本文來自知乎官方技術團隊的“知乎技術專欄”，感謝原作者陳鵬的無私分享。

1、引言

知乎存儲平臺團隊基于開源Redis 組件打造的知乎 Redis 平臺，經過不斷的研發(fā)迭代，目前已經形成了一整套完整自動化運維服務體系，提供很多強大的功能。本文作者陳鵬是該系統(tǒng)的負責人，本次文章深入介紹了該系統(tǒng)的方方面面，值得互聯(lián)網后端程序員仔細研究。

（本文同步發(fā)布于：http://www.52im.net/thread-1968-1-1.html）

2、關于作者

陳鵬：現(xiàn)任知乎存儲平臺組 Redis 平臺技術負責人，2014 年加入知乎技術平臺組從事基礎架構相關系統(tǒng)的開發(fā)與運維，從無到有建立了知乎 Redis 平臺，承載了知乎高速增長的業(yè)務流量。

3、技術背景

知乎作為知名中文知識內容平臺，每日處理的訪問量巨大 ，如何更好的承載這樣巨大的訪問量，同時提供穩(wěn)定低時延的服務保證，是知乎技術平臺同學需要面對的一大挑戰(zhàn)。

知乎存儲平臺團隊基于開源 Redis 組件打造的 Redis 平臺管理系統(tǒng)，經過不斷的研發(fā)迭代，目前已經形成了一整套完整自動化運維服務體系，提供一鍵部署集群，一鍵自動擴縮容, Redis 超細粒度監(jiān)控，旁路流量分析等輔助功能。

目前，Redis 在知乎的應用規(guī)模如下：

1）機器內存總量約 70TB，實際使用內存約 40TB；

2）平均每秒處理約 1500 萬次請求，峰值每秒約 2000 萬次請求；

3）每天處理約 1 萬億余次請求；

4）單集群每秒處理最高每秒約 400 萬次請求；

5）集群實例與單機實例總共約 800 個；

6）實際運行約 16000 個 Redis 實例；

7）Redis 使用官方 3.0.7 版本，少部分實例采用 4.0.11 版本。

4、知乎的Redis應用類型

根據(jù)業(yè)務的需求，我們將Redis實例區(qū)分為單機（Standalone）和集群（Cluster）兩種類型，單機實例通常用于容量與性能要求不高的小型存儲，而集群則用來應對對性能和容量要求較高的場景。

而在集群（Cluster）實例類型中，當實例需要的容量超過 20G 或要求的吞吐量超過 20萬請求每秒時，我們會使用集群（Cluster）實例來承擔流量。集群是通過中間件（客戶端或中間代理等）將流量分散到多個 Redis 實例上的解決方案。知乎的 Redis 集群方案經歷了兩個階段：客戶端分片（2015年前使用的方案）與 Twemproxy 代理（2015年至今使用的方案）。

下面將分別來介紹這兩個類型的Redis實例在知乎的應用實踐情況。

5、知乎的Redis實例應用類型1：單機（Standalone）

對于單機實例，我們采用原生主從（Master-Slave）模式實現(xiàn)高可用，常規(guī)模式下對外僅暴露 Master 節(jié)點。由于使用原生 Redis，所以單機實例支持所有 Redis 指令。

對于單機實例，我們使用 Redis 自帶的哨兵（Sentinel）集群對實例進行狀態(tài)監(jiān)控與 Failover。Sentinel 是 Redis 自帶的高可用組件，將 Redis 注冊到由多個 Sentinel 組成的 Sentinel 集群后，Sentinel 會對 Redis 實例進行健康檢查，當 Redis 發(fā)生故障后，Sentinel 會通過 Gossip 協(xié)議進行故障檢測，確認宕機后會通過一個簡化的 Raft 協(xié)議來提升 Slave 成為新的 Master。

通常情況我們僅使用 1 個 Slave 節(jié)點進行冷備，如果有讀寫分離請求，可以建立多個 Read only slave 來進行讀寫分離。

如上圖所示，通過向 Sentinel 集群注冊 Master 節(jié)點實現(xiàn)實例的高可用，當提交 Master 實例的連接信息后，Sentinel 會主動探測所有的 Slave 實例并建立連接，定期檢查健康狀態(tài)。客戶端通過多種資源發(fā)現(xiàn)策略如簡單的 DNS 發(fā)現(xiàn) Master 節(jié)點，將來有計劃遷移到如 Consul 或 etcd 等資源發(fā)現(xiàn)組件 。

當 Master 節(jié)點發(fā)生宕機時，Sentinel 集群會提升 Slave 節(jié)點為新的 Master，同時在自身的 pubsub channel +switch-master 廣播切換的消息，具體消息格式為：

switch-master <master name> <oldip> <oldport> <newip> <newport>

watcher 監(jiān)聽到消息后，會去主動更新資源發(fā)現(xiàn)策略，將客戶端連接指向新的 Master 節(jié)點，完成 Failover，具體 Failover 切換過程詳見 Redis 官方文檔（Redis Sentinel Documentation - Redis）。

實際使用中需要注意以下幾點：

1）只讀 Slave 節(jié)點可以按照需求設置 slave-priority 參數(shù)為 0，防止故障切換時選擇了只讀節(jié)點而不是熱備 Slave 節(jié)點；

2）Sentinel 進行故障切換后會執(zhí)行 CONFIG REWRITE 命令將 SLAVEOF 配置落地，如果 Redis 配置中禁用了 CONFIG 命令，切換時會發(fā)生錯誤，可以通過修改 Sentinel 代碼來替換 CONFIG 命令；

3）Sentinel Group 監(jiān)控的節(jié)點不宜過多，實測超過 500 個切換過程偶爾會進入 TILT 模式，導致 Sentinel 工作不正常，推薦部署多個 Sentinel 集群并保證每個集群監(jiān)控的實例數(shù)量小于 300 個；

