阶段八：服务框架高级（第三章：分布式缓存Redis）

news2024/11/17 8:21:28

阶段八：服务框架高级（第三章：分布式缓存Redis）

  • Day-分布式缓存Redis
  • 0.学习目标
  • 1.Redis持久化
    • 1.1.RDB持久化 【==重要==】
      • 1.1.1.执行时机
      • 1.1.2.RDB原理
      • 1.1.3.小结
    • 1.2.AOF持久化【==重要==】
      • 1.2.1.AOF原理
      • 1.2.2.AOF配置
      • 1.2.3.AOF文件重写
    • 1.3.RDB与AOF对比
  • 2.Redis主从
    • 2.1.搭建主从架构 【==重要==】
      • 2.1.1.小结
    • 2.2.主从数据同步原理
      • 2.2.1.全量同步 【==重要==】
      • 2.2.2.增量同步 【==重要==】
      • 2.2.3.repl_backlog原理
    • 2.3.主从同步优化
    • 2.4.小结
  • 3.Redis哨兵
    • 3.1.哨兵原理\
      • 3.1.1.集群结构和作用
      • 3.1.2.集群监控原理
      • 3.1.3.集群故障恢复原理
      • 3.1.4.小结
    • 3.2.搭建哨兵集群 【==重要==】
    • 3.3.RedisTemplate 【==重要==】
      • 3.3.1.导入Demo工程
      • 3.3.2.引入依赖
      • 3.3.3.配置Redis地址
      • 3.3.4.配置读写分离
  • 4.Redis分片集群
    • 4.2.散列插槽 【==重要==】
      • 4.2.1.插槽原理
      • 4.2.2.测试
      • 4.2.3.小结
    • 4.3.集群伸缩 【==重要==】
      • 4.3.1.需求分析
      • 4.3.2.创建新的redis实例 【==重==】
      • 4.3.3.添加新节点到`redis` 【==重==】
      • 4.3.4.转移插槽 【==重==】
    • 4.4.故障转移 【==重要==】
      • 4.4.1.自动故障转移
      • 4.4.2.手动故障转移
    • 4.5.RedisTemplate访问分片集群 【==重要==】
      • 4.5.1.配置读写分离：

Day-分布式缓存Redis

– 基于Redis集群解决单机Redis存在的问题
单机的Redis存在四大问题：
数据丢失问题
Redis是内存存储，服务重启可能会丢失数据
并发能力问题
单节点Redis并发能力虽然不错，但也无法满足如618这样的高并发场景
故障恢复问题
如果Redis宕机，则服务不可用，需要一种自动的故障恢复手段
存储能力问题
Redis基于内存，单节点能存储的数据量难以满足海量数据需求

在这里插入图片描述

0.学习目标

在这里插入图片描述

1.Redis持久化

Redis有两种持久化方案：

  • RDB持久化
  • AOF持久化

1.1.RDB持久化 【重要】

  RDB全称Redis Database Backup file（Redis数据备份文件），也被叫做Redis数据快照。简单来说就是把内存中的所有数据都记录到磁盘中。当Redis实例故障重启后，从磁盘读取快照文件，恢复数据。快照文件称为RDB文件，默认是保存在redis的当前运行目录。

1.1.1.执行时机

RDB持久化在四种情况下会执行：

  • 执行save命令
  • 执行bgsave命令
  • Redis停机时
  • 触发RDB条件时

1）save命令
执行下面的命令，可以立即执行一次RDB：
在这里插入图片描述
save命令会导致主进程执行RDB，这个过程中其它所有命令都会被阻塞。只有在数据迁移时可能用到。

