让实习生搭个Redis集群，差点把我”搭“进去~~~

大家好呀，我是狂野君，从今天起，要开启我的日更模式，只要卷不死，就往死里卷

谁让我们踏上了技术这条不归路呢，简直停不下来

突然想起了《野子》的一句歌词，卷啊卷啊，我的骄傲放纵！！！

好了，说点正事儿吧

大家都知道，现在但凡是个系统，都是分布式、微服务这一套东西，动不动就是高并发、高可用、高性能之类的.

如果你还没不清楚 高并发、高可用、高性能这么时髦的词汇，那说明你的真的也该卷一卷了

Redis作为当代系统最著名的三高艺术家，对系统架构做出了卓越的贡献，必将被Java王国的人名永远铭记！！ 永远活在我们心中

所以，今天就给大家唠唠 Redis高可用方面的一些实用干货，主从复制、哨兵、集群Cluster、分片等等吧

太多了，说不完了，大家自己往下看吧

哦哦，对了，看完觉得有收获，记得给狂野君点个赞 收藏啊，这里先行谢过

江湖再见~~~

性能压测

Redis 的性能测试工具，目前主流使用的是 redis-benchmark

4.1. redis-benchmark

Redis 官方提供 redis-benchmark 的工具来模拟 N 个客户端同时发出 M 个请求,可以便捷对服务器进行读写性能压测

4.2. 语法

redis 性能测试的基本命令如下：

 redis-benchmark [option] [option value]

redis 性能测试工具可选参数如下所示：

序号	选项	描述	默认值
1	-h	指定服务器主机名	127.0.0.1
2	-p	指定服务器端口	6379
3	-s	指定服务器 socket
4	-c	指定并发连接数	50
5	-n	指定请求数	10000
6	-d	以字节的形式指定 SET/GET 值的数据大小	2
7	-k	1=keep alive 0=reconnect	1
8	-r	SET/GET/INCR 使用随机 key, SADD 使用随机值
9	-P	通过管道传输 请求	1
10	-q	强制退出 redis。仅显示 query/sec 值
11	--csv	以 CSV 格式输出
12	-l（L 的小写字母）	生成循环，永久执行测试
13	-t	仅运行以逗号分隔的测试命令列表。
14	-I（i 的大写字母）	Idle 模式。仅打开 N 个 idle 连接并等待。

