← 课程目录 🚀 从零到一
📐 学习维度 阶段3 · 第10章 Redis 🚀 从零到一 📚 课程目录 🏠 首页 🛤️ 学习路径

10.3 主从、哨兵与集群:Redis 的高可用三级跳

审校 2026-09-25 · 素材来源:L14-Redis持久化与集群(底稿改写)、中间件课讲义
📑 本篇章节导航 (共10节,点击直达)
第一级:主从复制第二级:哨兵——自动值班员第三级:Cluster 集群——横向扩容MOVED 与 ASK:两种「不在我这」选型一句话集群的「不能」清单智能客户端:缓存槽位表踩坑清单面试怎么问一句话总结

单机 Redis 挂了,缓存全失效,请求洪峰直冲数据库。高可用这条路,Redis 走了三级:主从复制 → 哨兵 → 集群。每一级解决上一级的痛点,面试按这条线讲,逻辑自然清晰。

第一级:主从复制

一主多从,主写从读,数据从主库异步同步到从库:


Master (写) ──异步复制──→ Slave1 (读)
                    └──→ Slave2 (读)

读写分离把读压力摊开,但有个天然缺陷:主库挂了要人肉切换,半夜故障就得半夜爬起来。另外复制是异步的,主库刚写入还没同步就宕机,那部分数据会丢。

复制过程本身值得看一眼:从库第一次上线走全量同步——主库 BGSAVE 拍一份 RDB 发过去,从库清空自己装载;期间主库的新写入攒在复制积压缓冲区(repl_backlog,一个环形缓冲区)里,装完后增量补发。之后从库断线重连,能拿着偏移量在缓冲区里找到断点的就做增量同步,找不到(落后太多被环形覆盖)才重新全量。这个「全量 + 增量 + 环形缓冲」的设计,和 10.5 要讲的看门狗一样,都是「用小缓冲换快恢复」的思路。

第二级:哨兵——自动值班员

哨兵 Sentinel(独立部署的监控进程,负责盯主库、做故障转移)解决「人肉切换」。建议至少 3 个哨兵(奇数个),故障判定分两步走:

1. 主观下线 SDOWN:哨兵 A ping 主库超时,标记「它可能挂了」。可能只是网络抖动,不算数

2. 客观下线 ODOWN:哨兵 A 问其他哨兵「你们也觉得挂了吗?」,超过 quorum 个同意,才定性「真挂了」

确认后哨兵之间先选出 Leader(基于 Raft 思想),由它执行转移:


① 挑新主:优先级配置 → 复制偏移量最大(数据最全) → runid 最小
② 对新主执行 SLAVEOF NO ONE(转正)
③ 其余从库改拜新主为师
④ 通知客户端新地址;旧主回来后降级为从库

全程无人值守,秒级完成。代价:数据仍是全量放在一台主库上,容量和写性能有天花板——哨兵管「挂不挂」,不管「装不装得下」。

第三级:Cluster 集群——横向扩容

Redis Cluster(官方分片集群,数据切成 16384 个槽分布在多个主节点)解决容量和写扩展。


Master-1: 槽 0~5460      Master-2: 槽 5461~10922    Master-3: 槽 10923~16383
   └ Slave-1                └ Slave-2                  └ Slave-3

路由规则:槽位 = CRC16(key) % 16384,每个主节点管一段槽。节点间用 Gossip 协议(节点定期互发消息交换状态的通信机制)交换心跳;主节点挂了,它的从库自动补位。

为什么是 16384 个槽,不是 65536? 心跳包要携带自己负责的槽位图:16384 个槽 = 2KB,65536 个槽 = 8KB。节点间心跳频繁,4 倍带宽不划算;且官方建议集群不超过 1000 节点,16384 个槽足够分。

MOVED 与 ASK:两种「不在我这」

客户端连错了节点,服务端有两种回答:


GET user:123
# 槽已永久归属别人:
# (error) MOVED 13294 10.0.0.3:6379 → 客户端更新本地路由表,以后直连
# 槽正在迁移中:
# (error) ASK 13294 10.0.0.3:6379 → 仅本次按提示去新节点,不改路由表

MOVED 是搬家完成,ASK 是搬家路上。扩容流程:新节点加入 → reshard 逐槽迁移 key → 迁移中 ASK 引导 → 完成后 MOVED 生效。缩容反之,先迁走槽再 forget 节点。

重定向是有代价的:每收到一次 MOVED 或 ASK,客户端就多一个网络往返。迁移大槽期间若客户端不做槽位缓存,往返数等于 key 数乘二——reshard 安排在低峰期执行,本质是给重定向流量留余量。

选型一句话

再往上加节点之前,先问一句「数据真的都需要放 Redis 吗」——冷数据挪走、大 key 拆掉,往往比加机器便宜一个量级。架构的第一问永远是「要不要」,然后才是「怎么上」。

一致性哈希在这里没被采用——Redis 用「固定槽 + 可迁移」代替「哈希环」,节点变动时只动被迁的槽,效果等同但管理更精确。

集群的「不能」清单

上 Cluster 前先知道它砍掉了什么:多 key 命令受限——MSET、事务、Lua 里操作的多个 key 必须同槽,不同槽直接报错,解法是 hash tag({user:1}order、{user:1}profile 强制同槽,代价是这批 key 永远挤在一个节点);DB 概念被砍——只有一个 db0;客户端要升级——得用支持集群协议的客户端处理 MOVED/ASK 重定向。这些限制不致命,但迁移前不盘点,上线当天全是「惊喜」。

顺带一提 Gossip 的脾气:节点间每秒互发 PING/PONG 携带集群状态,规模大了消息本身也是负担——这也是官方建议千节点以内的原因之一。

智能客户端:缓存槽位表

成熟客户端(Lettuce、Jedis 集群模式)的做法:启动时拉取槽位映射存本地,发请求前先按 CRC16 算槽、查本地映射直连目标节点——正常情况零重定向开销;收到 MOVED 才刷新映射,收到 ASK 只对当次请求 FOLLOW。自己写重试循环也能跑,但每次多赌一个网络往返,高并发下差距明显。「用对客户端」本身就是集群优化的一部分。

哨兵架构下同理:应用配置里写哨兵列表而不是主库地址,客户端订阅哨兵的切主频道(+switch-master),故障转移完成的第一时间拿到新主库地址。写死主库 IP 的架构,等于请了保安又不给他门禁。

踩坑清单

面试怎么问

一句话总结

主从解决读扩展、哨兵解决自动换主、集群解决容量与写扩展——三级跳的每一步都是对上一步短板的精准补刀,槽位路由 + 双重下线判定是两大必背细节。