2）bgsave命令
下面的命令可以异步执行RDB：
在这里插入图片描述
这个命令执行后会开启独立进程完成RDB，主进程可以持续处理用户请求，不受影响。

3）停机时
Redis停机时会执行一次save命令，实现RDB持久化。

4）触发RDB条件（默认开启，可以自己配置）
Redis内部有触发RDB的机制，可以在redis.conf文件中找到，格式如下：

# 900秒内，如果至少有1个key被修改，则执行bgsave ， 如果是save "" 则表示禁用RDB
save 900 1  
save 300 10  
save 60 10000 
save 5 1

RDB的其它配置也可以在redis.conf文件中设置：

# 是否压缩 ,建议不开启，压缩也会消耗cpu，磁盘的话不值钱
rdbcompression yes

# RDB文件名称
dbfilename dump.rdb  

# 文件保存的路径目录
dir ./

1.1.2.RDB原理

  bgsave开始时会fork主进程得到子进程，子进程共享主进程的内存数据。完成fork后读取内存数据并写入 RDB 文件。

fork采用的是copy-on-write技术：

  • 当主进程执行读操作时，访问共享内存；
  • 当主进程执行写操作时，则会拷贝一份数据，执行写操作。

在这里插入图片描述

1.1.3.小结

RDB方式bgsave的基本流程？

  • fork主进程得到一个子进程，共享内存空间
  • 子进程读取内存数据并写入新的RDB文件
  • 用新RDB文件替换旧的RDB文件

RDB会在什么时候执行？save 60 1000代表什么含义？

  • save:默认是服务停止时
  • bgsave:代表60秒内至少执行1000次修改则触发RDB

RDB的缺点？

  • RDB执行间隔时间长，两次RDB之间写入数据有丢失的风险
  • fork子进程、压缩、写出RDB文件都比较耗时

1.2.AOF持久化【重要】

未自己操作

1.2.1.AOF原理

  AOF全称为Append Only File（追加文件）。Redis处理的每一个写命令都会记录在AOF文件，可以看做是命令日志文件（里面记录的是执行的命令记录）。
在这里插入图片描述

1.2.2.AOF配置

AOF默认是关闭的，需要修改redis.conf配置文件来开启AOF：

# 是否开启AOF功能，默认是no
appendonly yes
# AOF文件的名称
appendfilename "appendonly.aof"

注意：如果想要开启，需要把上面讲到的RDB给停用，将save 5 1设置成save ""表示禁用RDB

AOF的命令记录的频率也可以通过redis.conf文件来配：

# 表示每执行一次写命令，立即记录到AOF文件
appendfsync always 
# 写命令执行完先放入AOF缓冲区，然后表示每隔1秒将缓冲区数据写到AOF文件，是默认方案
appendfsync everysec 
# 写命令执行完先放入AOF缓冲区，由操作系统决定何时将缓冲区内容写回磁盘
appendfsync no

最常用的是appendfsync everysec ，安全和性能都能得到保证；

三种策略对比：
在这里插入图片描述

1.2.3.AOF文件重写

  因为是记录命令，AOF文件会比RDB文件大的多。而且AOF会记录对同一个key的多次写操作，但只有最后一次写操作才有意义。通过执行bgrewriteaof命令，可以让AOF文件执行重写功能，用最少的命令达到相同效果。
在这里插入图片描述
  如图，AOF原本有三个命令，但是set num 123 和 set num 666都是对num的操作，第二次会覆盖第一次的值，因此第一个命令记录下来没有意义。
  所以重写命令后，AOF文件内容就是：mset name jack num 666

  Redis也会在触发阈值时自动去重写AOF文件。阈值也可以在redis.conf中配置：

# AOF文件比上次文件 增长超过多少百分比则触发重写
auto-aof-rewrite-percentage 100
# AOF文件体积最小多大以上才触发重写 
auto-aof-rewrite-min-size 64mb

1.3.RDB与AOF对比

RDB和AOF各有自己的优缺点，如果对数据安全性要求较高，在实际开发中往往会结合两者来使用。
在这里插入图片描述

2.Redis主从

2.1.搭建主从架构 【重要】

  单节点Redis的并发能力是有上限的，要进一步提高Redis的并发能力，就需要搭建主从集群，实现读写分离。
在这里插入图片描述
具体搭建流程参考课前资料 《Redis集群.md》 ：
在这里插入图片描述
具体内容连链接

  上面的一些操作，如果实在实际的开发中，就不用更改ip了，因为到时各个主从节点使用的是不用的主机
  主节点执行写操作，从节点执行读操作；

2.1.1.小结

在这里插入图片描述

2.2.主从数据同步原理

2.2.1.全量同步 【重要】

主从第一次建立连接时，会执行全量同步，将master节点的所有数据都拷贝给slave节点，流程：
在这里插入图片描述
这里有一个问题，master如何得知salve是第一次来连接呢？？

有几个概念，可以作为判断依据：

  • Replication Id：简称replid，是数据集的标记，id一致则说明是同一数据集。每一个master都有唯一的replid，slave则会继承master节点的replid
  • offset：偏移量，随着记录在repl_baklog中的数据增多而逐渐增大。slave完成同步时也会记录当前同步的offset。如果slave的offset小于master的offset，说明slave数据落后于master，需要更新。

