2019-01-22--第36天

早晨挂科0--0

大白：(O ^ ~ ^ O) 小同志，听说你今天早上没看书呀，
我：( ′ ‸`) 嗯嗯
大白：反手一个大嘴巴，来说说把(O ^ ~ ^ O) ，咋回事呢？
我：昨天，没把握好时间，写作时间太长了，导致，早上睡不醒　＋﹏＋　。
大白：写的时间长，说明你好歹用心了。可这并不是睡懒觉的借口，要记住哦∩０∩
我：(゜＾*))嗯嗯

20：30--22：12

Redis Cluster 集群
假设我们的数据库 每秒只能处理10万条数据，那如果现在业务需要每秒处理100万条数据该怎么办呢？
假设我们的机器内存只有16-256G，那如果现在业务需要500G的内存空间该怎么办呢？

这时候我们就需要用到分布式/集群的概念来解决问题。
可以抽象的理解为，一台机器解决不了的问题，我们可以使用多台机器，一起解决 。 / 人多力量大么。
在Redis Cluster 中，数据分布有两种实现方式：

• 哈希分布：特点：数据分散度高，键值分布与业务无关无法顺序访问，支持批量操作
  典型产品：一致性哈希Memcache 、Redis Cluster其他缓存产品

• 顺序分布：特点：数据分散度易倾斜，键值业务相关可顺序访问，不支持批量操作
  典型产品：Big Table HBase

哈希分布又有三种实现方式：

• 节点取余分区( hash(key)%nodes )：缺点是：如果要对节点扩容，那之前存储的数据中，超过80%的数据，都要做节点迁移。即使使用多倍扩容迁移量也高达50%。

• 一致性哈希分区：客户端分片：哈希 + 顺时针(优化取余)
  在扩容处理中进行了优化，如图“一致性哈希-扩容”，在n1 和 n2扩容一个n5，只会影响n1 和 n2之间的数据，不会影响到其他人。
  需要注意的是：
  节点伸缩：影响临近节点，还是有数据迁移；
  翻倍伸缩：保证最小迁移数据和负载均衡。

  
  QQ截图20190122225915.png

• 虚拟槽分区(重点)：
  预设虚拟槽：每个槽映射一个数据子集，一般比节点数大
  良好的哈希函数：例如CRC16
  服务端管理节点、槽、数据：例如Redis Cluster

  
  QQ截图20190122230550.png

在沉网中生活，不敢失去想飞的心，始终铭记飞翔的姿势