库位置往往是以C盘为主,C盘作为系统盘常常会遇到所在盘空间占满的情况,所以我们将其改至其他硬盘空间位置为适合做法&#…...

Jenkins集成SonarQube保姆级教程

Jenkins是自动化部署平台,一个粗眉大眼的糙汉子! SonarQube是代码扫描平台,一个眉目清秀的小女子! 有一天,上天交给我一个任务,去撮合撮合他们! 我抬头看了看天, 不,…...

Git的安装以及本地仓库的创建和配置

文章目录 1.Git简介2.安装Git2.1在Centos上安装git2.2 在ubuntu上安装git 3.创建本地仓库4.配置本地仓库 1.Git简介 Git是一个分布式版本控制系统,用于跟踪和管理文件的更改。它可以记录和存储代码的所有历史版本,并可以方便地进行分支管理、合并代码和协…...

现在运动耳机什么牌子的好用、最好的运动耳机推荐

对于注重身体健康的小伙伴来说,每周必然都少不了有规律的运动,而运动的时候耳边没有音乐的陪伴总是稍显枯燥无味,很难让人提起干劲来。有些小伙伴觉得运动的时候戴着耳机,稍微跳动几下耳机就开始松动,随时都要分心提防…...

监控指标与监控类型

监控体系中最基础的是监控指标,监控系统就是围绕指标的采集、传输、存储、分析、可视化的一个系统。 监控指标是指数值类型的监控数据,比如某个机器的内存利用率,某个 MySQL 实例的当前连接数,某个 Redis 的最大内存上限等等。不…...

Vue实现柱状图横向自动滚动

Vue实现柱状图横向自动滚动 1. 前言2. 代码3、实现效果图 1. 前言 原理:通过定时器修改Echarts的配置(options)达到我们想要的效果。 此外,我们还需要了解Echarts中dataZoom这个组件,这个组件用于:用于区域…...

解决构建maven工程时,配置了阿里云的前提下,依旧使用中央仓库下载依赖导致失败的问题!!!

问题描述: 在使用spring进行构建项目时,出现下载依赖迟迟不成功,显示maven wrapper 下载失败的问题。 Maven wrapper Cannot download ZIP distribution from https://repo.maven.apache.org/maven2/org/apache/maven/apache-maven/3.8.7/ap…...

MYSQL DCL语句

MySQL DCL语句 简介 DQL是用于查询和检索数据库数据的重要工具。它具有丰富的功能和灵活性,可以根据不同的查询需求进行条件过滤、排序、聚合计算等操作。通过合理使用DQL,可以从数据库中提取有用的数据以进行数据分析和决策支持。 DCL语句的分类 DC…...

4H-SiC nMOSFETs的亚阈值漏电流扫描滞后特性

目录 标题:On the Subthreshold Drain Current Sweep Hysteresis of 4H-SiC nMOSFETs研究了什么文章创新点文章的研究方法文章得出的结论 标题:On the Subthreshold Drain Current Sweep Hysteresis of 4H-SiC nMOSFETs 亚阈值滞后(Subthresh…...

设计模式(单例模式)

概念 保证指定的类只有一个实例,不能创建出其他的实例 实现方式 1.饿汉模式 1.1 代码展示 package 设计模式;/*** Created with IntelliJ IDEA.* Description:* User: wuyulin* Date: 2023-07-28* Time: 11:28*///单例模式(饿汉模式) //保证…...

[SQL挖掘机] - 算术函数 - sqrt

介绍: 当谈到 SQL 中的 sqrt 函数时,它用于计算一个数值的平方根。 用法: sqrt 函数使用以下语法: sqrt(x)其中,x 是要计算平方根的数值。 注意: 当使用负数参数调用 SQL 中的 sqrt 函数时,具体的错误消息可能因不同的数据库…...

数据结构--顺序表、单链表

线性表是指顺序表和单链表 //顺序表数据结构 typedef struct { ElemType data[MaxSize];//顺序表元素 int length; //顺序表当前长度 }SqList; //单链表结点数据结构 typedef struct LNode { ElemType data;//数据域 struct LNode *next;//指针域 }LNode,*LinkList; 顺序表 …...

云安全攻防(一)之 云原生

前言 随着公有云和私有云的广泛部署,云计算基础设施成为企业部署新业务的首选。可以说,云计算已进入下半场,各大云计算服务商的厮杀日益激烈,新的概念也不断的层出不穷。近年来,云原生安全(Cloud Native C…...

#vue3报错 Cannot read properties of null (reading ‘isCE‘)#

场景:使用 npm 安装依赖包的时候,如如安装 npm i xlsx npm i file-saver 重新运行报错 Cannot read properties of null (reading isCE)# 解决办法: 使用的vite vue 在vite.config.ts添加如下配置: dedupe: [ vue ]...

【计算机视觉中的 GAN 】 - 生成学习简介(1)

一、说明 在阅读本文之前,强烈建议先阅读预备知识,否则缺乏必要的推理基础。本文是相同理论GAN原理的具体化范例,阅读后有两个好处:1 巩固了已经建立的GAN基本概念 2 对具体应用的过程和套路进行常识学习,这种练习题一…...

深度学习实战44-Keras框架下实现高中数学题目的智能分类功能应用

大家好,我是微学AI ,今天给大家介绍一下深度学习实战44-Keras框架实现高中数学题目的智能分类功能应用,该功能是基于人工智能技术的创新应用,通过对数学题目进行智能分类,提供个性化的学习辅助和教学支持。该功能的实现可以通过以下步骤:首先,采集大量的高中数学题目数据…...