  因此slave做数据同步，必须向master声明自己的replication id 和offset，master才可以判断到底需要同步哪些数据。

  因为slave原本也是一个master，有自己的replid和offset，当第一次变成slave，与master建立连接时，发送的replid和offset是自己的replid和offset。

  master会将自己的replid和offset都发送给这个slave，slave保存这些信息。以后slave的replid就与master一致了。

因此，master判断一个节点是否是第一次同步的依据，就是看replid是否一致。

如图：
在这里插入图片描述
完整流程描述：

  • slave节点请求增量同步
  • master节点判断replid，发现不一致，拒绝增量同步
  • master将完整内存数据生成RDB，发送RDB到slave
  • slave清空本地数据，加载master的RDB
  • master将RDB期间的命令记录在repl_baklog，并持续将log中的命令发送给slave
  • slave执行接收到的命令，保持与master之间的同步

在这里插入图片描述

2.2.2.增量同步 【重要】

  全量同步需要先做RDB，然后将RDB文件通过网络传输个slave，成本太高了。因此除了第一次做全量同步，其它大多数时候slave与master都是做增量同步。

什么是增量同步？就是只更新slave与master存在差异的部分数据。如图：
在这里插入图片描述
那么master怎么知道slave与自己的数据差异在哪里呢?

2.2.3.repl_backlog原理

master怎么知道slave与自己的数据差异在哪里呢?

这就要说到全量同步时的repl_baklog文件了。

  这个文件是一个固定大小的数组，只不过数组是环形，也就是说角标到达数组末尾后，会再次从0开始读写，这样数组头部的数据就会被覆盖。

repl_baklog中会记录Redis处理过的命令日志及offset，包括master当前的offset，和slave已经拷贝到的offset：
在这里插入图片描述
  slave与master的offset之间的差异，就是salve需要增量拷贝的数据了。
  随着不断有数据写入，master的offset逐渐变大，slave也不断的拷贝，追赶master的offset：
在这里插入图片描述
直到数组被填满：
在这里插入图片描述
  此时，如果有新的数据写入，就会覆盖数组中的旧数据。不过，旧的数据只要是绿色的，说明是已经被同步到slave的数据，即便被覆盖了也没什么影响。因为未同步的仅仅是红色部分。

  但是，如果slave出现网络阻塞，导致master的offset远远超过了slave的offset：
在这里插入图片描述
如果master继续写入新数据，其offset就会覆盖旧的数据，直到将slave现在的offset也覆盖：
在这里插入图片描述
  棕色框中的红色部分，就是尚未同步，但是却已经被覆盖的数据。此时如果slave恢复，需要同步，却发现自己的offset都没有了，无法完成增量同步了。只能做全量同步。
在这里插入图片描述

2.3.主从同步优化

主从同步可以保证主从数据的一致性，非常重要。

可以从以下几个方面来优化Redis主从就集群：

  • 在master中配置repl-diskless-sync yes启用无磁盘复制（网络比较好是在做），避免全量同步时的磁盘IO。
  • Redis单节点上的内存占用不要太大，减少RDB导致的过多磁盘IO
  • 适当提高repl_baklog的大小，发现slave宕机时尽快实现故障恢复，尽可能避免全量同步
  • 限制一个master上的slave节点数量，如果实在是太多slave，则可以采用主-从-从链式结构，减少master压力

主从从架构图：
在这里插入图片描述

2.4.小结

简述全量同步和增量同步区别？

  • 全量同步：master将完整内存数据生成RDB，发送RDB到slave。后续命令则记录在repl_baklog，逐个发送给slave。
  • 增量同步：slave提交自己的offset到master，master获取repl_baklog中从offset之后的命令给slave

什么时候执行全量同步？

  • slave节点第一次连接master节点时
  • slave节点断开时间太久，repl_baklog中的offset已经被覆盖时

什么时候执行增量同步？

  • slave节点断开又恢复，并且在repl_baklog中能找到offset时

3.Redis哨兵

Redis提供了哨兵（Sentinel）机制来实现主从集群的自动故障恢复。

3.1.哨兵原理\

3.1.1.集群结构和作用

哨兵的结构如图：
在这里插入图片描述

哨兵的作用如下：

  • 监控：Sentinel 会不断检查您的master和slave是否按预期工作
  • 自动故障恢复：如果master故障，Sentinel会将一个slave提升为master。当故障实例恢复后也以新的master为主
  • 通知：Sentinel充当Redis客户端的服务发现来源，当集群发生故障转移时，会将最新信息推送给Redis的客户端

