作者介绍

郝朝阳，DevOps视角社区发起人，高级运维工程师，专注于运维自动化的实现。现就职于宜搜科技，负责前端运维工作。致力于形成自己的运维细想体系。

codis是豌豆荚基础架构团队开发并开源的分布式redis服务，可以看作是一个无限内存的redis服务，有动态扩容/缩容的能力。

codis使redis获得动态扩容/缩容的能力，增减redis实例对client完全透明，并不需要重启服务，不需要业务方面担心redis内存爆掉的问题。

单codis-proxy架构

在codis的设计中，codis-proxy被设计成无状态的，客户端连接任何一个codis-proxy都是一样的，所以可以比较容易单间多个codis-proxy来实现高可用并横向扩容。建议使用多codis-proxy的高可用架构。

codis分片

codis采用pre-sharding的技术来实现数据的分片，默认分成1024个slot(0-1023)。对于每个key来说，通过哈希算法crc32(key)%1024来 确定slot id。

slot是虚拟概念。每一个slot都会有一个且必须有一个特定的server group id来表示这个slot的数据由哪个server group来提供。数据的迁移也是以slot为最小单位的。

codis支持通过codis-server进行数据迁移，迁移数据时是一个个key来进行的。每次以一个key为最小单位进行迁移，不会把主线程block住。redis的操作是内存的，批量的一次性写入和分多次set几乎没有区别，再者这个模型还避免了迁移过程中的数据更新同步的问题，因为迁移一个key的操作是原子性的，对于这个redis-server来说，在完成这次迁移指令前，是不会响应其它请求的，所以保证了数据的安全。

redis-port工具

codis提供了redis-port的命令行工具，能够实现从数据上T的redis集群迁移到codis分布式redis集群。redis-port具有如下功能： 

• · 静态分析RDB文件，包括解析以及恢复RDB数据到redis


• · 从redis上dump RDB文件以及在redis和codis之间动态同步数据

实现redis集群迁移到codis集群，需要进行如下操作 

• · 搭建好codis集群，并且codis-proxy能正确运行起来


• · 对每一个redis实例运行一个redis-port来向你codis导入数据。如： nohup redis-port sync –ncpu=4–from=redis-server:6379 \ –target=codis-proxy:19000 >${port}.log 2>&1 &

   每个redis-port负责将对应的redis数据导入到codis
   多个redis-port之间互不干扰，除非多个redis上的key出现冲突
   单个redis-port可以将负责的数据并行迁移一提高速度，通过—nohup指定并行数
   导入速度受带宽以及codis-proxy处理速度限制



• · 完成数据迁移，在适当的时候将服务指向codis集群，并将redis集群下线

    原redis集群下线时，会导致redis-port连接断开，于是自动退出

codis-proxy高可用

因为codis-proxy是无状态的，所以比较容易实现高可用性并横向扩容。

对于JAVA用户来说，可以使用设计者修改过的jedis（https://github.com/CodisLabs/jodis），来实现codis-proxy的高可用。它会通过监控zk上的注册信息来实时获得当前可用的proxy列表，既可以保证高可用性，也可以通过轮流请求所有的proxy实现负载均衡。如果需要异步请求，可以使用基于Netty开发的Nedis。

对于codis-group的redis实例来说，当一个group的master故障后，应该让管理员清楚的知道，并手动将slave升级为master，因为这涉及到数据一致性等问题。当group中的master故障，其中一个slave升级为master后，该组内的其它slave实例是不会自动改变状态的，这些slave仍试图从旧的master上同步数据，因而导致组内新的master和slave之间数据不一致。因为redis的slaveof命令切换master时会丢弃slave上的全部数据，从新master完整同步，会消耗新master资源，因此建议在知情的情况下手动操作，是用codis-configserver add slave。

codis通过开放的api实现自动切换主从的工具-codis-ha，会检测到master故障后，会自动将其下线，并将期中一个salve提升为master，但是不会自动刷新其它slave的状态。

文章来自微信公众号：DevOps视角