纯干货 | Redis集群 | 看完就会优化

▌ 技术引导
Redis集群是分布式存储的硬骨头，字面上说是集群，实际上它有太多细节能让你在生产环境翻车。我见过不少团队因为没理解好槽分配、节点角色、主从复制、故障转移这些底层逻辑，导致数据丢失、性能暴跌、扩容失败。最值钱的点在于：知道如何用redis-cli --cluster create手动搭建集群，如何用redis-cli --cluster rebalance优化槽分布，如何用redis-cli --cluster check检测节点状态。还有一点不常被说出来的，是集群模式下哨兵和集群的联动问题，配置错误容易让整个系统变成单点。另外，记得在生产环境开启集群模式前，要先测试槽重分片是否能承受业务压力，否则槽重分片时的短暂性能抖动可能直接熔断你的服务。

▌ 技术参考
Redis集群是通过分片和节点复制实现的分布式架构，核心是槽分配和主从复制。槽分配是将数据分片到不同的节点，每个节点管理16384个槽中的一部分。槽分配通过redis-cli --cluster rehashing命令手动执行，或者通过redis-cli --cluster create自动完成。在搭建集群时，要确保所有节点之间网络互通，且端口开放，否则命令会直接报错。槽分配分为线上和线下两种方式，线上分配会导致短暂的性能下降，而线下分配则需要停机。


槽分配的粒度是整个键空间，每个键通过CRC16算法计算出哈希值，再对16384取模决定归属槽。如果槽分配不均匀，某些节点会成为热点，影响整体性能。检查槽分布可以用redis-cli --cluster info查看，或者用redis-cli --cluster check命令。手动调整槽分布时，需要先停止当前的集群，再用redis-cli --cluster reshard重新分配。这个过程要特别注意，槽重分片时，主节点会暂时无法处理请求，影响业务连续性。


搭建集群时，每个节点需要配置cluster-enabled yes，cluster-node-timeout 5000，以及bind 0.0.0.0。在使用redis-cli --cluster create命令时，要指定所有节点的IP和端口，避免遗漏导致集群无法启动。如果节点数量不是偶数，那么某些节点将无法成为主节点，只能作为从节点。这种情况下，需要手动干预，比如用redis-cli --cluster add-node添加额外节点，再进行重新分配。


在集群运行过程中，如果某个节点下线，其他节点会自动进行故障转移，选举新的主节点。但这个过程不是瞬时的，需要一定时间。可以通过redis-cli --cluster failover命令手动触发故障转移，但要小心使用，否则可能引发数据不一致。故障转移后，需要检查槽的分配状态，确保没有槽出现空缺或重复。如果槽出现空缺，可能会影响数据的可访问性。


集群模式下，哨兵系统和集群模式不能同时使用，否则会出现冲突。如果业务需要高可用，可以选择部署哨兵集群，或者使用Redis Cluster的内置故障转移机制。但要注意，哨兵模式下需要额外配置master-name、slaveof等参数，且哨兵节点的配置和主节点不同。在生产环境中，推荐使用Redis Cluster，并确保每个节点的角色（主或从）配置正确，否则会引发不必要的复制延迟。


槽重分片是优化集群性能的重要手段，但要掌握正确的方法。比如，用redis-cli --cluster rebalance命令可以自动调整槽分布，但它的默认策略是均衡所有节点的槽数量，而不会考虑节点的负载。因此，需要结合redis-cli --cluster rehashing手动调整，确保槽的分配符合业务的数据访问模式。如果某个节点长期负载过高，可以考虑将它添加到集群中，然后进行槽的迁移，降低热点压力。


集群的性能优化不仅仅依赖槽分配，还和网络延迟、节点资源、数据复制方式有关。如果节点之间的网络延迟较高，会导致数据同步变慢，甚至出现复制滞后。可以通过redis-cli --cluster info查看节点间的延迟情况，如果平均延迟超过100ms，可能需要考虑增加节点数量或优化网络配置。此外，使用redis-cli --cluster set-node-timeout调整节点超时时间，有助于改善复制性能。


在集群扩容时，如果直接添加新节点，可能会导致槽重新分配，影响现有节点的负载。此时需要先使用redis-cli --cluster add-node命令添加新节点，再通过redis-cli --cluster rebalance命令逐步迁移槽。这个过程要控制好迁移速度，避免对业务造成过大冲击。如果迁移过快，可能会导致部分节点暂时无法处理请求，进而影响可用性。迁移槽时，可以通过--timeout参数控制超时时间，避免因网络问题导致进程卡死。