3.1.2.集群监控原理

Sentinel基于心跳机制监测服务状态，每隔1秒向集群的每个实例发送ping命令：

  • 主观下线：如果某sentinel节点发现某实例未在规定时间响应，则认为该实例主观下线。
  • 客观下线：若超过指定数量（quorum）的sentinel都认为该实例主观下线，则该实例客观下线。quorum值最好超过Sentinel实例数量的一半。
    在这里插入图片描述

3.1.3.集群故障恢复原理

一旦发现master故障，sentinel需要在salve中选择一个作为新的master，选择依据是这样的：

  • 首先会判断slave节点与master节点断开时间长短，如果超过指定值（down-after-milliseconds * 10，在配置文件中配，不配有默认值）则会排除该slave节点
  • 然后判断slave节点的slave-priority值（在配置中配置的），越小优先级越高，如果是0则永不参与选举
  • 如果slave-prority一样，则判断slave节点的offset值，越大说明数据越新，优先级越高
  • 最后是判断slave节点的运行id大小，越小优先级越高。

当选出一个新的master后，该如何实现切换呢？
流程如下：

  • sentinel给备选的slave1节点发送slaveof no one命令，让该节点成为master
  • sentinel给所有其它slave发送slaveof 192.168.150.101 7002 命令，让这些slave成为新master的从节点，开始从新的master上同步数据。
  • 最后，sentinel将故障节点标记为slave，当故障节点恢复后会自动成为新的master的slave节点

在这里插入图片描述

3.1.4.小结

Sentinel的三个作用是什么？

  • 监控
  • 故障转移
  • 通知

Sentinel如何判断一个redis实例是否健康？

  • 每隔1秒发送一次ping命令，如果超过一定时间没有相向则认为是主观下线
  • 如果大多数sentinel都认为实例主观下线，则判定服务下线

故障转移步骤有哪些？

  • 首先选定一个slave作为新的master，执行slaveof no one
  • 然后让所有节点都执行slaveof 新master
  • 修改故障节点配置，添加slaveof 新master

3.2.搭建哨兵集群 【重要】

具体搭建流程参考课前资料《Redis集群.md》：
在这里插入图片描述
网址：

3.3.RedisTemplate 【重要】

  在Sentinel集群监管下的Redis主从集群，其节点会因为自动故障转移而发生变化，Redis的客户端必须感知这种变化，及时更新连接信息。Spring的RedisTemplate底层利用lettuce实现了节点的感知和自动切换。

下面，我们通过一个测试来实现RedisTemplate集成哨兵机制。
注意：要完成这个测试，首先要完成2.1.搭建主从架构和3.2.搭建哨兵集群

3.3.1.导入Demo工程

首先，我们引入课前资料提供的Demo工程：
在这里插入图片描述

3.3.2.引入依赖

在项目的pom文件中引入redis的starter依赖：

<dependency>
    <groupId>org.springframework.boot</groupId>
    <artifactId>spring-boot-starter-data-redis</artifactId>
</dependency>

3.3.3.配置Redis地址

  然后在配置文件application.yml中指定redis的sentinel相关信息：
  Java客户端就能根据下面配置的地址，找到sentinel（哨兵），从而得知Redis集群地址啦

spring:
  redis:
    sentinel:
      master: mymaster
      nodes:
        - 192.168.150.101:27001
        - 192.168.150.101:27002
        - 192.168.150.101:27003

  参考的是（要保持一致），在搭建哨兵集群，在s1目录创建一个sentinel.conf文件时的内容，其中IP地址要改成自己的虚拟机的ip，开发中则是不同的机器的ip

port 27001  #这里
sentinel announce-ip 192.168.150.101  #这里
sentinel monitor mymaster 192.168.150.101 7001 2  #这里的mymaster
sentinel down-after-milliseconds mymaster 5000
sentinel failover-timeout mymaster 60000
dir "/tmp/s1"

3.3.4.配置读写分离

可在任意一个配置类中进行配置：
在项目的启动类中，添加一个新的bean：

@Bean
public LettuceClientConfigurationBuilderCustomizer clientConfigurationBuilderCustomizer(){
    return clientConfigurationBuilder -> clientConfigurationBuilder.readFrom(ReadFrom.REPLICA_PREFERRED);
}

或者
在这里插入图片描述
这个bean中配置的就是读写策略，包括四种：

  • MASTER：从主节点读取
  • MASTER_PREFERRED：优先从master节点读取，master不可用才读取replica
  • REPLICA：从slave（replica）节点读取
  • REPLICA _PREFERRED（推荐）：优先从slave（replica）节点读取，所有的slave都不可用才读取master

