一致性哈希算法_redis一致性哈希算法_apache一致性哈希第三(3)

这样，我们的架构模式变成一个Redis节点切片包含一个主Redis和一个备Redis。在主Redis宕机时，备Redis接管过来，上升为主Redis，继续提供服务。redis一致性哈希算法主备共同组成一个Redis节点，通过自动故障转移，保证了节点的高可用性。则Sharding架构演变成：

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"3利用代理中间件实现redis集群">3.利用代理中间件实现Redis集群

上面分别介绍了多Redis服务器集群的两种方式，它们是基于客户端sharding的Redis Sharding和基于服务端sharding的Redis Cluster。

客户端sharding技术其优势在于服务端的Redis实例彼此独立，相互无关联，每个Redis实例像单服务器一样运行，非常容易线性扩展，系统的灵活性很强。其不足之处在于：

由于sharding处理放到客户端，规模进步扩大时给运维带来挑战。 服务端Redis实例群拓扑结构有变化时，每个客户端都需要更新调整。连接不能共享，当应用规模增大时，资源浪费制约优化。

服务端sharding的Redis Cluster其优势在于服务端Redis集群拓扑结构变化时，客户端不需要感知，客户端像使用单Redis服务器一样使用Redis集群，运维管理也比较方便。

不过Redis Cluster正式版推出时间不长，系统稳定性、性能等都需要时间检验，尤其在使用场合。

能不能结合二者优势？即能使服务端各实例彼此独立，支持线性可伸缩，同时sharding又能集中处理，方便统一管理？本篇介绍的Redis代理中间件twemproxy就是这样一种利用中间件做sharding的技术。

twemproxy处于客户端和服务器的中间，将客户端发来的请求，进行一定的处理后(如sharding)，再转发给后端真正的Redis服务器。也就是说，客户端不直接访问Redis服务器，而是通过twemproxy代理中间件间接访问。

参照Redis Sharding架构，增加代理中间件的Redis集群架构如下：

twemproxy中间件的内部处理是无状态的，它本身可以很轻松地集群，这样可避免单点压力或故障。

twemproxy后端不仅支持redis，同时也支持memcached，这是twitter系统具体环境造成的。

由于使用了中间件，twemproxy可以通过共享与后端系统的连接，降低客户端直接连接后端服务器的连接数量。同时，它也提供sharding功能，支持后端服务器集群水平扩展。统一运维管理也带来了方便。

当然，也是由于使用了中间件代理，相比客户端直连服务器方式，性能上会有所损耗，实测结果大约降低了20%左右。

本文来自电脑杂谈，转载请注明本文网址：
http://www.pc-fly.com/a/jisuanjixue/article-30885-3.html