redis|Redis系列——哨兵挂了，redis 还能正常工作吗（）哨兵|主库|java|面试

前言 redis 主挂掉了，怎么将请求转移到从上去，如果从是多个，从是怎么进行选举的呢？
那么就要看我们今天的主角了，redis哨兵，redis哨兵能够帮助我们自动的完成选主和故障转移操作，这次还是会多画图，来加深大家都这个过程的记忆和理解。
redis哨兵都干了什么 redis哨兵是一个运行的特殊的redis进程，他主要有三个使命：

监控
选主
通知

监控的是什么哨兵主要是监听主库和从库是否存活，怎么进行监控？哨兵会定期的给从库发送PING命令，如果从库没有在设定的时间内回复哨兵，那么就会认为从库下线了。哨兵也会定期的给主库发送PING命令进行通信，如果主库也没有在设定的时间内回复哨兵，那么就会认为主库也“下线了”。【注意我这里只是为了说明下监控的方式，真正判断的主库下线不是这样的】。
看图说话：

文章图片

可以看到图中redis-2 slave 是灰色，表示已经down掉了，此时并没有正常返回给哨兵响应，所以被标记为下线状态了。
主库的监控这里为什么要单独来说下主库的监控呢？因为主库监控，不能说哨兵没有收到PING的响应，那么就认为主库就下线了，因为主库的选举是一个很复杂的过程，会有耗时和通信的开销，所以我们不能简单认为哨兵没有收到PING的响应，那么就直接判断主库下线了，然后就进行选举，如果是从库可以的，因为从库下线了，对于主从集群来说，影响不会很大。
在主库压力比较大，或者网络阻塞了，出现抖动了，这个是并没有在设定的时间内回复给哨兵响应，那么此时武断的认为主库"下线了"，此时就出现了误判，明明不需要进行选主，不需要进行通知，此时白白浪费的资源、同时带来了开销。
看图说话：
在网络畅通的情况下，哨兵发了一个PING给主库

文章图片

此时网络阻塞，变成了红色，PONG，没有在设定的时间内返回

文章图片

网络恢复顺畅，哨兵重试，在设定的时间内返回响应

文章图片

通过上面三幅图，其实就可以看出，网络阻塞的情况下，会出现误判的情况。
那么reids是怎么判断主库下线的呢？其实redis采用哨兵集群的方式，让哨兵集群中的每个哨兵都和主库进行通信，如果多数都没有在设定的时间内响应给哨兵，因为多个哨兵都出现网络不稳定的情况概率就大大降低了，那么此时这个主库就认为是下线了。下面我们来细细的说下这个过程，同时引入哨兵集群也解决了哨兵单点的问题。
主库的下线判断这个过程分为主观下线和客观下线。
主观下线：指的是一个哨兵在设定的时间内，没有收到主库的响应，那么此时是这个哨兵主观的认为主库下线了，并不能认为真正的下线。
客观下线：指的是，当多数哨兵在设定的时间内，都没有收到主库的响应，那么此时就可以认为主库真的下线，称为客观事实了。
继续看图说话：
下图中只有哨兵B，没有在设定的时间内，收到响应，判断为主观下线了，但是其他哨兵A和哨兵C都能在设定的时间内收到响应，所以还是线上状态，少数服从多数，此时结论还是上线状态。

文章图片

下图中哨兵B和哨兵C，都没有在设定的时间内收到响应，即使哨兵A收到正常的响应，那么此时已经构成多数情况下的主观下线，此时就可以判断为客观下线了。

文章图片

选主上面的我相信大家已经很清楚，redis的怎么判断主库的下线了，那么此时redis需要从剩下的所有的从库中再次选举出一个新的主库，来接收后面来的写请求。
reids哨兵会对从库们进行打分，谁的分数高，那么它就是新的master了，下面来详细说选主的过程。
哨兵在进行打分之前，先会在从库进行筛选，把不合格的从库筛选掉，留下优秀的种子选手来进行参赛打分。
那么筛选的依据是什么呢？
哨兵会把标记为下线的从库和主从之间网络不顺畅的从库筛选掉，看下图你就明白了：

