redis的复制

redis的复制也就是我们所说的主从复制，主机数据更新后根据配置和策略，自动同步到备机的master/slaver机制，Master以写为主，Slave以读为主。

本次在Linux上使用的redis版本为：5.0.3

[root@localhost etc]# redis-server --version
Redis server v=5.0.3 sha=00000000:0 malloc=jemalloc-5.1.0 bits=64 build=afabdecde61000c3

本次用一个redis开启三个服务来模拟多台机器之间主从复制 ，在Linux测试中一共开了4个终端窗口。

工作中使用原则：

1.配从（库）不配主（库）
2.从库配置----》slaveof 主库IP主库端口  
2.1  每次从库与master断开之后，都需要重新连接，除非你配置进redis.conf文件
2.2  info replication  用于查看redis信息
3.修改配置文件细节操作。

3.1 拷贝多个redis.conf文件

[root@localhost etc]# cd /usr/local/redis/etc
[root@localhost etc]# cp redis_bak.conf redis6379.conf
[root@localhost etc]# cp redis_bak.conf redis6380.conf
[root@localhost etc]# cp redis_bak.conf redis6381.conf
[root@localhost etc]# ls
redis6379.conf  redis6380.conf  redis6381.conf  redis_bak.conf

开始修改 redis6379.conf   redis6380.conf    redis6381.conf   三个配置文件中的内容，此次以修改redis6379.conf为例，redis6380.conf  redis6381.conf  的修改方式类似。

[root@localhost etc]# vim redis6379.conf

3.2 开启daemonize yes

3.3 pid文件名字

3.4 指定端口

3.5 log文件名字

3.6 dump.rdb名字

待三个配置文件都配置好后。

4.常用3招。

一主二仆：

一个master，多个slave

薪火相传：

上一个Slave可以是下一个slave的Master，Slave同样可以接收其他slaves的连接和同步请求，那么该slave作为了链条中下一个的master，可以有效减轻master的写压力
中途变更转向：会清除前的数据，重新建立拷贝最新的
Slaveof 新主库IP新主库端口

反客为主：

主机发生故障，从机上来接替主机

 

 情况一：一个master，多个slave

 

情况二：薪火相传——链条式

 

情况三：反客为主

SLAVEOF no one   使当前数据库停止与其他数据库的同步，转成单独的主数据库

 

 

复制原理

• Slave启动成功连接到master后会发送一个sync命令Master接到命令启动后台的存盘进程，同时收集所有接收到的用于修改数据集命令，在后台进程执行完毕之后，master将传送整个数据文件到slave，以完成一次完全同步
• 全量复制：而slave服务在接收到数据库文件数据后，将其存盘并加载到内存中。
• 增量复制：Master继续将新的所有收集到的修改命令依次传给slave，完成同步
• 但是只要是重新连接master，一次完全同步（全量复制）将被自动执行

 

哨兵模式（反客为主的自动版——主库故障，自动投票在从库中选出一个主库） 

 整体步骤：

1. 调整结构，6379带着6380、6381
2. 自定义的/redis/etc录下新建sentinel.conf文件，名字绝不能错
3. sentinel monitor 被监控数据库名字（自己起名字）127.0.0.1 6379 1
4. 上面最后一个数字1，表示主机挂掉后salve投票看让谁接替成为主机，得票数多的成为主机
5. 启动哨兵
6. 正常主从演示
7. 原有的master挂了
8. 投票新选
9. 重新主从继续开工，info replication查查看

通过指令   touch  【文件名】   创建一个名为 sentinel.conf 的配置文件。

 

 

注意：哨兵模式检测到故障需要几秒钟才能检测到 

 

 结论：由于所有的写操作都是先在Master上操作，然后同步更新到Slave上，所以从Master同步到Slave机器有一定的延迟，当系统很繁忙的时候，延迟问题会更加严重，Slave机器数量的增加也会使这个问题更加严重。