4.3. 快速测试

 redis-benchmark

在安装 Redis 的服务器上，直接执行，不带任何参数，即可进行测试。测试结果如下：

 ====== PING_INLINE ======
   100000 requests completed in 1.18 seconds
   50 parallel clients
   3 bytes payload
   keep alive: 1
 100.00% <= 0 milliseconds
 84388.19 requests per second
 ====== PING_BULK ======
   100000 requests completed in 1.17 seconds
   50 parallel clients
   3 bytes payload
   keep alive: 1
 100.00% <= 0 milliseconds
 85106.38 requests per second
 ====== SET ======
   100000 requests completed in 1.18 seconds
   50 parallel clients
   3 bytes payload
   keep alive: 1
 99.95% <= 1 milliseconds
 99.95% <= 2 milliseconds
 99.95% <= 3 milliseconds
 100.00% <= 3 milliseconds
 85034.02 requests per second
 ====== GET ======
   100000 requests completed in 1.17 seconds
   50 parallel clients
   3 bytes payload
   keep alive: 1
 99.95% <= 1 milliseconds
 99.99% <= 2 milliseconds
 100.00% <= 2 milliseconds
 85106.38 requests per second
 ====== INCR ======
   100000 requests completed in 1.19 seconds
   50 parallel clients
   3 bytes payload
   keep alive: 1
 99.95% <= 2 milliseconds
 99.96% <= 3 milliseconds
 100.00% <= 3 milliseconds
 84317.03 requests per second
 ====== LPUSH ======
   100000 requests completed in 1.17 seconds
   50 parallel clients
   3 bytes payload
   keep alive: 1
 100.00% <= 0 milliseconds
 85763.29 requests per second
 ====== RPUSH ======
   100000 requests completed in 1.15 seconds
   50 parallel clients
   3 bytes payload
   keep alive: 1
 100.00% <= 0 milliseconds
 87260.03 requests per second
 ====== LPOP ======
   100000 requests completed in 1.17 seconds
   50 parallel clients
   3 bytes payload
   keep alive: 1
 100.00% <= 0 milliseconds
 85689.80 requests per second
 ====== RPOP ======
   100000 requests completed in 1.16 seconds
   50 parallel clients
   3 bytes payload
   keep alive: 1
 100.00% <= 0 milliseconds
 86281.27 requests per second
 ====== SADD ======
   100000 requests completed in 1.17 seconds
   50 parallel clients
   3 bytes payload
   keep alive: 1
 99.95% <= 2 milliseconds
 99.96% <= 3 milliseconds
 100.00% <= 3 milliseconds
 85106.38 requests per second
 ====== HSET ======
   100000 requests completed in 1.14 seconds
   50 parallel clients
   3 bytes payload
   keep alive: 1
 100.00% <= 0 milliseconds
 87719.30 requests per second
 ====== SPOP ======
   100000 requests completed in 1.16 seconds
   50 parallel clients
   3 bytes payload
   keep alive: 1
 100.00% <= 0 milliseconds
 85836.91 requests per second
 ====== LPUSH (needed to benchmark LRANGE) ======
   100000 requests completed in 1.15 seconds
   50 parallel clients
   3 bytes payload
   keep alive: 1
 99.92% <= 1 milliseconds
 100.00% <= 1 milliseconds
 86805.56 requests per second
 ====== LRANGE_100 (first 100 elements) ======
   100000 requests completed in 2.03 seconds
   50 parallel clients
   3 bytes payload
   keep alive: 1
 99.95% <= 1 milliseconds
 99.95% <= 2 milliseconds
 99.96% <= 3 milliseconds
 99.99% <= 4 milliseconds
 100.00% <= 4 milliseconds
 49261.09 requests per second
 ====== LRANGE_300 (first 300 elements) ======
   100000 requests completed in 4.58 seconds
   50 parallel clients
   3 bytes payload
   keep alive: 1
 6.06% <= 1 milliseconds
 99.78% <= 2 milliseconds
 99.94% <= 3 milliseconds
 99.98% <= 4 milliseconds
 100.00% <= 5 milliseconds
 100.00% <= 5 milliseconds
 21815.01 requests per second
 ====== LRANGE_500 (first 450 elements) ======
   100000 requests completed in 6.51 seconds
   50 parallel clients
   3 bytes payload
   keep alive: 1
 0.04% <= 1 milliseconds
 83.91% <= 2 milliseconds
 99.93% <= 3 milliseconds
 99.97% <= 4 milliseconds
 99.98% <= 5 milliseconds
 99.99% <= 6 milliseconds
 100.00% <= 7 milliseconds
 100.00% <= 7 milliseconds
 15372.79 requests per second
 ====== LRANGE_600 (first 600 elements) ======
   100000 requests completed in 8.66 seconds
   50 parallel clients
   3 bytes payload
   keep alive: 1
 0.03% <= 1 milliseconds
 62.47% <= 2 milliseconds
 98.11% <= 3 milliseconds
 99.86% <= 4 milliseconds
 99.94% <= 5 milliseconds
 99.97% <= 6 milliseconds
 99.98% <= 7 milliseconds
 100.00% <= 8 milliseconds
 100.00% <= 8 milliseconds
 11551.35 requests per second
 ====== MSET (10 keys) ======
   100000 requests completed in 1.11 seconds
   50 parallel clients
   3 bytes payload
   keep alive: 1
 99.95% <= 2 milliseconds
 99.96% <= 3 milliseconds
 100.00% <= 3 milliseconds
 90009.01 requests per second

