Redis 3.x——哨兵开发与运维中的问题

1、故障转移日志分析

1.1、Redis Sentinel拓扑结构

本次故障转移的分析直接使用的拓扑和配置进行说明,为了方便分析故障转移的过程,表9-4列出了每个节点的角色、ip、端口、进程号、runId。

在这里插入图片描述
因为故障转移涉及节点关系的变化,所以下面说明中用端口号代表节点。

1.2、开始故障转移测试

模拟故障的方法有很多,比较典型的方法有以下几种:

  • 方法一,强制杀掉对应节点的进程号,这样可以模拟出宕机的效果。
  • 方法二,使用Redis的debug sleep命令,让节点进入睡眠状态,这样可以模拟阻塞的效果。
  • 方法三,使用Redis的shutdown命令,模拟正常的停掉Redis。

本次我们使用方法一进行测试,因为从实际经验来看,数百上千台机器偶尔宕机一两台是会不定期出现的,为了方便分析日志行为,这里记录一下操作的时间和命令。

用kill-9使主节点的进程宕机,操作时间2016-07-2409:40:35:

$ kill -9 19661

1.3、观察效果

6380节点晋升为主节点,6381节点成为6380节点的从节点。

1.4、故障转移分析

相信故障转移的效果和预想的一样,这里重点分析相应节点的日志。

(1)6379节点日志

两个复制请求,分别来自端口为6380和6381的从节点:

19661:M 24 Jul 09:22:16.907 * Slave 127.0.0.1:6380 asks for synchronization
19661:M 24 Jul 09:22:16.907 * Full resync requested by slave 127.0.0.1:6380
…
19661:M 24 Jul 09:22:16.919 * Synchronization with slave 127.0.0.1:6380 succeeded
19661:M 24 Jul 09:22:23.396 * Slave 127.0.0.1:6381 asks for synchronization
19661:M 24 Jul 09:22:23.396 * Full resync requested by slave 127.0.0.1:6381
…
19661:M 24 Jul 09:22:23.432 * Synchronization with slave 127.0.0.1:6381 succeeded

09:40:35做了kill-9操作,由于模拟的是宕机效果,所以6379节点没有看到任何日志(这点和shutdown操作不太相同)​。

(2)6380节点日志

6380节点在09:40:35之后发现它与6379节点已经失联:

19667:S 24 Jul 09:40:35.788 # Connection with master lost.
19667:S 24 Jul 09:40:35.788 * Caching the disconnected master state.
19667:S 24 Jul 09:40:35.974 * Connecting to MASTER 127.0.0.1:6379
19667:S 24 Jul 09:40:35.974 * MASTER <-> SLAVE sync started
19667:S 24 Jul 09:40:35.975 # Error condition on socket for SYNC: Connection 
refused
…

09:41:06时它接到Sentinel节点的命令:清理原来缓存的主节点状态,Sentinel节点将6380节点晋升为主节点,并重写配置:

19667:M 24 Jul 09:41:06.161 * Discarding previously cached master state.
19667:M 24 Jul 09:41:06.161 * MASTER MODE enabled (user request from 'id=7 
    addr=127.0.0.1:46759 fd=10 name=sentinel-7044753f-cmd age=1111 idle=0 
    flags=x db=0 sub=0 psub=0 multi=3 qbuf=0 qbuf-free=32768 obl=36 oll=0 
    omem=0 events=rw cmd=exec')
19667:M 24 Jul 09:41:06.161 # CONFIG REWRITE executed with success.