文章图片

在主从模式下，如果主从之间网络断开的次数和超时时间超过down-after-milliseconds 的设置，那么就会认为该从库网络不健康了，不稳定了。
接下来就会从剩下的优秀从库内进行打分，打分最高者为新的Master，
打分会从三个层级进行打分，记住只会比较一个层级的分数，只要在当前的层级分数最高就可以了，如果分数相同，再比下一个层级，以此类推。
第一轮：比较从库的优先级
你可以手动设置从库的优先级，通过slave-priority进行设置，数字越小，级别越高。如果这个层次，有优先级级别最高的出现，那么就选此从库做为Master，选举就结束了，如果优先级相同，那么进入下一轮打分。看图：

文章图片

第二轮：与主库的同步进度越接近
肯定是从库的数据越新，那么选择它作为新的Master，才最有意义了。那怎么才能知道哪个从库才是最新的呢？
从库会记录自己同步主库的进度，这个参数为slave_repl_offset, 是累加的，也就是这个值越大，那么它们谁同步的数据就是最新的，得分就是最高的，选举就结束了，如果复制进度相同，那么还需要进入下一轮，比较ID。看图：

文章图片

第三轮：ID号越小，得分越高
比较自己的ID【redis在启动的时候，会给自己分配一个ID】，ID越小，自己得分就越高。

文章图片

最多经历三轮打分，主库就会被重新选出，那么哨兵就会通知其他从库执行replicaof 指向新的主库，进行主从切换，这里有一个细节，需要注意，不知道你没有想到，就是由哪个哨兵来执行主从切换呢？
哨兵选举Leader 其实由哪个哨兵来进行发号施令，进行主从切换，这个哨兵是需要进行选举的其实由哪个哨兵来进行发号施令，进行主从切换，这个哨兵是需要进行选举的。
本篇前面说过，判断主库是否下线是需要进行主观下线和客观下线两个过程，自己先标记为主观下线，当多数都标记为主观下线的时候，那么就认为客观下线了，那么这个多数应该是多少呢，其实是通过quorum配置项配置的，如果我们有三个哨兵，quorum 配置为2 ，那么除了自己判断主观下线，还需要一个哨兵也需要判断为主观下线，那么此时才会进入客观下线了，这个判断的过程，其实就是一个投票的过程，包括自己给自己投一票，还包括向其他实例发送is-master-down-by-addr 命令，询问其他实例，自己判断的这个主库是不是下下了，如果得到对方的响应，那么自己的票数就累加，哨兵投过票了，就不会给其他哨兵再次投票了。
这里具体看图：

文章图片

这个图只是简单的为了说明，哨兵B和哨兵C都发现了redis Master 为主观下线了，但是哨兵B 优先给其他哨兵发了is-master-down-by-addr命令，并得到了哨兵C的回复，那么加上自己给自己的投票，那么就是得票数为2 ，大于等于 quorum的配置值 2，此时主库标记为客观下线.
如果哨兵B 要想成为Leader，那么还要同时满足得到的票数大于等于哨兵（n/2 + 1）数量才可以成为leader，这里由于我们有三个哨兵，票数过半的话，也就是大于等于2，所以此时哨兵B可以成为Leader了。
所以称为leader要满足的条件为：

得到的票数要达到配置的quorum阀值。
获得哨兵半数以上的票数。

通知哨兵B Leader 可以主持主从切换了,通知其他从库执行replicaof 到新的Master，主从切换完成之后，还会通知连接redis 的客户端，告诉它们新的Master的地址和端口。
这里在说下是怎么通知redis 客户端 Master要换新的ip和端口了呢？
其实redis客户端可以定于哨兵的主从切换事件，当完成主从切换后，哨兵就发送这个事件的结果，那么订阅了这个事件的redis客户端都会收到通知，此时redis客户端就可以更新到新的Master的地址了。
如果出现网络断开或者抖动，没有收到订阅事件的通知，那么其实还可以调用哨兵提供的接口，进行重新拉取。
通知模型：