启动项目：
浏览器就可以进行Redis的读写了，并且还有故障检测恢复，因为有哨兵；
localhost:8080/get/num
localhost:8080/set/num/666

4.Redis分片集群

主从和哨兵可以解决高可用、高并发读的问题。但是依然有两个问题没有解决：

  • 海量数据存储问题
  • 高并发写的问题

主从和哨兵解决的事高并发的读操作，存在高并发的写操作怎么办；

使用分片集群可以解决上述问题
分片集群可应对海量数据存储和高并发的写操作
如图:
在这里插入图片描述
分片集群特征：

  • 集群中有多个master，每个master保存不同数据
  • 每个master都可以有多个slave节点
  • master之间通过ping监测彼此健康状态（分片集群不需要哨兵）
  • 客户端请求可以访问集群任意节点，最终都会被转发到正确节点

具体搭建流程参考课前资料《Redis集群.md》：
在这里插入图片描述
文章链接：

4.2.散列插槽 【重要】

4.2.1.插槽原理

  Redis会把每一个master节点映射到0~16383共16384个插槽（hash slot）上，查看集群信息时就能看到：
在这里插入图片描述
  数据key不是与节点绑定，而是与插槽绑定【数据跟着插槽走，永远都能够找到数据的位置】。redis会根据key的有效部分计算插槽值，分两种情况：

  • key中包含"{}"，且“{}”中至少包含1个字符，“{}”中的部分是有效部分
  • key中不包含“{}”，整个key都是有效部分

  例如：key是num，那么就根据num计算，如果是{itcast}num，则根据itcast计算。计算方式是利用CRC16算法得到一个hash值，然后对16384取余，得到的结果就是slot值。
在这里插入图片描述
  如图，在7001这个节点执行set a 1时，对a做hash运算，对16384取余，得到的结果是15495，因此要存储到7003节点。

  到了7003后，执行get num时，对num做hash运算，对16384取余，得到的结果是2765，因此需要切换到7001节点

4.2.2.测试

尝试连接7001节点，存储一个数据：

# 连接
redis-cli -p 7001
# 存储数据
set num 123
# 读取数据
get num
# 再次存储
set a 1

结果悲剧了：
在这里插入图片描述
集群操作时，需要给redis-cli加上-c参数才可以：

redis-cli -c -p 7001

这次可以了：
在这里插入图片描述

4.2.3.小结

Redis如何判断某个key应该在哪个实例？

  • 将16384个插槽分配到不同的实例
  • 根据key的有效部分计算哈希值，对16384取余
  • 余数作为插槽，寻找插槽所在实例即可

如何将同一类数据固定的保存在同一个Redis实例？

  • 这一类数据使用相同的有效部分，例如key都以{typeId}为前缀

4.3.集群伸缩 【重要】

redis-cli --cluster提供了很多操作集群的命令，可以通过下面方式查看：
在这里插入图片描述
比如，添加节点的命令：
在这里插入图片描述

4.3.1.需求分析

需求：向集群中添加一个新的master节点，并向其中存储 num = 10

  • 启动一个新的redis实例，端口为7004
  • 添加7004到之前的集群，并作为一个master节点
  • 给7004节点分配插槽，使得num这个key可以存储到7004实例

这里需要两个新的功能：

  • 添加一个节点到集群中
  • 将部分插槽分配到新插槽

4.3.2.创建新的redis实例 【重】

创建一个文件夹：

mkdir 7004

拷贝配置文件：

cp redis.conf /7004

修改配置文件：

sed -i /s/6379/7004/g 7004/redis.conf

启动

redis-server 7004/redis.conf

查看节点：

ps -ef | grep redis

4.3.3.添加新节点到redis 【重】

添加节点的语法如下：
在这里插入图片描述
执行命令：

# 192.168.150.101:7004是新添加的7004的ip和端口；
# 192.168.150.101:7001是集群中已经存在的ip和端口
redis-cli --cluster add-node  192.168.150.101:7004 192.168.150.101:7001

通过命令查看集群状态：

redis-cli -p 7001 cluster nodes

如图，7004加入了集群，并且默认是一个master节点：
在这里插入图片描述

但是，可以看到7004节点的插槽数量为0，因此没有任何数据可以存储到7004上

4.3.4.转移插槽 【重】

我们要将num存储到7004节点，因此需要先看看num的插槽是多少：
在这里插入图片描述
如上图所示，num的插槽为2765.