6381节点发来了复制请求:

19667:M 24 Jul 09:41:07.499 * Slave 127.0.0.1:6381 asks for synchronization
19667:M 24 Jul 09:41:07.499 * Full resync requested by slave 127.0.0.1:6381
…
19667:M 24 Jul 09:41:07.548 * Background saving terminated with success
19667:M 24 Jul 09:41:07.548 * Synchronization with slave 127.0.0.1:6381 succeeded

(3)6381节点日志

6381节点同样与6379节点失联:

19685:S 24 Jul 09:40:35.788 # Connection with master lost.
19685:S 24 Jul 09:40:35.788 * Caching the disconnected master state.
19685:S 24 Jul 09:40:36.425 * Connecting to MASTER 127.0.0.1:6379
19685:S 24 Jul 09:40:36.425 * MASTER <-> SLAVE sync started
19685:S 24 Jul 09:40:36.425 # Error condition on socket for SYNC: Connection refused

后续操作如下:

1)09:41:06时它接到Sentinel节点的命令,清理原来缓存的主节点状态,让它去复制新的主节点(6380节点)​:

19685:S 24 Jul 09:41:06.497 # Error condition on socket for SYNC: Connection refused
19685:S 24 Jul 09:41:07.008 * Discarding previously cached master state.
19685:S 24 Jul 09:41:07.008 * SLAVE OF 127.0.0.1:6380 enabled (user request 
    from 'id=7 addr=127.0.0.1:55872 fd=10 name=sentinel-7044753f-cmd age=1111 
    idle=0 flags=x db=0 sub=0 psub=0 multi=3 qbuf=133 qbuf-free=32635 obl=36 
    oll=0 omem=0 events=rw cmd=exec')
19685:S 24 Jul 09:41:07.008 # CONFIG REWRITE executed with success.

2)向新的主节点(6380节点)发起复制操作:

19685:S 24 Jul 09:41:07.498 * Connecting to MASTER 127.0.0.1:6380
…
19685:S 24 Jul 09:41:07.549 * MASTER <-> SLAVE sync: Finished with success

(4)sentinel-1节点日志

09:41:05对6379节点作了主观下线(+sdown),注意这个时间正好是kill-9后的30秒,和down-after-milliseconds的配置是一致的。Sentinel节点更新自己的配置纪元(new-epoch):

19697:X 24 Jul 09:41:05.850 # +sdown master mymaster 127.0.0.1 6379
19697:X 24 Jul 09:41:05.928 # +new-epoch 1

后续操作如下:

1)投票给sentinel-3节点:

19697:X 24 Jul 09:41:05.929 # +vote-for-leader 7044753f564e42b1578341acf4c49dca
    3681151c 1
19697:X 24 Jul 09:41:06.913 # +odown master mymaster 127.0.0.1 6379 #quorum 3/2

2)更新状态:从sentinel-3节点(领导者)得知:故障转移后6380节点变为主节点,并发现了两个从节点6381和6379,并在30秒后对(09:41:07~09:41:37)6379节点做了主观下线:

19697:X 24 Jul 09:41:06.913 # Next failover delay: I will not start a failover
     before Sun Jul 24 09:47:06 2016
19697:X 24 Jul 09:41:07.008 # +config-update-from sentinel 127.0.0.1:26381 
    127.0.0.1 26381 @ mymaster 127.0.0.1 6379
19697:X 24 Jul 09:41:07.008 # +switch-master mymaster 127.0.0.1 6379 127.0.0.1 6380
19697:X 24 Jul 09:41:07.008 * +slave slave 127.0.0.1:6381 127.0.0.1 6381 @ 
    mymaster 127.0.0.1 6380
19697:X 24 Jul 09:41:07.008 * +slave slave 127.0.0.1:6379 127.0.0.1 6379 @ 
    mymaster 127.0.0.1 6380
19697:X 24 Jul 09:41:37.060 # +sdown slave 127.0.0.1:6379 127.0.0.1 6379 @ 
    mymaster 127.0.0.1 6380

(5)sentinel-2节点日志

整个过程和sentinel-1节点是一样的,这里就不占用篇幅分析了。

(6)sentinel-3节点日志

从sentinel-1节点和sentinel-2节点的日志来看,sentinel-3节点是领导者,所以分析sentinel-3节点的日志至关重要。

后续操作如下。

1)达到了客观下线的条件:

19713:X 24 Jul 09:41:05.854 # +sdown master mymaster 127.0.0.1 6379
19713:X 24 Jul 09:41:05.909 # +odown master mymaster 127.0.0.1 6379 #quorum 2/2
19713:X 24 Jul 09:41:05.909 # +new-epoch 1

2)sentinel-3节点被选为领导者:

19713:X 24 Jul 09:41:05.909 # +try-failover master mymaster 127.0.0.1 6379
19713:X 24 Jul 09:41:05.911 # +vote-for-leader 7044753f564e42b1578341acf4c49dca
    3681151c 1
19713:X 24 Jul 09:41:05.929 # 127.0.0.1:26379 voted for 7044753f564e42b1578341a
    cf4c49dca3681151c 1
19713:X 24 Jul 09:41:05.930 # 127.0.0.1:26380 voted for 7044753f564e42b1578341a
    cf4c49dca3681151c 1
19713:X 24 Jul 09:41:06.001 # +elected-leader master mymaster 127.0.0.1 6379

下表展示了3个Sentinel节点完成客观下线的时间点,从时间点可以看到sentinel-3节点最先完成客观下线。
在这里插入图片描述
3)故障转移。每一步都可以通过发布订阅来获取,对于每个字段的说明可以参考下表。

寻找合适的从节点作为新的主节点:

19713:X 24 Jul 09:41:06.001 # +failover-state-select-slave master mymaster
    127.0.0.1 6379

选出了合适的从节点(6380节点)​:

19713:X 24 Jul 09:41:06.077 # +selected-slave slave 127.0.0.1:6380 127.0.0.1
    6380 @ mymaster 127.0.0.1 6379

命令6380节点执行slaveof no one,使其成为主节点:

19713:X 24 Jul 09:41:06.077 * +failover-state-send-slaveof-noone slave
    127.0.0.1:6380 127.0.0.1 6380 @ mymaster 127.0.0.1 6379

等待6380节点晋升为主节点:

19713:X 24 Jul 09:41:06.161 * +failover-state-wait-promotion slave
    127.0.0.1:6380 127.0.0.1 6380 @ mymaster 127.0.0.1 6379

确认6380节点已经晋升为主节点:

19713:X 24 Jul 09:41:06.927 # +promoted-slave slave 127.0.0.1:6380 127.0.0.1
    6380 @ mymaster 127.0.0.1 6379

故障转移进入重新配置从节点阶段:

19713:X 24 Jul 09:41:06.927 # +failover-state-reconf-slaves master mymaster
    127.0.0.1 6379

命令6381节点复制新的主节点:

19713:X 24 Jul 09:41:07.008 * +slave-reconf-sent slave 127.0.0.1:6381 127.0.0.1
    6381 @ mymaster 127.0.0.1 6379

6381节点正在重新配置成为6380节点的从节点,但是同步过程尚未完成:

19713:X 24 Jul 09:41:07.955 * +slave-reconf-inprog slave 127.0.0.1:6381
    127.0.0.1 6381 @ mymaster 127.0.0.1 6379

6381节点完成对6380节点的同步:

19713:X 24 Jul 09:41:07.955 * +slave-reconf-done slave 127.0.0.1:6381 127.0.0.1
    6381 @ mymaster 127.0.0.1 6379

故障转移顺利完成:

19713:X 24 Jul 09:41:08.045 # +failover-end master mymaster 127.0.0.1 6379

故障转移成功后,发布主节点的切换消息:

19713:X 24 Jul 09:41:08.045 # +switch-master mymaster 127.0.0.1 6379 127.0.0.1 6380

下表记录了Redis Sentinel在故障转移一些重要的事件消息对应的频道。
在这里插入图片描述

<instance details>格式如下:

<instance-type> <name> <ip> <port> @ <master-name> <master-ip> <master-port>

1.5、原主节点后续处理

重新启动原来的6379节点:

redis-server redis-6379.conf操作时间: 2016-07-24 09:46:21

(1)6379节点

启动后接到Sentinel节点的命令,让它去复制6380节点:

22223:M 24 Jul 09:46:21.260 * The server is now ready to accept connections on
    port 6379
22223:S 24 Jul 09:46:31.323 * SLAVE OF 127.0.0.1:6380 enabled (user request 
    from 'id=2 addr=127.0.0.1:51187 fd=6 name=sentinel-94dde2f5-cmd age=10 
    idle=0 flags=x db=0 sub=0 psub=0 multi=3 qbuf=0 qbuf-free=32768 obl=36 
    oll=0 omem=0 events=rw cmd=exec')
        22223:S 24 Jul 09:46:31.323 # CONFIG REWRITE executed with success.

(2)6380节点

接到6379节点的复制请求,做复制的相应处理:

19667:M 24 Jul 09:46:32.284 * Slave 127.0.0.1:6379 asks for synchronization
19667:M 24 Jul 09:46:32.284 * Full resync requested by slave 127.0.0.1:6379
…
19667:M 24 Jul 09:46:32.353 * Synchronization with slave 127.0.0.1:6379 succeeded

(3)sentinel-1节点日志

撤销对6379节点主观下线的决定:

19707:X 24 Jul 09:46:21.406 # -sdown slave 127.0.0.1:6379 127.0.0.1 6379 @
    mymaster 127.0.0.1 6380

(4)sentinel-2节点日志

撤销对6379节点主观下线的决定:

19713:X 24 Jul 09:46:21.408 # -sdown slave 127.0.0.1:6379 127.0.0.1 6379 @
    mymaster 127.0.0.1 6380

(5)sentinel-3节点日志

撤销对6379节点主观下线的决定,更新Sentinel节点配置:

19697:X 24 Jul 09:46:21.367 # -sdown slave 127.0.0.1:6379 127.0.0.1 6379 @
    mymaster 127.0.0.1 6380
19697:X 24 Jul 09:46:31.322 * +convert-to-slave slave 127.0.0.1:6379 127.0.0.1 
    6379 @ mymaster 127.0.0.1 6380

1.6、注意点

部署各个节点的机器时间尽量要同步,否则日志的时序性会混乱,例如可以给机器添加NTP服务来同步时间。

2、节点运维

2.1、节点下线

在介绍如何进行节点下线之前,首先需要弄清两个概念:临时下线和永久下线。

  • 临时下线:暂时将节点关掉,之后还会重新启动,继续提供服务。
  • 永久下线:将节点关掉后不再使用,需要做一些清理工作,如删除配置文件、持久化文件、日志文件。

所以运维人员需要弄清楚本次下线操作是临时下线还是永久下线。

通常来看,无论是主节点、从节点还是Sentinel节点,下线原因无外乎以下几种:

  • 节点所在的机器出现了不稳定或者即将过保被回收。
  • 节点所在的机器性能比较差或者内存比较小,无法支撑应用方的需求。
  • 节点自身出现服务不正常情况,需要快速处理。

(1)主节点

如果需要对主节点进行下线,比较合理的做法是选出一个“合适”​(例如性能更高的机器)的从节点,使用sentinel failover功能将从节点晋升主节点,只需要在任意可用的Sentinel节点执行如下操作即可。

sentinel failover <master name>

如图所示,在任意一个Sentinel节点上(例如 26379端口节点)执行sentinel failover即可。

在这里插入图片描述

Redis Sentinel存在多个从节点时,如果想将指定从节点晋升为主节点,可以将其他从节点的slavepriority配置为0,但是需要注意failover后,将slave-priority调回原值。

(2)从节点和Sentinel节点

如果需要对从节点或者Sentinel节点进行下线,只需要确定好是临时还是永久下线后执行相应操作即可。如果使用了读写分离,下线从节点需要保证应用方可以感知从节点的下线变化,从而把读取请求路由到其他节点。

需要注意的是,Sentinel节点依然会对这些下线节点进行定期监控,这是由Redis Sentinel的设计思路所决定的。下面日志显示(需要设置loglevel=debug)​,6380节点下线后,Sentinel节点还是会定期对其监控,会造成一定的网络资源浪费。