基本可以看到，常用的 GET/SET/INCR 等命令，都在 8W+ QPS 以上

4.4. 精简测试

 redis-benchmark -t set,get,incr -n 1000000 -q

• 通过 -t 参数，设置仅仅测试 SET/GET/INCR 命令
• 通过 -n 参数，设置每个测试执行 1000000 次操作。
• 通过 -q 参数，设置精简输出结果。

执行结果如下：

 [root@iZuf6hci646px19gg3hpuwZ ~]# redis-benchmark -t set,get,incr -n 100000 -q
 SET: 85888.52 requests per second
 GET: 85881.14 requests per second
 INCR: 86722.75 requests per second
 ​
 #测试脚本性能
 redis-benchmark -q script load "redis.call('set','foo','bar')"

4.5 实战演练

看一个实际的案例，压测开启、关闭 aof下，redis的性能剖析

1）关掉auth认证，打开aof，策略为always，配置文件如下

 #redis.conf
 appendonly yes
 appendfsync always
 #requirepass abc   #关掉auth
 ​
 #kill旧进程，重启redis
 [root@iZ8vb3a9qxofwannyywl6zZ aof]# pwd
 /opt/redis/latest/aof
 [root@iZ8vb3a9qxofwannyywl6zZ aof]# ..src/redis-server redis.conf

2）压测aof下的性能，以get,set为测试案例，将结果记录下来，留做后面对比

 [root@iZ8vb3a9qxofwannyywl6zZ aof]# redis-server /usr/local/redis/redis.conf
 SET: 62274.25 requests per second, p50=0.687 msec
 GET: 88739.02 requests per second, p50=0.399 msec

3）将配置文件的appendonly改为no，关掉aof，重启redis，再来压测同样的指令

 [root@iZ8vb3a9qxofwannyywl6zZ aof]# ..redis-6.2.4/src/redis-benchmark -t set,get -n 1000000 -q
 SET: 91575.09 requests per second, p50=0.391 msec
 GET: 90950.43 requests per second, p50=0.391 msec

4）结果分析

• 对各种读取操作来说，性能差别不大：get、spop、队列的range等
• 对写操作影响比较大

5）参考价值

• 如果你的项目里对数据安全性要求较高，写少读多的场景，可以适当使用aof
• 如果追求极致的性能，只做缓存，容忍数据丢失，还是关掉aof

5. Redis高可用

5.1 主从复制

5.1.1 面临问题

Redis有两种不同的持久化方式，Redis服务器通过持久化，把Redis内存中持久化到硬盘当中，当Redis宕机时，我们重启Redis服务器时，可以由RDB文件或AOF文件恢复内存中的数据。

问题1：不过持久化后的数据仍然只在一台机器上，因此当硬件发生故障时，比如主板或CPU坏了，这时候无法重启服务器，有什么办法可以保证服务器发生故障时数据的安全性？或者可以快速恢复数据呢？

问题2：容量瓶颈

5.1.2 解决办法

针对这些问题，redis提供了复制(replication)的功能，通过"主从(一主多从)"和"集群(多主多从)"的方式对redis的服务进行水平扩展,用多台redis服务器共同构建一个高可用的redis服务系统。

5.1.3 主从复制

主从复制，是指将一台Redis服务器的数据，复制到其他的Redis服务器。前者称为主节点(master)，后者称为从节点(slave),数据的复制是单向的，只能由主节点到从节点。

5.1.4 常用策略

策略1 ：一主多从 主机(写)，从机(读)

策略2：薪火相传

5.1.5 主从复制原理

Redis的主从复制是异步复制，异步分为两个方面，一个是master服务器在将数据同步到slave时是异步的，因此master服务器在这里仍然可以接收其他请求，一个是slave在接收同步数据也是异步的。

复制方式

redis-cli -p 6379 info | grep run

• 全量复制

  master服务器会将自己的rdb文件发送给slave服务器进行数据同步，并记录同步期间的其他写入，再发送给slave服务器，以达到完全同步的目的，这种方式称为全量复制。

• 增量复制

  因为各种原因master服务器与slave服务器断开后，slave服务器在重新连上master服务器时会尝试重新获取断开后未同步的数据即部分同步，或者称为部分复制。

