大家好，我是 Redis，一个叫 Antirez 的男人把我带到了这个世界上......
说起我的诞生，跟关系数据库 MySQL 还挺有渊源的。
在我还没来到这个世界上的时候，MySQL 过的很辛苦，互联网发展的越来越快，它容纳的数据也越来越多，用户请求也随之暴涨，而每一个用户请求都变成了对它的一个又一个读写操作，MySQL 是苦不堪言。
尤其是到“双 11”、“618“这种全民购物狂欢的日子，都是 MySQL 受苦受难的日子。
据后来 MySQL 告诉我说，其实有一大半的用户请求都是读操作，而且经常都是重复查询一个东西，浪费它很多时间去进行磁盘 I/O。
后来有人就琢磨，是不是可以学学 CPU，给数据库也加一个缓存呢？于是我就诞生了！
出生不久，我就和 MySQL 成为了好朋友，我们俩常常携手出现在后端服务器中。
应用程序们从 MySQL 查询到的数据，在我这里登记一下，后面再需要用到的时候，就先找我要，我这里没有再找 MySQL 要。
为了方便使用，我支持好几种数据结构的存储：
String
Hash
List
Set
SortedSet
Bitmap
······
因为我把登记的数据都记录在内存中，不用去执行慢如蜗牛的 I/O 操作，所以找我要比找 MySQL 要省去了不少的时间呢。
可别小瞧这简单的一个改变，我可为 MySQL 减轻了不小的负担！随着程序的运行，我缓存的数据越来越多，有相当部分时间我都给它挡住了用户请求，这一下它可乐得清闲自在了！
有了我的加入，网络服务的性能提升了不少，这都归功于我为数据库挨了不少枪子儿。
不过很快我发现事情不妙了，我缓存的数据都是在内存中，可是就算是在服务器上，内存的空间资源还是很有限的，不能无节制的这么存下去，我得想个办法，不然吃枣药丸。
不久，我想到了一个办法：给缓存内容设置一个超时时间，具体设置多长交给应用程序们去设置，我要做的就是把过期了的内容从我里面删除掉，及时腾出空间就行了。
超时时间有了，我该在什么时候去干这个清理的活呢？最简单的就是定期删除，我决定 100ms 就做一次，一秒钟就是 10 次！
我清理的时候也不能一口气把所有过期的都给删除掉，我这里面存了大量的数据，要全面扫一遍的话那不知道要花多久时间，会严重影响我接待新的客户请求的！
时间紧任务重，我只好随机选择一部分来清理，能缓解内存压力就行了。
就这样过了一段日子，我发现有些个键值运气比较好，每次都没有被我的随机算法选中，每次都能幸免于难，这可不行，这些长时间过期的数据一直霸占着不少的内存空间！气抖冷！
我眼里可揉不得沙子！于是在原来定期删除的基础上，又加了一招：那些原来逃脱我随机选择算法的键值，一旦遇到查询请求，被我发现已经超期了，那我就绝不客气，立即删除。
这种方式因为是被动式触发的，不查询就不会发生，所以也叫惰性删除！
可是，还是有部分键值，既逃脱了我的随机选择算法，又一直没有被查询，导致它们一直逍遥法外！而于此同时，可以使用的内存空间却越来越少。
而且就算退一步讲，我能够把过期的数据都删除掉，那万一过期时间设置的很长，还没等到我去清理，内存就吃满了，一样要吃枣药丸，所以我还得想个办法。
我苦思良久，终于憋出了个大招：内存淘汰策略，这一次我要彻底解决问题！
我提供了 8 种策略供应用程序选择，用于我遇到内存不足时该如何决策：
noeviction：返回错误，不会删除任何键值。