我们可以将0~3000的插槽从7001转移到7004，命令格式如下：
在这里插入图片描述

具体命令如下：
建立连接：
在这里插入图片描述
得到下面的反馈：
在这里插入图片描述

询问要移动多少个插槽，我们计划是3000个：
新的问题来了：
在这里插入图片描述
那个node来接收这些插槽？？

显然是7004，那么7004节点的id是多少呢？
在这里插入图片描述
复制这个id，然后拷贝到刚才的控制台后：
在这里插入图片描述
这里询问，你的插槽是从哪里移动过来的？

  • all：代表全部，也就是三个节点各转移一部分
  • 具体的id：目标节点的id
  • done：没有了

这里我们要从7001获取，因此填写7001的id：
在这里插入图片描述
填完后，点击done，这样插槽转移就准备好了：
在这里插入图片描述
确认要转移吗？输入yes：
然后，通过命令查看结果：
在这里插入图片描述
可以看到：
在这里插入图片描述
目的达成。

4.4.故障转移 【重要】

集群初识状态是这样的：
在这里插入图片描述
其中7001、7002、7003都是master，我们计划让7002宕机。

4.4.1.自动故障转移

当集群中有一个master宕机会发生什么呢？
直接停止一个redis实例，例如7002：

redis-cli -p 7002 shutdown

1）首先是该实例与其它实例失去连接

2）然后是疑似宕机：
在这里插入图片描述
3）最后是确定下线，自动提升一个slave为新的master：
在这里插入图片描述
4）当7002再次启动，就会变为一个slave节点了：
在这里插入图片描述

4.4.2.手动故障转移

&  利用cluster failover命令可以手动让集群中的某个master宕机，切换到执行cluster failover命令的这个slave节点，实现无感知的数据迁移。其流程如下：
在这里插入图片描述

这种failover命令可以指定三种模式：

  • 缺省：默认的流程，如图1~6歩【推荐】
  • force：省略了对offset的一致性校验
  • takeover：直接执行第5歩，忽略数据一致性、忽略master状态和其它master的意见

案例需求：在7002这个slave节点执行手动故障转移，重新夺回master地位

步骤如下：

  • 1）利用redis-cli连接7002这个节点
  • 2）执行cluster failover命令

如图：
在这里插入图片描述
效果：
在这里插入图片描述

4.5.RedisTemplate访问分片集群 【重要】

RedisTemplate底层同样基于lettuce实现了分片集群的支持，而使用的步骤与哨兵模式基本一致：
1）引入redis的starter依赖

<dependency>
    <groupId>org.springframework.boot</groupId>
    <artifactId>spring-boot-starter-data-redis</artifactId>
</dependency>

2）配置分片集群地址
与哨兵模式相比，其中只有分片集群的配置方式略有差异，如下：

spring:
  redis:
    cluster:
      nodes:
        - 192.168.150.101:7001
        - 192.168.150.101:7002
        - 192.168.150.101:7003
        - 192.168.150.101:8001
        - 192.168.150.101:8002
        - 192.168.150.101:8003

3）配置读写分离

4.5.1.配置读写分离：

可在任意一个配置类中进行配置：
在项目的启动类中，添加一个新的bean：

@Bean
public LettuceClientConfigurationBuilderCustomizer clientConfigurationBuilderCustomizer(){
    return clientConfigurationBuilder -> clientConfigurationBuilder.readFrom(ReadFrom.REPLICA_PREFERRED);
}

或者
在这里插入图片描述
这个bean中配置的就是读写策略，包括四种：

  • MASTER：从主节点读取
  • MASTER_PREFERRED：优先从master节点读取，master不可用才读取replica
  • REPLICA：从slave（replica）节点读取
  • REPLICA _PREFERRED（推荐）：优先从slave（replica）节点读取，所有的slave都不可用才读取master

启动项目：
浏览器就可以进行Redis的读写了，并且还有故障检测恢复，因为有哨兵；
localhost:8080/get/num
localhost:8080/set/num/666

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.coloradmin.cn/o/375867.html

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈，一经查实，立即删除！

相关文章

搜广推 WideDeep 与 DeepCrossNetwork (DCN) - 记忆+泛化共存

搜广推 WideDeep 与 DeepCrossNetwork (DCN) - 记忆+泛化共存

😄 这节来讲讲Wide&Deep与Deep&CrossNetwork (DCN)。从下图可看出WD非常重要，后面衍生出了一堆WD的变体。本节要讲的WD和DCN结构都非常简单，但其设计思想值得学习。 🚀 wide&deep：2016年，谷歌提出。 🚀 Deep&CrossNetwork (DCN)：2017年，谷歌和斯坦…
阅读更多...
刷题小抄1-2数之和