工作原理

master服务器会记录一个replicationId的伪随机字符串，用于标识当前的数据集版本，还会记录一个当数据集的偏移量offset，不管master是否有配置slave服务器，replication Id和offset会一直记录并成对存在，我们可以通过以下命令查看replication Id和offset：

 > info repliaction

通过redis-cli在master或slave服务器执行该命令会打印类似以下信息(不同服务器数据不同，打印信息不同)：

 connected_slaves:1
 slave0:ip=127.0.0.1,port=6380,state=online,offset=9472,lag=1
 master_replid:2cbd65f847c0acd608c69f93010dcaa6dd551cee
 master_repl_offset:9472

当master与slave正常连接时，slave使用PSYNC命令向master发送自己记录的旧master的replication id和offset，而master会计算与slave之间的数据偏移量，并将缓冲区中的偏移数量同步到slave，此时master和slave的数据一致。

而如果slave引用的replication太旧了，master与slave之间的数据差异太大，则master与slave之间会使用全量复制的进行数据同步。

5.1.6 配置主从复制

注：主从复制的开启，完全是在从节点发起的；不需要我们在主节点做任何事情。

从节点开启主从复制，有3种方式：

（1）配置文件：在从服务器的配置文件中加入：slaveof

（2）redis-server启动命令后加入 --slaveof

（3）Redis服务器启动后，直接通过客户端执行命令：slaveof ，则该Redis实例成为从节点

演示：

①、通过 info replication 命令查看三台节点角色

初始状态，三台节点都是master

②、设置主从关系，从节点执行命令：SLAVEOF 127.0.0.1 6379

再看主节点信息：

这里通过命令来设置主从关系，一旦服务重启，那么角色关系将不复存在。想要永久的保存这种关系，可以通过配置redis.conf 文件来配置。

 slaveof 127.0.0.1 6379

5.1.7 测试主从关系

①、增量复制

master 操作写入：

slave操作获取：

②、全量复制

　　通过执行 SLAVEOF 127.0.0.1 6379，如果主节点 6379 以前还存在一些 key，那么执行命令之后，从节点会将以前的信息也都复制过来

③、主从读写分离

尝试slave操作获取：

原因是在配置文件 6380redis.conf 中对于 slave-read-only 的配置

如果我们将其修改为 no 之后，执行写命令是可以的，但是从节点写命令的数据从节点或者主节点都不能获取的。

④、主节点宕机

　　主节点 Maste 挂掉，两个从节点角色会发生变化吗？

上图可知主节点 Master 挂掉之后，从节点角色还是不会改变的。

⑤、主节点宕机后恢复

主节点Master挂掉之后，马上启动主机Master，主节点扮演的角色还是 Master 吗？

也就是说主节点挂掉之后重启，又恢复了主节点的角色。

5.2 sentinel哨兵模式

通过前面的配置，主节点Master 只有一个，一旦主节点挂掉之后，从节点没法担起主节点的任务，那么整个系统也无法运行。

如果主节点挂掉之后，从节点能够自动变成主节点，那么问题就解决了，于是哨兵模式诞生了。

哨兵模式是一种特殊的模式，首先Redis提供了哨兵的命令，哨兵是一个独立的进程，作为进程，它会独立运行。其原理是哨兵通过发送命令，等待Redis服务器响应，从而监控运行的多个Redis实例。