allkeys-lru：使用 LRU 算法删除最近最少使用的键值。
volatile-lru：使用 LRU 算法从设置了过期时间的键集合中删除最近最少使用的键值。
allkeys-random：从所有 key 随机删除。
volatile-random：从设置了过期时间的键的集合中随机删除。
volatile-ttl：从设置了过期时间的键中删除剩余时间最短的键。
volatile-lfu：从配置了过期时间的键中删除使用频率最少的键。
allkeys-lfu：从所有键中删除使用频率最少的键。
有了上面几套组合拳，我再也不用担心过期数据多了把空间撑满的问题了~
我的日子过的还挺舒坦，不过 MySQL 大哥就没我这么舒坦了，有时候遇到些烦人的请求，查询的数据不存在，MySQL 就要白忙活一场！
不仅如此，因为不存在，我也没法缓存啊，导致同样的请求来了每次都要去让 MySQL 白忙活一场。
我作为缓存的价值就没得到体现啦！这就是人们常说的缓存穿透。
这一来二去，MySQL 大哥忍不住了：“唉，兄弟，能不能帮忙想个办法，把那些明知道不会有结果的查询请求给我挡一下”。
我这位朋友别的本事没有，就擅长从超大的数据集中快速告诉你查找的数据存不存在（悄悄告诉你，我的这位朋友有一点不靠谱，它告诉你存在的话不能全信，其实有可能是不存在的，不过它他要是告诉你不存在的话，那就一定不存在）。
我把这位朋友介绍给了应用程序，不存在的数据就不必去叨扰 MySQL 了，轻松帮忙解决了缓存穿透的问题。
这之后过了一段时间太平日子，直到那一天···
有一次，MySQL 那家伙正优哉游哉的摸鱼，突然一大堆请求给他怼了过去，给他打了一个措手不及。
一阵忙活之后，MySQL 怒气冲冲的找到了我，“兄弟，咋回事啊，怎么一下子来的这么猛”。
我查看了日志，赶紧解释到：“大哥，实在不好意思，刚刚有一个热点数据到了过期时间，被我删掉了，不巧的是随后就有对这个数据的大量查询请求来了，我这里已经删了，所以请求都发到你那里来了”。
“你这干的叫啥事，下次注意点啊”，MySQL 大哥一脸不高兴的离开了。
这一件小事我也没怎么放在心上，随后就抛之脑后了，却没曾想几天之后竟捅了更大的篓子。
那一天，又出现了大量的网络请求发到了 MySQL 那边，比上一次的规模大得多，MySQL 大哥一会儿功夫就给干趴下了好几次！
等了好半天这一波流量才算过去，MySQL 才缓过神来。
“老弟，这一次又是什么原因？”，MySQL 大哥累的没了力气。
“这一次比上一次更不巧，这一次是一大批数据几乎同时过了有效期，然后又发生了很多对这些数据的请求，所以比起上一次这规模更大了”。
MySQL 大哥听了眉头一皱，“那你倒是想个办法啊，三天两头折磨我，这谁顶得住啊？”
“其实我也很无奈，这个时间也不是我设置的，要不我去找应用程序说说，让他把缓存过期时间设置的均匀一些？至少别让大量数据集体失效”。
“走，咱俩一起去”。
后来，我俩去找应用程序商量了，不仅把键值的过期时间随机了一下，还设置了热点数据永不过期，这个问题缓解了不少。哦对了，我们还把这两次发生的问题分别取了个名字：缓存击穿和缓存雪崩。
我们终于又过上了舒适的日子···
彩蛋：那天，我正在努力工作中，不小心出了错，整个进程都崩溃了。当我再次启动后，之前缓存的数据全都没了，暴风雨似的请求再一次全都怼到了 MySQL 大哥那里。唉，要是我能够记住崩溃前缓存的内容就好了...