刷题小抄1-2数之和

时间复杂度和空间复杂度 对于一个算法高效性的评估,分为时间复杂度与空间复杂度两种,在算法优化到极致的情况下,只能舍弃时间来换取空间,或者舍弃空间来换取时间,故而两者可以说是互斥关系 时间复杂度衡量的是算法运行的速度,而空间复杂度衡量的是算法运行所需要的额外内存空…
阅读更多...
【Ap AutoSAR入门与实战开发03】-【Ap_s2s模块02】：到底什么是基于信号，什么是基于服务，两者的主要区别是什么？

【Ap AutoSAR入门与实战开发03】-【Ap_s2s模块02】：到底什么是基于信号，什么是基于服务，两者的主要区别是什么？

总目录链接==>> AutoSAR入门和实战系列总目录 文章目录 1 基于信号的通信2 基于服务的通信3 面向服务设计举例在【Ap_s2s模块01】中我们大概讲述了，为什么要有s2s模块，并且简单的阐述了基于信号的通信和基于SOME/IP的服务的通信，我们接下来详细分析一下这两个概念。…
阅读更多...
Torch单独层赋值

Torch单独层赋值

20230227 - 引言 对于torch中的权值初始化方式&#xff0c;以往都是采用默认的方式&#xff0c;或者利用初始化库里面的函数。但是如果想尝试一些自己的想法&#xff0c;那就必须自己来填充这部分数据&#xff0c;例如看到的内容&#xff0c;利用PCA的公式来对权值进行填充。…
阅读更多...
CSGO社区服务器搭建架设服务器配置以及环境准备

CSGO社区服务器搭建架设服务器配置以及环境准备

CSGO社区服务器搭建架设服务器配置以及环境准备 CSGO作为一款射击动作游戏还原场景真实性广受大批玩家的热爱&#xff0c;很多小伙伴也有想过自己搭建的话需要知道那些东西。 我是艾西&#xff0c;今天跟大家聊聊搭建架设前我们需要知道的事情&#xff1a; Windows&#xff1…
阅读更多...
【谷歌grc】recaptcha browser-error 错误

【谷歌grc】recaptcha browser-error 错误

grc 谷歌人机验证错误 https://www.google.com/recaptcha/api/siteverif 返回错误信息 browser-error [{"success": false,"error-codes": ["browser-error"] }]之前都是调通能用的&#xff0c;突然之间就不能用了&#xff0c;查了半天也没有找…
阅读更多...
前端实现压缩图片的功能（vue-element）

前端实现压缩图片的功能（vue-element）

前言&#xff1a; 随着现在手机像素&#xff0c;拍照功能越来越好&#xff0c;随之而来的是本地图片越来越大&#xff0c;那么如何更好的将本地图片上传到后端接口呢&#xff1f;这是后台管理系统常见的场景和头疼的问题&#xff0c;这里分享下个人的方法。 实现效果&#xff…
阅读更多...
java多线程（八）线程等待与线程唤醒2

java多线程（八）线程等待与线程唤醒2

三、wait(long timeout)和notify() wait(long timeout)会让当前线程处于“等待(阻塞)状态”&#xff0c;“直到其他线程调用此对象的 notify() 方法或 notifyAll() 方法&#xff0c;或者超过指定的时间量”&#xff0c;当前线程被唤醒(进入“就绪状态”)。 下面的示例就是演示…
阅读更多...
入职数据分析公认的好书|建议收藏

入职数据分析公认的好书|建议收藏

众所周知&#xff0c;数据分析经常出现在我们的日常生活中&#xff0c;各行各业都需要数据分析。可你知道什么是数据分析&#xff1f;它在企业里到底扮演什么角色&#xff1f;以及如果我们自己也想拥有数据分析的能力&#xff0c;以便更好的满足数据分析的需求&#xff0c;我们…
阅读更多...
系列六、存储引擎

系列六、存储引擎

一、存储引擎介绍 大家可能没有听说过存储引擎&#xff0c;但是一定听过引擎这个词&#xff0c;引擎就是发动机&#xff0c;是一个机器的核心组件。 比如&#xff0c;对于舰载机、直升机、火箭来说&#xff0c;他们都有各自的引擎&#xff0c;是他们最为核心的组件。而我们在选…
阅读更多...
vue脚手架多页自动化生成实践

vue脚手架多页自动化生成实践

前言 在前端开发过程中&#xff0c;常常面对多种业务场景。到目前为止&#xff0c;前端对于不同场景的处理通常会采用不同的渲染方案来组合处理&#xff0c;常见的渲染方案包括&#xff1a;CSR(Client Side Rendering)、SSR(Server Side Rendering)、SSG(Static Site Generati…
阅读更多...
2023年房地产行业研究报告