哨兵模式搭建步骤：　

①、在配置文件目录下新建 sentinel.conf 文件，名字绝不能错，然后配置相应内容

 sentinel monitor 被监控机器的名字(自己起名字) ip地址 端口号 得票数

分别配置被监控的名字，ip地址，端口号，以及得票数。上面的得票数为1表示表示主机挂掉后salve投票看让谁接替成为主机，得票数大于1便成为主机

②、启动哨兵

 redis-sentinel /etc/redis/sentinel.conf

　接下来，我们干掉主机 6379，然后看从节点有啥变化。

干掉主节点之后，我们查看后台打印日志，发现 6380投票变为主节点

　PS：哨兵模式也存在单点故障问题，如果哨兵机器挂了，那么就无法进行监控了，解决办法是哨兵也建立集群，Redis哨兵模式是支持集群的。

6. Redis Cluster

引言

6.1主从 + 哨兵 问题分析

（1）在主从 + 哨兵模式中，仍然只有一个Master节点。当并发写请求较大时，哨兵模式并不能缓解写压力

（2） 在Redis Sentinel模式中，每个节点需要保存全量数据，冗余比较多

6.2 Cluster概念

从3.0版本之后，官方推出了Redis Cluster，它的主要用途是实现数据分片(Data Sharding)，不过同样可以实现HA，是官方当前推荐的方案。

• 1.Redis-Cluster采用无中心结构
• 2.只有当集群中的大多数节点同时fail整个集群才fail。
• 3.整个集群有16384个slot，当需要在 Redis 集群中放置一个 key-value 时，根据 CRC16(key) mod 16384的值，决定将一个key放到哪个桶中。读取一个key时也是相同的算法。
• 4.当主节点fail时从节点会升级为主节点，fail的主节点online之后自动变成了从节点

6.3 故障转移

Redis集群的主节点内置了类似Redis Sentinel的节点故障检测和自动故障转移功能，当集群中的某个主节点下线时，集群中的其他在线主节点会注意到这一点，并对已下线的主节点进行故障转移。

6.4 集群分片策略

Redis-cluster分片策略，是用来解决key存储位置的

常见的数据分布的方式：顺序分布、哈希分布、节点取余哈希、一致性哈希..

6.5 Redis 集群的数据分片

Redis 集群没有使用一致性hash, 而是引入了 哈希槽的概念.

预设虚拟槽，每个槽就相当于一个数字，有一定范围

Redis Cluster中预设虚拟槽的范围为0到16383

步骤：

• 1.把16384槽按照节点数量进行平均分配，由节点进行管理

• 2.对每个key按照CRC16规则进行hash运算

• 3.把hash结果对16383进行取余

• 4.把余数发送给Redis节点

• 5.节点接收到数据，验证是否在自己管理的槽编号的范围

  • 如果在自己管理的槽编号范围内，则把数据保存到数据槽中，然后返回执行结果
  • 如果在自己管理的槽编号范围外，则会把数据发送给正确的节点，由正确的节点来把数据保存在对应的槽中

需要注意的是：Redis Cluster的节点之间会共享消息，每个节点都会知道是哪个节点负责哪个范围内的数据槽

虚拟槽分布方式中，由于每个节点管理一部分数据槽，数据保存到数据槽中。当节点扩容或者缩容时，对数据槽进行重新分配迁移即可，数据不会丢失。

6.6 搭建Redis Cluster

步骤分析：

• 启动节点：将节点以集群方式启动，此时节点是独立的。
• 节点握手：将独立的节点连成网络。
• 槽指派：将16384个槽位分配给主节点，以达到分片保存数据库键值对的效果。
• 主从复制：为从节点指定主节点。

步骤实现

启动节点

（1）新建目录，并拷贝出6个节点的配置文件

mkdir redis-cluster
mkdir 900{1,2,3,4,5,6}

（2）将redis.conf，依次拷贝到每个900X目录内，并修改每个900X目录下的redis.conf配置文件：

以集群方式启动
# cluster-enabled yes      将前面的 # 去掉
集群节点nodes信息配置文件（是自动生成的）
 # cluster-config-file nodes-6379.conf    修改为    cluster-config-file "/usr/local/redis/cluster/nodes-9001.conf" # 对应各个端口

（3）启动6个Redis实例

查看进程：

节点握手&槽指派&主从复制

redis5.0使用redis-cli作为创建集群的命令，使用c语言实现，不再使用ruby语言。

1）有了实例后，搭建集群非常简单，使用redis-cli一行命令即可

#replicas表示副本数，如果指定1则表示1个从库做备用
redis-cli --cluster create 127.0.0.1:9001 127.0.0.1:9002 127.0.0.1:9003 --cluster-replicas 1

参数解释： –cluster-replicas 1：表示希望为集群中的每个主节点创建一个从节点(一主一从)。 –cluster-replicas 2：表示希望为集群中的每个主节点创建两个从节点(一主二从)。

2）备注：如果节点上有数据，可能会有错误提示：

[ERR] Node 127.0.0.1:8004 is not empty. Either the node already knows other nodes (check with CLUSTER NODES) or contains some key in database 0.