Redis Sentinel 及 Redis Cluster

Redis Sentinel Redis-Sentinel(哨兵模式)是Redis官方推荐的高可用性(HA)解决方案,当用Redis做Master-slave的高可用方案时,假如master宕机了,Redis本身(包括它的很多客户端)都没有实现自动进行主备切换,而Redis-sentinel本身也是…...

shell中按照特定字符分割字符串,并且在切分后的每段内容后加上特定字符(串),然后再用特定字符拼接起来

文件中的内容&#xff0c;可以这么写&#xff1a; awk -F, -v OFS, {for(i1;i<‌NF;i){$i$i"_suffix"}}1 input.txt-F,&#xff1a;设置输入字段分隔符为逗号&#xff08;,&#xff09;&#xff0c;这将使awk按照逗号分割输入文本。-v OFS‘,’&#xff1a;设置输…...

探寻智能化未来:AI与Web3共创金融领域巨大潜力

人工智能&#xff08;AI&#xff09;和Web3技术的迅猛发展为我们带来了许多新的机遇和影响。在数字经济和社会的浪潮中&#xff0c;结合了AI的智能化能力和Web3的去中心化与区块链技术&#xff0c;我们将进入一个智能化的Web3时代。人工智能和Web3技术是开拓生产力极限和重新定…...

Django学习笔记-表单(forms)的使用

在Django中提供了了form表单&#xff0c;可以更为简单的创建表单模板信息&#xff0c;简化html的表单。 一、网页应用程序中表单的应用 表单通常用来作为提交数据时候使用。 1.1 创建表单模板文件夹 在项目文件夹下创建一个template文件夹&#xff0c;用于存储所有的html模…...

机器学习分布式框架ray运行TensorFlow实例

使用Ray来实现TensorFlow的训练是一种并行化和分布式的方法&#xff0c;它可以有效地加速大规模数据集上的深度学习模型的训练过程。Ray是一个高性能、分布式计算框架&#xff0c;可以在集群上进行任务并行化和数据并行化&#xff0c;从而提高训练速度和可扩展性。 以下是实现…...

QT【day4】

chat_QT服务器端&#xff1a; //.h #ifndef WIDGET_H #define WIDGET_H#include <QWidget> #include<QTcpServer> //服务器类 #include<QTcpSocket> //客户端类 #include<QMessageBox> //对话框类 #include<QList> //链表容器 #inc…...

java中方法相关知识点详解

方法 简介 方法是一段用来完成特定功能的代码片段&#xff0c;用于定义该类或该类的实例的行为特征和功能实现语句块【复合语句】 语句块中定义的变量只能用于自己&#xff0c;外部不能使用 语句块可以使用外部的变量&#xff0c;而外部不能使用语句块的变量语法 [修饰符1 修饰…...

【算法训练营】Fibonacci数列+合法括号序列判断+两种排序方法

7.29 Fibonacci数列题目解析代码 合法括号序列判断题目题解代码 两种排序方法题目&#xff1a;题解代码 Fibonacci数列 题目 题目链接: 点击跳转 解析 【题目解析】&#xff1a; 本题是对于Fibonacci数列的一个考察&#xff0c;Fibonacci数列的性质是第一项和第二项都为1&am…...

【Rasa】入门案例学习

Rasa初体验--构建对话机器人 NLU数据 version: "3.1"nlu:- intent: greetexamples: |- Hi- Hey!- Hello- Good day- Good morning- intent: subscribeexamples: |- I want to get the newsletter- Can you send me the newsletter?- Can you sign me up for the ne…...

基于java的坦克大战游戏的设计与实现--开题报告--【毕业论文】

文章目录 本系列校训毕设的技术铺垫文章主体层次选题目的和意义&#xff1a;与本课题相关的技术和方法综述&#xff1a;主要设计内容&#xff1a;设计的环境、方法及措施&#xff1a;参考文献 配套资源 本系列校训 互相伤害互相卷&#xff0c;玩命学习要你管&#xff0c;天生我…...

学习笔记|百度文心千帆大模型平台测试及页面交互简易代码

目前百度文心一言的内测资格申请相当拉胯&#xff0c;提交申请快3个月&#xff0c;无任何音讯。不知道要等到什么时候。 百度适时开放了百度文心千帆大模型平台&#xff0c;目前可以提交申请测试&#xff0c;貌似通过的很快&#xff0c;已取得测试申请资格&#xff0c;可以用起…...

Python中的数据科学实验库有哪些?

Python中有许多数据科学实验库可供使用。以下是一些常用的库&#xff1a; NumPy&#xff1a;用于处理大型多维数组和矩阵的基础数学库。Pandas&#xff1a;用于数据处理和分析的库&#xff0c;提供了灵活的数据结构和数据操作工具。Matplotlib&#xff1a;用于创建静态、动态和…...

区间预测 | MATLAB实现QRLSTM长短期记忆神经网络分位数回归多输入单输出区间预测

区间预测 | MATLAB实现QRLSTM长短期记忆神经网络分位数回归多输入单输出区间预测 目录 区间预测 | MATLAB实现QRLSTM长短期记忆神经网络分位数回归多输入单输出区间预测效果一览基本介绍模型描述程序设计参考资料 效果一览 基本介绍 MATLAB实现QRLSTM长短期记忆神经网络分位数回…...