最近跟一位读者聊天，小哥非常郁闷，公司的Redis宕机了，线上业务受到了影响，老板非常愤怒，小哥担心会不会被辞退！
我也很好奇，问小哥Redis主节点挂了，还有备机啊。怎么会影响到业务呢？
小哥说，他们的系统架构只部署一个Redis单实例。节点挂了，数据也丢了。
好吧，既然提到了备份，那今天，我们就来聊下 Redis的主从同步。
一、什么是主从？
主从也称主从集群，部署了多个Redis实例，如下图所示：
其中，每个实例又有自己的专属职责
- 主库：负责接收读操作、写操作
- 从库：定期同步主库的数据，对外提供读操作
二、为什么从库不能写？
考虑到数据合并的复杂性，假如一个key，多次更新，每次操作在不同的实例上执行，为了保证数据的全局一致性，势必要加全局锁，保证在集群范围上串行化操作且在最新的数据基础上更新，这个成本还是很大的。
为了降低系统复杂度，节约成本。主从同步架构方案一般都是在主库上写，在从库上读。分工明确，职责单一。
可能有同学会提到 Redis Cluster 模式，这个是另一种设计方案。采用水平分割方式，通过CRC16（key）算法，将数据拆分到若干个实例中，每个实例只对自己负责的槽位的数据读、写，从而分摊集群压力。这个属于另一种玩法，本期就不深入展开了。
三、为了保证数据不丢失，Redis提供两种数据同步方式
- RDB，全量数据同步
- AOF（Append Only File），增量数据同步，回放日志
这两者有什么区别？
什么时候采用 RDB ? 什么时候采用 AOF ?
接下来，我们逐步分析展开。
四、建立主从关系
首先，启动两个redis 实例，IP地址分别是 192.168.0.1 和 192.168.0.2 ，开始时，他们之间没有任何关联。
我们通过终端命令，登录 192.168.0.2 机器，执行命令
replicaof 192.168.0.1 6379此时 192.168.0.2 实例就成了 192.168.0.1 的从库。
当主从实例建立好关联后，接下来，就开始进入数据同步环节。
五、主从同步
主从库数据同步分为三步：
1）第一步
从库（192.1768.0.2）向主库（192.168.0.1）发送 psync 命令，带了两个参数（主库的runID和同步进度offset）。
第一次建立连接时，从库并不知道主库的runID，所以会设置为 ？。offset = -1，表示第一次复制。
说明：每个 Redis 实例初始启动时，会自动生成一个随机ID，用来标识当前实例。
主库接收到psync请求后，会响应 FULLRESYNC ，带有两个参数（主库的runID和同步进度offset）
说明：FULLRESYNC 表示采用全量复制
2）第二步
- 主库fork子进程，执行 bgsave 命令，生成 RDB 文件
- 主库将 RDB 文件发给从库
- 从库接到响应后，会先清空当前数据库，然后加载 RDB 文件
说明：主库在生成RDB文件时，主线程是阻塞的，对外不提供服务。一旦RDB文件生成，在数据同步过程中，不受影响，主库可以对外服务。后续的写命令数据会存到 replication buffer
3）第三步
主库将增量写命令发送给从库，从库放映式执行这些命令，从而实现了主从同步。
到这里，主从的核心逻辑基本讲完了。
但生产环境，通常是一主多从，每个从库初始同步时，都要主库生成RDB文件，显然开销很大。有什么解决方案？
六、一主多从，主库减压
当从节点存在多个时，主库的压力显著增加，具体体现在两个方面：
- 当从库同步主库时，要fork子进程，有多少个从节点，就要fork多少个子进程，每个子进程都要生成RDB。导致主库系统压力过大
- 生成的RDB要同步给从库，占用网络带宽
基于上面的困境，演化出新的模式，“主--从--从”模式，具体玩法如下图：
现有虽然有四个从库，但直接跟主库关联同步数据的只有 192.168.0.2 和 192.168.0.3 两个实例，大大减轻了主库的压力。
任何事情都不是一成不变的，网络传输就存在很大的风险，网络闪断了怎么办？对主从同步有什么影响？
七、网络闪断对主从同步的影响
我们知道主从实例间同步数据主要有两种方式：全量同步 和 增量同步 。全量同步就是同步RDB文件，那增量同步是如何实现的呢？
这里要引入一个缓冲区，repl_backlog_buffer，它是一个环形设计，增量命令都是先存入这个缓冲区的。主库有生产位移，称之为master_repl_offset 。从库有拉取位移，称之为slave_repl_offset
正常情况下，master_repl_offset 和 slave_repl_offset 大小是接近的，也就是说主从库两者间的数据近乎同步。
每次同步数据时，从库向主库发送 psync 命令，把自己的 slave_repl_offset 发给主库，主库基于此偏移位置，向从库发送增量数据。这个很容易理解。
是不是就万无一失了呢？
由于采用了环形结构，如果主库的生产速度比从库的拉取速度快很多时，就会出现套圈现象。
为什么采用环形？主要为了让空间循环使用，像市场的行车记录仪、监控设备等，大多都是采用循环覆盖式存储。如果空间满了，将之前最老的数据覆盖掉。虽然可能丢失了部分数据，但是性价比高。
回到上面的问题，如果被套圈了怎么办？
如上图所示，从库 psync 命令，请求的offset 是 4，但是主节点已经生产到了 15 ，将之前的 1、2、3、4、5 全部覆盖掉了。
这下傻眼了，需要同步的数据被覆盖了，惹大麻烦了....
有两个解决方案：
- 调大 repl_backlog_buffer 缓冲区大小，该值是由 repl_backlog_size参数控制
缓冲空间大小 = 主库写入速度 * 操作大小 - 从库拉取速度 * 操作大小
这是我们能主观控制的。比如担心大促带来的流量高峰，可以将这个值调大2倍、3倍、4倍，大家可以根据自己的业务情况自由设置。
- 还有一种方式是Redis 自身提供的解决方案。
此时会触发全量复制，跟第一次建立主从关系同步数据一样。通过全量方式，一次性弥补主从间的数据大缺口。
八、主节点挂了怎么办
如果只是传统意义上的主从模式，主节点挂了，通常要手工完成切换。
效率不言而喻了，尤其是线上生产系统，根本没法接受这种方案。
这时候，要引入哨兵机制了，哨兵机制可以实现主从库的自动切换，有效解决了故障转移。整个过程分为三个阶段：监控、选主、通知。
1）监控。哨兵进程会周期给所有的主库、从库发送 PING 命令，检测机器是否处于服务状态。如果没有在设置时间内收到回复，则判定为下线。
当然，网络抖动，也会存在误判可能，如何避免？
引入哨兵集群，多个哨兵实例一起判断，降低误判率。判断标准就是，假如 n 个哨兵实例，至少有 n/2+1 个判定一致，才可以定论。
2）选主。主要是看各个节点的打分情况，打分规则分为 从库优先级、从库复制进度、从库ID号。只要有一轮，某个从库得分最高，则选举它为主库。
- 从库优先级，主要是考虑到不同的机器可能配置不一样，配置高的机器，优先级高一些，通过slave-priority 来配置
- 从库复制进度，主要是看slave_repl_offset 的值大小，值越大表示已经同步的数据越多，得分越高。
- 从库ID号，每个Redis 实例启动时，都会生成一个 ID，在优先级和复制进度相同的条件下，ID号最小的从库分数最高，会被选为新主库。
3）通知。把选举后的新主库发送给所有节点，让所有的从库执行 replicaof 命令，和master建立主从关系、数据同步复制。另外，也会把最新的主库信息同步给客户端。