删除dump.rdb，nodes.conf，登录redis-cli，flushdb即可

3）如果没问题，将收到集群创建成功的消息：

>>> Nodes configuration updated
>>> Assign a different config epoch to each node
>>> Sending CLUSTER MEET messages to join the cluster
Waiting for the cluster to join
....
>>> Performing Cluster Check (using node 127.0.0.1:8081)
M: a085dd0366e08d4c03093ea24351ce4e12fcb69f 127.0.0.1:8081
   slots:[0-5460] (5461 slots) master
M: 843d8da882f78d3cb09b1eb837140aefba309e06 127.0.0.1:8082
   slots:[5461-10922] (5462 slots) master
M: 043d39422d93ef5c7c69e1c6cfb1557f655b5d72 127.0.0.1:8083
   slots:[10923-16383] (5461 slots) master
[OK] All nodes agree about slots configuration.
>>> Check for open slots...
>>> Check slots coverage...
[OK] All 16384 slots covered.

集群验证

用redis-cli在服务器上set多个值，比如czbk，分别在不同的实例上，分片成功！

1）cluster命令验证

#使用redis-cli登录任意节点，使用cluster nodes可以查看集群信息
127.0.0.1:9001> cluster nodes
39c613372129fe80fe93b6fb3070f9562c315a59 127.0.0.1:9001@18082 master - 0 1615193645000 2 connected 5461-10922
725c09c568cb4010afe84d5cb4672fff5a248879 127.0.0.1:9002@18083 master - 0 1615193645976 3 connected 10923-16383
9fad54e90628814c1b2a5b57c2ad22b92f0f7b05 127.0.0.1:9003@18081 myself,master - 0 1615193644000 1 connected 0-5460

2）使用key值和数据验证

#注意，redis-cli参数：
# -c ： 自动重定向到对应节点获取信息，如果不加，只会返回重定向信息，不会得到值

#不加 -c
[root@ src]# redis-cli -p 9001
127.0.0.1:9001> set a a
(error) MOVED 15495 127.0.0.1:8083

#加上 -c
[root@ src]# redis-cli -p 9001 -c
127.0.0.1:9001> set a a
-> Redirected to slot [15495] located at 127.0.0.1:9003    #自动跳到9003
OK
127.0.0.1:9003> get a    #可以成功get到a的值
"a"

扩容

1）按上面方式，新起一个redis ， 8084端口

#第一个参数是新节点的地址，第二个参数是任意一个已经存在的节点的IP和端口
redis-cli --cluster add-node 127.0.0.1:9004 127.0.0.1:9001 
redis-cli --cluster add-node 127.0.0.1:9098 127.0.0.1:9001

2）使用redis-cli登录任意节点，使用cluster nodes查看新集群信息

127.0.0.1:9001> cluster nodes
#注意！新加进来的这个8084是空的，没有分配片段
eb49056da71858d58801f0f28b3d4a7b354956bc 127.0.0.1:9004@18084 master - 0 1602665893207 0 connected
16a3f8a4be9863e8c57d1bf5b3906444c1fe2578 127.0.0.1:9003@18082 master - 0 1602665891204 2 connected 5461-10922
214e4ca7ece0ceb08ad2566d84ff655fb4447e19 127.0.0.1:9002@18083 master - 0 1602665892000 3 connected 10923-16383
864c3f763ab7264ef0db8765997be0acf428cd60 127.0.0.1:9001@18081 myself,master - 0 1602665890000 1 connected 0-5460

