spring.io PROJECTS SPRING DATA 自学不用买书，看官方文档。 Spring dATA Redis learn reference Doc 所有Spring 对Rrdis做的事。
一，容量问题怎么解决？
X轴，HA，主从复制，没有解决容量问题 从客户端
1 业务拆分
2 hash+取模
弊端：取值的数必须固定
%3 %4
影响分布式下的扩展性
3 random
消息队列：一个往redis里扔lpush，一个从redis取rpop，消费的模式。
4 一致性哈希算法（更适合作为缓存使用）
映射算法：hash,crc16,crc32,fnv,md5 没有取模，使用的是哈希环
0开始到2的32次方，有无数个虚拟的点。 准备一个算法，按照物理机的节点数分片。 新增一个节点，不影响节点以后的数据。
优点：加节点，可以分担其他节点的压力，不会造成全局洗牌。缺点：新增节点会造成一小部分数据不能命中。 1，问题：会出现击穿，压力到了数据库 2，方案：没的话，去取离我最近的2个物理节点
数据倾斜 可以通过设备地址拼接10个数字，使两个节点平均分配再20个节点中
2，3，4的弊端
redis的连接成本问题（3握手4分手），对server压力很大
怎么解决?nginx反向代理服务，自己不参与，把连接分散。
LVS:对于客户端透明,客户端的代码成本量，VIP不管后面有多少，对外只有一个路径，无需发现中心，去查看后面有几个服务
keepalived
1，监控节点的状态，转发到存活的机器上
2，主备切换
3，换主
无状态：只有无状态才能一变多 代理的三种： tw predixy cluster
codis （修改了redis的源代码）豌豆荚的团队
github twitter twemproxy
以上，一致性哈希最好，但也只能做缓存，不能做数据库使用。
预分区
迁移成本降低
取模是10，范围是0 … 9,
添加mapping，设置每个阶段的槽位数据，假设一开始是两台redis，各领5个槽位。未来新加一个阶段，只需要让之前的两个阶段让出一部分槽位。不需要全部伪哈希一遍（所有的key全部取出来，全算一遍哈希，然后按照哈希分区，删除和新增），直接移动完部分槽位的数据（减少计算和删除的操作）。
只要槽位够大，可以无限添加节点。（redis集群有16384个槽位，使用CRC16算法校验决定放到那个槽位）。使用redis命令迁移数据。
迁移过程中，数据能不能修改？
做主从的时候，Master-slave, 先给时点数据，在给缓冲的数据，数据追平。RDB和增量日志的概念。
无主模型 Cluster 模式
算法和别人有什么槽位。 hash%10，算出槽位，和mapping对比，返回给客户端，重定向的位置。
数据分治-聚合/事务操作很难实现
计算向数据移动，最大的本质是快，影响性能的功能都去掉了，为了保证高性能。 但是给了处理方案: 数据一旦被分开就很难被整合使用。 hash tag {00}k1 {00}k2 用{00}取模，通过key让数据落到同一台redis上，可以进行聚合和事务操作。
twemproxy
twemproxy安装和小结
Predixy
Predixy安装和小结
redis 自身的集群
对比
twemproxy | Predixy | Redis Cluster | |
高可用 | 一致性哈希 | Redis Sentinel或Redis Cluster | Redis Sentinel或Redis Cluster |
事务 | 不支持 | Redis Sentinel模式单Redis组下支持 | 支持 |
多机房支持 | 不支持 | 支持，可定义丰富规则调度流量 | 支持 |