“快醒醒！快醒醒！”，隐隐约约，我听到有人在叫我。
慢慢睁开眼睛，原来旁边是 MySQL 大哥。
“我怎么睡着了？”
“嗨，你刚才是不是出现了错误，整个进程都崩溃了！害得一大堆查询请求都给我怼过来了！”，MySQL 说到。
刚刚醒来，脑子还有点懵，MySQL 大哥扶我起来继续工作。
“糟了！我之前缓存的数据全都不见了！”
“WTF？你没有做持久化吗？”，MySQL 大哥一听脸色都变了。
我尴尬的摇了摇头，“我都是保存在内存中的，所以才那么快啊”。
“那也可以在硬盘上保存一下啊，遇到这种情况全部从头再来建立缓存，这不浪费时间嘛！”
我点了点头，“让我琢磨一下，看看怎么做这个持久化”。
没几天，我就拿出了一套方案：RDB。
既然我的数据都在内存中存放着，最简单的就是遍历一遍把它们全都写入文件中。
为了节约空间，我定义了一个二进制的格式，把数据一条一条码在一起，生成了一个 RDB 文件。
不过我的数据量有点大，要是全部备份一次得花不少时间，所以不能太频繁的去做这事，要不然我不用干正事了，光花时间去备份了。
还有啊，要是一直没有写入操作，都是读取操作，那我也不用重复备份，浪费时间。
思来想去，我决定提供一个配置参数，既可以支持周期性备份，也可以避免做无用功。
就像这样：
save 900 1 # 900秒（15分钟）内有1个写入
save 300 10 # 300秒（5分钟）内有10个写入
save 60 10000 # 60秒（1分钟）内有10000个写入
多个条件可以组合使用，只要上面一个条件满足，我就会去进行备份。
后来我又想了一下，这样还是不行，我得 fork 出一个子进程去做这件事，不能浪费我的时间。
有了备份文件，下次我再遇到崩溃退出，甚至服务器断电罢工了，只要我的备份文件还在，我就能在启动的时候读取，快速恢复之前的状态啦！我带着这套方案，兴冲冲的拿给了 MySQL 大哥看了，期待他给我一些鼓励。
“老弟，你这个方案有点问题啊”，没想到，他竟给我浇了一盆冷水。
“问题？有什么问题？”
“你看啊，你这个周期性去备份，周期还是分钟级别的，你可知道咱们这服务每秒钟都要响应多少请求，像你这样不得丢失多少数据？”，MySQL 语重心长的说到。
我一下有些气短了，“可是，这个备份一次要遍历全部数据，开销还是挺大的，不适合高频执行啊”。
“谁叫你一次遍历全部数据了？来来来，我给你看个东西”，MySQL 大哥把我带到了一个文件目录下：
mysql-bin.000001
mysql-bin.000002
mysql-bin.000003
···
“看，这些是我的二进制日志 binlog，你猜猜看里面都装了些什么？”，MySQL 大哥指着这一堆文件说到。
我看了一眼，全是一堆二进制数据，这哪看得懂，我摇了摇头。
“这里面呀记录了我对数据执行更改的所有操作，像是 INSERT，UPDATE、DELETE 等等动作，等我要进行数据恢复的时候就可以派上大用场了”！
听他这么一说，我一下来了灵感！告别了 MySQL 大哥，回去研究起新的方案来了。
你们也知道，我也是基于命令式的，每天的工作就是响应业务程序发来的命令请求。
回来以后，我决定照葫芦画瓢，学着 MySQL 大哥的样子，把我执行的所有写入命令都记录下来，专门写入了一个文件，并给这种持久化方式也取了一个名字：AOF（Append Only File）。
不过我遇到了 RDB 方案同样的问题，我该多久写一次文件呢？
我肯定不能每执行一条写入命令就记录到文件中，那会严重拖垮我的性能！我决定准备一个缓冲区，然后把要记录的命令先临时保存在这里，然后再择机写入文件，我把这个临时缓冲区叫做 aof_buf。
说干就干，我试了一下，竟然发现数据没有写入到文件中去。多方打听才知道，原来操作系统也有个缓存区，我写的数据被他缓存起来了，没有给我写入到文件中去，这不是坑爹呢嘛！
看来，我写完了还得要去刷新一下，把数据真正给写下去，思来想去，我还是提供一个参数，让业务程序去设置什么时候刷新吧。
appendfsync 参数，三个取值：
这一次我不像之前那么冲动，我决定先试运行一段时间再去告诉 MySQL 大哥，免得又被他戳到软肋。
试用了一段时间，各方面都运行良好，不过我发现随着时间的推移，我写的这个 AOF 备份文件越来越大，越来越大！不仅非常占硬盘空间，复制移动，加载分析都非常的麻烦耗时。
我得想个办法把文件给压缩一下，我把这个过程叫做 AOF 重写。
一开始，我打算去分析原来的 AOF 文件，然后将其中的冗余指令去掉，来给 AOF 文件瘦瘦身，不过我很快放弃了这个想法，这工作量实在太大了，分析起来也颇为麻烦，浪费很多精力跟时间。
原来的一条条记录这种方式实在是太笨了，数据改来改去，有很多中间状态都没用，我何不就把最终都数据状态记录下来就好了？
比如：
RPUSH name_list 'A'
RPUSH name_list 'B'
RPUSH name_list 'C'
可以合并成一条搞定：RPUSH name_list 'A' 'B' 'C'.