2023年房地产行业研究报告

第一章 行业发展概况 房地产业是指以土地和建筑物为经营对象&#xff0c;从事房地产开发、建设、经营、管理以及维修、装饰和服务的集多种经济活动为一体的综合性产业&#xff0c;是具有先导性、基础性、带动性和风险性的产业。主要包括&#xff1a;土地开发&#xff0c;房屋的…
阅读更多...
Vue3 -- PDF展示、添加签名（带笔锋）、导出

Vue3 -- PDF展示、添加签名（带笔锋）、导出

文章目录笔锋签名方案一实现要点实现过程组件引用页面元素添加引用实现代码效果展示缺点方案二修改页面元素替换引用修改代码效果展示完整代码地址实现功能的时候采用了两个方案&#xff0c;主要是第一个方案最后的实现效果并不太理想&#xff0c;但实现起来比较简单&#xff0…
阅读更多...
JavaScript手写题

JavaScript手写题

一、防抖 function debounce(fn, delay200) {let timeout null; // 定时器控制return function(...args) {if (timeout) { // 定时器存在&#xff0c;表示某个动作之前触发过了clearTimeout(timeout); // 清除定时器timeout null;} else {// 对第一次输入立即执行fn.apply…
阅读更多...
【Leetcode 剑指Offer】第 5 天 查找算法（中等）

【Leetcode 剑指Offer】第 5 天 查找算法（中等）

查找算法剑指 Offer 04. 二维数组中的查找剑指 Offer 11. 旋转数组的最小数字剑指 Offer 50. 第一个只出现一次的字符Python字典基础哈希表&#xff08;python中是dict()&#xff09;有序哈希表第一个中等&#xff0c;后两个简单题。剑指 Offer 04. 二维数组中的查找 题&#…
阅读更多...
Node.js的研究和应用

Node.js的研究和应用

首先我们要知道什么是node.js? Node.js采用谷歌的V8引擎&#xff0c;是一个服务器端的、非阻断式I/O的、事件驱动的 JavaScript运行环境。 一、Node.js架构具体包含什么呢&#xff1f;咱们从一个图来看看会更加明白。 natives modules&#xff1a; 1.当前层内容由js实现 。…
阅读更多...
不使用implements关键字实现实现类（类似于mapper）

不使用implements关键字实现实现类（类似于mapper）

首先&#xff0c;说明一下功能需求&#xff0c;平时定义一个接口&#xff0c;就要使用implements关键字来实现接口。那么&#xff0c;当不使用此关键字的时候&#xff0c;是否也能使相关接口也能够绑定实现类呢&#xff1f; 答案是肯定的。 此篇文章的主要功能有两个&#xf…
阅读更多...
知识类问答数据集资源对外开放：百万级百度知道、社区问答及六大领域级小规模语料概述

知识类问答数据集资源对外开放：百万级百度知道、社区问答及六大领域级小规模语料概述

随着chatgpt的火热&#xff0c;中文知识类问答数据集由收到诸多关注&#xff0c;其作为高质量的QA数据&#xff0c;可以用于SFT阶段以及pretrain预训练阶段。 本文主要介绍目前开源可下载的两个较大规模的知识类数据集&#xff0c;包括147万百度知道知识类数据集、425万社区问…
阅读更多...
IOS逆向前期环境准备笔记

IOS逆向前期环境准备笔记

ios系统由于效验问题&#xff0c;只能升级不能降级&#xff0c;需要特别注意&#xff0c; 刷系统可以在爱思上搞定&#xff1b; 越狱推荐使用u盘镜像及本地启动盘制作&#xff1a; 注意&#xff0c;要进去bios,关闭安全启动&#xff0c;不然直接失败&#xff1a; Checkra1n镜…
阅读更多...
linux升级gcc版本详细教程

linux升级gcc版本详细教程

0.前言一般linux操作系统默认的gcc版本都比较低&#xff0c;例如centos7系统默认的gcc版本为4.8.5。gcc是从4.7版本开始支持C11的&#xff0c;4.8版本对C11新特性的编译支持还不够完善&#xff0c;因此如果需要更好的体验C11以及以上版本的新特性&#xff0c;需要升级gcc到一个…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023