Redis分布式那些事儿，性能提升其实没那么难理解

综合自网络技术博客、开发者社区讨论及Redis官方文档的通俗化解读）

Redis这个东西，很多人都用过，它特别快，像闪电一样，所以大家喜欢用它来存一些经常要访问的数据，减轻数据库的压力，当你的用户越来越多，数据量越来越大，一台Redis服务器可能就顶不住了，这时候，你就需要用到“分布式”的概念了。

分布式到底是什么？简单说就是“人多力量大”

你别把“分布式”想得太复杂，它其实就是一台机器干不完的活，找几台机器来一起干，就像一家小店，开始只有老板一个人，又当收银又当服务员，忙不过来，后来生意好了，他就雇了几个伙计，有人专门点单，有人专门上菜，有人专门收钱，效率一下子就上去了，Redis分布式也是这个道理，目的就是把数据和访问压力分散到多台机器（节点）上。

具体怎么分散呢？主要有两种大家最常听到的办法：主从复制和分片。

第一种办法：主从复制——找个备胎，还能帮忙读数据

这个方法特别像“师徒制”，你指定一台Redis服务器当“大师傅”（主节点），它负责最主要的工作——写数据，你可以给它配好几个“小徒弟”（从节点），这些小徒弟会实时地、一字不差地把大师傅写的数据复制到自己这里来。

这样做有几个天大的好处：

1. 数据备份了：万一大师傅这台机器突然宕机了，小徒弟们手里有完整的数据，可以立刻顶上去一个成为新的大师傅，保证服务不中断,这叫高可用。
2. 读操作更快了：原来所有读和写的请求都压在大师傅一个人身上，现在好了，读数据的活儿可以分给小徒弟们去做，比如你的网站有大量用户只是浏览商品（读操作），就让小徒弟们来服务，大师傅专心处理下单、付款这些写操作，这样分工合作,整个系统的处理能力就强多了。

主从复制主要解决了“读”的压力和数据安全备份的问题，但它有个局限：所有要“写”的数据，最终还是得落到那一台大师傅服务器上，如果写操作特别特别多,大师傅还是会累垮。

第二种办法：分片——把大数据拆成小数据，分给不同机器

当数据量太大，一台机器的内存根本装不下，或者写操作多到一台机器处理不过来的时候，就得用上更厉害的一招——分片。

分片是什么意思呢？想象一下，你有一个超大的图书馆，所有书都堆在一个房间里，找起来非常慢，现在你买了三栋楼，你决定：作者姓氏以A-M开头的书放在一号楼，N-Z开头的放在二号楼，杂志报刊放在三号楼，这样，别人来找书，你先看他找什么书，根据规则判断该去几号楼，然后分别去不同的楼里找,速度就快多了。

Redis分片也是这么干的，你把一个巨大的Redis数据库，按照一定的规则（比如对key进行某种计算），拆分成很多个小部分，每一部分数据存放在不同的Redis服务器上，客户端要存取一个数据时，会先根据这个规则算一下这个数据应该在哪台服务器上,然后直接去那台服务器操作。

这样一来：

1. 存储空间变大了：三台机器的内存加起来，肯定比一台机器大,能存更多数据。
2. 处理和写的压力分散了：写操作也被分摊到了不同的机器上,不会再有一台机器承受所有压力。

现在市面上有很多现成的工具帮你实现分片，比如Redis Cluster（Redis官方出的集群方案），或者像Codis这样的第三方代理，它们帮你把复杂的分配规则和管理工作都做好了,你用起来感觉还是很简单的。

性能提升其实就这么简单

回过头来看，Redis分布式带来的性能提升,核心思想一点也不难懂：

• 主从复制是通过“复制”来分担读压力和提高可靠性,相当于给主力找了帮手和备份。
• 分片是通过“拆分”来分担写压力和存储压力,相当于把一项大工程分包给几个施工队同时干。

在实际应用中，这两种技术常常是结合使用的，在一个分片集群里，每个分片本身又可以是一主多从的结构，这样既解决了大数据量的问题,又保证了每个分片内部的高可用性。

别被“分布式”这个词吓到，它的本质就是利用多台机器协同工作，把集中在一处的压力和风险分散开，只要你理解了“分工合作”这个最基本的道理，Redis乃至其他技术的分布式原理,也就没那么神秘了。