文章图片

总结今天主要是熟悉哨兵的工作原理和过程，下面来做下总结：
哨兵都干了什么？监控、选主、通知。
监控：
监控主从节点是否下线，从节点可以简单认为没有收到响应就直接下线，因为从节点下线一般不会影响到集群的使用。
主节点的下线，分为主观下线和客观下线，只有在多数都认为是主观下线了，才认为是客观下线了。
选主：
首先进行筛选，把标记为下线的从库，网络不稳定的从库晒出掉。
接下来进行打分，主要会分三个阶段：分别从从库的优先级、复制进度、ID大小来进行打分。
通知：
通知其他从库执行replicaof 到新的Master，主从切换完成之后，还会通知连接redis 的客户端，告诉它们新的Master的地址和端口。
哨兵选举过程：哨兵投票机制：
a：哨兵实例只有在自己判定主库下线时，才会给自己投票，而其他的哨兵实例会把票投给第一个来要票的请求，其后的都拒绝。
b：如果出现多个哨兵同时发现主库下线并给自己投票，导致投票选举失败，就会触发新一轮投票，直至成功。
哨兵成为Leader的必要条件：
a：获得半数以上的票数。
b：得到的票数要达到配置的quorum阀值。
注意的点在master关掉到主从切换完成，通知完客户端，这个期间，所有的写请求是不能处理的，因为master已经挂掉了，如果采用的是读写分离，所有的读请求就是可以正常处理的，读请求会被分到从库上去。如果此时想让业务感知不到异常，可以采取相应的降级策略，可以让写请求先写入到mq中，等待恢复之后，再写入到新的master就可以了。
这里在强调一下哨兵进行主从切换的前提条件，必须要选择出哨兵Leader，由Leader进行通知从进行主从切换和通知客户端更换新的Master的地址和端口。
在这里举个例子，如果有5个哨兵，quorum 配置为2，那么要想成为Leader，那么获得票数必须要达到2 才能判断一个主库为客观下线，同时获得票数也要大于等于(n/2) + 1 的票数，也就是获得3以上才可以。如果此时有3个哨兵故障了，即使你获得了2票，能判断为客观下线，那么由于没有过半的哨兵数量，也是无法选举出Leader ，也就无法进行下面的过程了，此时集群就玩完了。
问题这里给大家留一个问题，我们知道可以通过下面命令进行哨兵集群的搭建：

sentinel monitor

这里只是设置了 ip 和端口，以及quorum值，那么整个集群之间是怎么建立通信，进而能后续的选举leader做准备，同时它又是怎么获得从库的ip和端口列表，进而来做后续的从库的监控。
两个问题：

集群怎么建立通信的？
集群怎么获取的从库列表？

一直想整理出一份完美的面试宝典，但是时间上一直腾不开，这套一千多道面试题宝典，结合今年金三银四各种大厂面试题，以及 GitHub 上 star 数超 30K+ 的文档整理出来的，我上传以后，毫无意外的短短半个小时点赞量就达到了 13k，说实话还是有点不可思议的。
一千道互联网 Java 工程师面试题
内容涵盖：Java、MyBatis、ZooKeeper、Dubbo、Elasticsearch、Memcached、Redis、MySQL、Spring、SpringBoot、SpringCloud、RabbitMQ、Kafka、Linux等技术栈（485页）

文章图片

《Java核心知识点合集（283页）》
内容涵盖：Java基础、JVM、高并发、多线程、分布式、设计模式、Spring全家桶、Java、MyBatis、ZooKeeper、Dubbo、Elasticsearch、Memcached、MongoDB、Redis、MySQL、RabbitMQ、Kafka、Linux、Netty、Tomcat、数据库、云计算等