如果集群中某个节点频繁重启，可能会导致槽分配不均衡。这时候需要检查redis-cli --cluster info中的节点状态，看是否有节点处于fail状态。如果某个节点长时间无法响应，可能需要手动将其移出集群，再重新加入。移出节点可以用redis-cli --cluster del-node命令，删除该节点后，集群会自动重新分配槽。但删除节点前要确保有其他节点可以接管它的槽，否则会导致数据丢失。


在实际项目中，我遇到过因为数据类型选择不当导致的槽分配问题。例如，使用Hash类型时，如果键的哈希值分布不均，会导致某些槽被频繁访问，而其他槽几乎不使用。这时候需要优化键的命名规则，确保哈希值分布尽可能均匀。此外，使用Lua脚本时，要注意是否会影响槽的分配，避免脚本执行时触发槽迁移，造成不必要的性能抖动。


Redis Cluster支持两种复制方式：主从复制和读写分离。在配置主从复制时，需要确保主节点和从节点之间的网络延迟足够低，否则会导致数据同步失败，甚至影响读取性能。使用redis-cli --cluster replicate命令可以将从节点同步到主节点，但同步过程可能耗时较长。如果业务对读性能要求较高，可以考虑在从节点上开启读写分离功能，通过客户端配置将只读请求发送到从节点。


当集群节点数量超过3个时，需要确保至少有一个主节点和一个从节点，以维持数据的高可用性。如果所有主节点都下线，而没有从节点可以替代，整个集群将处于不可用状态。因此，在部署集群时，建议按照3主3从的结构进行配置，确保每个主节点都有对应的从节点。如果业务负载不均，可以通过手动迁移槽来平衡各节点的负载，但这个过程需要谨慎操作，避免引起数据不一致或服务中断。


在生产环境中，应该定期监控集群的健康状态，包括节点延迟、槽分布、内存使用率等。可以使用redis-cli --cluster info查看节点状态，或者借助Prometheus和Grafana等监控工具进行更深入的分析。如果发现某些槽的延迟过高，可以考虑手动调整槽分布，或者增加节点数量，将热点槽迁移到其他节点。此外，还可以通过redis-cli --cluster check命令检测潜在的故障点，提前进行干预。


如果集群中的某个节点被标记为fail，但实际可用，可能是因为通信问题或配置错误导致的。这时候需要检查节点的配置文件，确保cluster-node-timeout和cluster-replica-no-failover等参数设置合理。如果网络延迟过高，可以考虑增加节点之间的超时时间，或者优化网络环境。另外，也可以手动使用redis-cli --cluster failover命令将故障节点重新加入集群，但这个过程需要确保其他节点正常运行，否则可能引发更多问题。


在集群模式下，读写分离和哨兵系统的结合使用需要格外小心。如果哨兵配置了多个master，而同时又启用了集群模式，可能会出现哨兵选举主节点和集群选举主节点的冲突。这种情况下，建议仅使用集群模式或仅使用哨兵模式，不要混合配置。如果必须结合，需要调整哨兵的配置，确保其不参与槽分配，仅负责主从切换。此外，要确保所有客户端都支持集群模式，否则可能无法正确路由请求。


Redis Cluster的默认配置是每个节点最多管理16384个槽，但这个数值可以根据业务需求进行调整。如果业务对数据分布有特殊要求，可以修改cluster-enabled yes后的参数，比如slot-size，但这需要重新计算槽分配，甚至可能需要停机操作。调整槽大小后，需要重新分配所有槽，否则会导致数据无法访问。这种操作只在特殊场景下使用，比如需要将数据集中到某个节点，或者避免某些槽管理过多。


当集群规模较大时，手动维护槽分配和节点状态会非常繁琐，这时候可以借助一些自动化工具。比如，使用redis-cli --cluster rebalance命令可以自动优化槽分布，而redis-cli --cluster check可以检测节点健康状态。此外，还可以使用一些第三方工具，如redis-shake或redis-cli的批处理脚本，来批量操作槽迁移或节点状态调整。这些工具能显著减少运维成本，但在使用前要确保理解其工作原理，避免误操作导致数据丢失或集群异常。