3）重新分片

redis-cli --cluster reshard 127.0.0.1:9001

redis-cli --cluster reshard 127.0.0.1:9001  --cluster-from 
10ac7df576168e7f6ec86b20b249e02b1fc13a25,43284b05c5a359b28507b49c29a49637f1f6312b,02a79c59682b7c05f13d41e46e814fc792fa2c50 --cluster-to 07e3416aba80cfb8a8ef81d27228559e5a9d6415 --cluster-slots 1024
#根据提示一步步进行，再次查看node分片，可以了！
127.0.0.1:8081> cluster nodes
eb49056da71858d58801f0f28b3d4a7b354956bc 127.0.0.1:9004@18084 master - 0 1602666306047 4 connected 0-332 5461-5794 10923-11255
16a3f8a4be9863e8c57d1bf5b3906444c1fe2578 127.0.0.1:9003@18082 master - 0 1602666305045 2 connected 5795-10922
214e4ca7ece0ceb08ad2566d84ff655fb4447e19 127.0.0.1:9002@18083 master - 0 1602666305000 3 connected 11256-16383
864c3f763ab7264ef0db8765997be0acf428cd60 127.0.0.1:9001@18081 myself,master - 0 1602666303000 1 connected 333-5460

4）平衡哈希槽

为了保证redis哈希槽的在每一个节点的均衡，需要对哈希槽进行均衡

redis-cli --cluster rebalance 127.0.0.1:9001

springboot

• 由以上原理就不难理解，springboot连接redis cluster时，可以连任意一台，也可以全部写上。
• boot1.x默认客户端为jedis，2.x已经替换为Lettuce，Jedis在实现上是直接连接的redis server，Lettuce的连接是基于Netty的。两者配置项上略有不同。基础知识和配置，可以翻阅springboot data部分文档。
• cluster下slave一般只作为对应master机器的数据备份，可以通过设置readonly作为读库，但一般不这么搞。如果你只是用作缓存，不在乎数据的丢失，觉得它浪费了资源，甚至你可以让slave数量为0，只做数据分片用。
• Jedis也好，Lettuce也好，其对于redis-cluster架构下的数据的读取，都是默认是按照redis官方对redis-cluster的建议，所以两者默认均不支持redis-cluster下的读写分离。
• 如果我们强行只配置slave地址而不配置master（这个操作比较欠），实际上还是可以读到数据，但其内部操作是通过slave重定向到相关的master主机上，然后再将结果获取和输出。

如果，你看到这里了，那你可真不是一般人，因为一般人根本看不到这里

既然看到了，相信你一定会有收获，那就顺手给狂野君点个赞呗，点不了吃亏，也点不了上当

您的认可，是我最大的动力

往期干货：

• 怎样才能快速成为一名架构师？
• 如何从Java工程师成长为架构师？
• 身为程序员的我们如何卷死别人？破局重生。
• 六种常用事务解决方案，你方唱罢，我登场（没有最好只有更好）
• 超详细教程，一文入门Istio架构原理及实战应用
• 【图解源码】Zookeeper3.7源码剖析，Session的管理机制，Leader选举投票规则，集群数据同步流程
• 【图解源码】Zookeeper3.7源码分析，包含服务启动流程源、网络通信、RequestProcessor处理请求
• 【知其然，知其所以然】配置中心 Apollo源码剖析
• 【推荐】我认为这是最完整的Apollo教程从入门到精通
• 探针技术-JavaAgent 和字节码增强技术-Byte Buddy
• 100003字，带你解密 双11、618电商大促场景下的系统架构体系
• 【开悟篇】Java多线程之JUC从入门到精通
• 12437字，带你深入探究RPC通讯原理
• JVM调优实战演练，妈妈再也不同担心我的性能优化了
• 13651个字，给你解释清楚 JVM对象销毁
• 搞不懂JVM的类加载机制，JVM性能优化从何谈起？
• 4859字，609行，一次讲清楚JVM运行数据区
• 让实习生搭个Redis集群，差点把我”搭“进去~~~
• 我用Redis分布式锁，抢了瓶茅台，然后GG了~~
• 新来的，你说下Redis的持久化机制，哪一种能解决我们遇到的这个业务问题？