-cmd-link slave 127.0.0.1:6380 127.0.0.1 6380 @ mymaster 127.0.0.1 6379
    #Connection refused
-pubsub-link slave 127.0.0.1:6380 127.0.0.1 6380 @ mymaster 127.0.0.1 6379 
    #Connection refused

2.2、节点上线

(1)添加从节点

添加从节点的场景大致有如下几种:

  • 使用了读写分离,但现有的从节点无法支撑应用方的流量。
  • 主节点没有可用的从节点,无法支持故障转移。
  • 添加一个更强悍的从节点利用手动failover替换主节点。

添加方法:添加slaveof{masterIp}{masterPort}的配置,使用redis-server启动即可,它将被Sentinel节点自动发现。

(2)添加Sentinel节点

添加Sentinel节点的场景可以分为以下几种:

  • 当前Sentinel节点数量不够,无法达到Redis Sentinel健壮性要求或者无法达到票数。
  • 原Sentinel节点所在机器需要下线。

添加方法:添加sentinel monitor主节点的配置,使用redis-sentinel启动即可,它将被其余Sentinel节点自动发现。

(3)添加主节点

因为Redis Sentinel中只能有一个主节点,所以不需要添加主节点,如果需要替换主节点,可以使用Sentinelfailover手动故障转移。

2.3、节点配置

这里给出Sentinel节点配置时要注意的地方:

  • Sentinel节点配置尽可能一致,这样在判断节点故障时会更加准确。
  • Sentinel节点支持的命令非常有限,例如config命令是不支持的,而Sentinel节点也需要dir、loglevel之类的配置,所以尽量在一开始规划好,不过所幸Sentinel节点不存储数据,如果需要修改配置,重新启动即可。

Sentinel节点只支持如下命令:ping、sentinel、subscribe、unsubscribe、psubscribe punsubscribe、publish、info、role、client、shutdown。

3、 高可用读写分离

3.1、从节点的作用

从节点一般可以起到两个作用:第一,当主节点出现故障时,作为主节点的后备“顶”上来实现故障转移,RedisSentinel已经实现了该功能的自动化,实现了真正的高可用。第二,扩展主节点的读能力,尤其是在读多写少的场景非常适用,通常的模型如图所示。

在这里插入图片描述
但上述模型中,从节点不是高可用的,如果slave-1节点出现故障,首先客户端client-1将与其失联,其次Sentinel节点只会对该节点做主观下线,因为RedisSentinel的故障转移是针对主节点的。所以很多时候,Redis Sentinel中的从节点仅仅是作为主节点一个热备,不让它参与客户端的读操作,就是为了保证整体高可用性,但实际上这种使用方法还是有一些浪费,尤其是在有很多从节点或者确实需要读写分离的场景,所以如何实现从节点的高可用是非常有必要的。

3.2、Redis Sentinel读写分离设计思路

Redis Sentinel在对各个节点的监控中,如果有对应事件的发生,都会发出相应的事件消息​,其中和从节点变动的事件有以下几个:

  • +switch-master:切换主节点(原来的从节点晋升为主节点)​,说明减少了某个从节点。
  • +convert-to-slave:切换从节点(原来的主节点降级为从节点)​,说明添加了某个从节点。
  • +sdown:主观下线,说明可能某个从节点可能不可用(因为对从节点不会做客观下线)​,所以在实现客户端时可以采用自身策略来实现类似主观下线的功能。
  • +reboot:重新启动了某个节点,如果它的角色是slave,那么说明添加了某个从节点。

所以在设计Redis Sentinel的从节点高可用时,只要能够实时掌握所有从节点的状态,把所有从节点看做一个资源池(如图所示)​,无论是上线还是下线从节点,客户端都能及时感知到(将其从资源池中添加或者删除)​,这样从节点的高可用目标就达到了。

在这里插入图片描述

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值