AOF 文件重写的思路我是有了，不过这件事干起来还是很耗时间，我决定和 RDB 方式一样，fork 出一个子进程来做这件事情。
谨慎如我，发现这样做之后，子进程在重写期间，我要是修改了数据，就会出现和重写的内容不一致的情况！MySQL 大哥肯定会挑刺儿，我还得把这个漏洞给补上。
于是，我在之前的 aof_buf 之外，又准备了一个缓冲区：AOF 重写缓冲区。
从创建重写子进程开始的那一刻起，我把后面来的写入命令也 copy 一份写到这个重写缓冲区中，等到子进程重写 AOF 文件结束之后，我再把这个缓冲区中的命令写入到新的 AOF 文件中。
最后再重命名新的 AOF 文件，替换掉原来的那个臃肿不堪的大文件，终于大功告成！
再三确定我的思路没有问题之后，我带着新的方案再次找到了 MySQL 大哥，我都做到这份儿上了，这一次，想必他应该无话可说了吧？
MySQL 大哥看了我的方案露出了满意的笑容，只是问了一个问题：这 AOF 方案这么好了，RDB 方案是不是可以不要了呢？
万万没想到，他居然问我这个问题，我竟陷入了沉思，你觉得我该怎么回答好呢？
彩蛋：“你怎么又崩溃了？”，“不好意思，又遇到 Bug 了，不过不用担心，我现在可以快速恢复了！”。“那老崩溃也不是事儿啊，你只有一个实例太不可靠了，去找几个帮手吧！”
那天，Redis 基友群里，许久未见的大白发来了一条消息···
于是，大白拉了一个新的群：
以后的日子中，咱们哥仨相互配合，日常工作中最多的就是数据同步了。
如果主节点有数据写入、删除、修改命令，也会把这些命令挨个通知到从节点，我们把这叫做命令传播。
通过这样的方式，我们主节点与从节点之间数据就能保持同步了！有一次，我不小心掉线了～
我们用上了新的数据同步策略，效率高了不少，就算偶尔掉个线，也能很快把缺失的数据给补上。
就这样过了一段时间···
新添了人手，我们准备大干一场！
为了及时获得和更新主从节点的信息，咱们哨兵每隔十秒钟就要用 INFO 命令去问候一下主节点，主节点会告诉我他有哪些从节点！
为了更加及时知道大家是否掉线，咱们哨兵每隔一秒都要用 PING 命令问候一下群里的各个小伙伴：
如果在设置的时间里没有收到回复，我就知道这家伙多半是跪了，就该启动故障转移了。
不过这只是我的主观意见，光我一个人说了不算，为了防止误判，我还得去管理员小群里征求一下大家的意见：
接下来，咱们就开始了第一次选举。
经过一番努力，我终于完成了故障转移，现在 R2 是主节点了。
不过没过多久，R1 又回来了：
以上就是我们的日常工作了，通过咱们几个小伙伴的齐心协力，构成了一个高可用的缓存服务，MySQL 大哥再也不敢小瞧我们了。
作者：轩辕之风
编辑：陶家龙
出处：转载自公众号编程技术宇宙（ID：xuanyuancoding）