4）Master 節(jié)點應與 Slave 節(jié)點跨機器部署，有能力的使用方可以跨機架部署，不推薦跨機房部署 Redis 主從實例；

5）Sentinel 切換功能主要依賴 down-after-milliseconds 和 failover-timeout 兩個參數(shù)，down-after-milliseconds 決定了 Sentinel 判斷 Redis 節(jié)點宕機的超時，知乎使用 30000 作為閾值。而 failover-timeout 則決定了兩次切換之間的最短等待時間，如果對于切換成功率要求較高，可以適當縮短 failover-timeout 到秒級保證切換成功，具體詳見 Redis 官方文檔；

6）單機網絡故障等同于機器宕機，但如果機房全網發(fā)生大規(guī)模故障會造成主從多次切換，此時資源發(fā)現(xiàn)服務可能更新不夠及時，需要人工介入。

6、知乎的Redis實例應用類型2：集群之客戶端分片方案（2015以前使用）

早期知乎使用 redis-shard 進行客戶端分片，redis-shard 庫內部實現(xiàn)了 CRC32、MD5、SHA1 三種哈希算法 ，支持絕大部分 Redis 命令。使用者只需把 redis-shard 當成原生客戶端使用即可，無需關注底層分片。

基于客戶端的分片模式具有如下優(yōu)點：

1）基于客戶端分片的方案是集群方案中最快的，沒有中間件，僅需要客戶端進行一次哈希計算，不需要經過代理，沒有官方集群方案的 MOVED/ASK 轉向；

2）不需要多余的 Proxy 機器，不用考慮 Proxy 部署與維護；

3）可以自定義更適合生產環(huán)境的哈希算法。

但是也存在如下問題：

1）需要每種語言都實現(xiàn)一遍客戶端邏輯，早期知乎全站使用 Python 進行開發(fā)，但是后來業(yè)務線增多，使用的語言增加至 Python，Golang，Lua，C/C++，JVM 系（Java，Scala，Kotlin）等，維護成本過高；

2）無法正常使用 MSET、MGET 等多種同時操作多個 Key 的命令，需要使用 Hash tag 來保證多個 Key 在同一個分片上；

3）升級麻煩，升級客戶端需要所有業(yè)務升級更新重啟，業(yè)務規(guī)模變大后無法推動；

4）擴容困難，存儲需要停機使用腳本 Scan 所有的 Key 進行遷移，緩存只能通過傳統(tǒng)的翻倍取模方式進行擴容；

5）由于每個客戶端都要與所有的分片建立池化連接，客戶端基數(shù)過大時會造成 Redis 端連接數(shù)過多，Redis 分片過多時會造成 Python 客戶端負載升高。

具體特點詳見：https://github.com/zhihu/redis-shard

早期知乎大部分業(yè)務由 Python 構建，Redis 使用的容量波動較小， redis-shard 很好地應對了這個時期的業(yè)務需求，在當時是一個較為不錯解決方案。

7、知乎的Redis實例應用類型2：集群之Twemproxy 集群方案（2015之今在用）

2015 年開始，業(yè)務上漲迅猛，Redis 需求暴增，原有的 redis-shard 模式已經無法滿足日益增長的擴容需求，我們開始調研多種集群方案，最終選擇了簡單高效的 Twemproxy 作為我們的集群方案。

由 Twitter 開源的 Twemproxy 具有如下優(yōu)點：

1）性能很好且足夠穩(wěn)定，自建內存池實現(xiàn) Buffer 復用，代碼質量很高；

2）支持 fnv1a_64、murmur、md5 等多種哈希算法；

3）支持一致性哈希（ketama），取模哈希（modula）和隨機（random）三種分布式算法。

具體特點詳見：https://github.com/twitter/twemproxy

但是缺點也很明顯：

1）單核模型造成性能瓶頸；

2）傳統(tǒng)擴容模式僅支持停機擴容。

對此，我們將集群實例分成兩種模式，即緩存（Cache）和存儲（Storage）：

如果使用方可以接收通過損失一部分少量數(shù)據(jù)來保證可用性，或使用方可以從其余存儲恢復實例中的數(shù)據(jù)，這種實例即為緩存，其余情況均為存儲。

我們對緩存和存儲采用了不同的策略，請繼續(xù)往下讀。

7.1 存儲

對于存儲我們使用 fnv1a_64 算法結合 modula 模式即取模哈希對 Key 進行分片，底層 Redis 使用單機模式結合 Sentinel 集群實現(xiàn)高可用，默認使用 1 個 Master 節(jié)點和 1 個 Slave 節(jié)點提供服務，如果業(yè)務有更高的可用性要求，可以拓展 Slave 節(jié)點。

當集群中 Master 節(jié)點宕機，按照單機模式下的高可用流程進行切換，Twemproxy 在連接斷開后會進行重連，對于存儲模式下的集群，我們不會設置 auto_eject_hosts, 不會剔除節(jié)點。

同時，對于存儲實例，我們默認使用 noeviction 策略，在內存使用超過規(guī)定的額度時直接返回 OOM 錯誤，不會主動進行 Key 的刪除，保證數(shù)據(jù)的完整性。

由于 Twemproxy 僅進行高性能的命令轉發(fā)，不進行讀寫分離，所以默認沒有讀寫分離功能，而在實際使用過程中，我們也沒有遇到集群讀寫分離的需求，如果要進行讀寫分離，可以使用資源發(fā)現(xiàn)策略在 Slave 節(jié)點上架設 Twemproxy 集群，由客戶端進行讀寫分離的路由。

7.2 緩存

考慮到對于后端（MySQL/HBase/RPC 等）的壓力，知乎絕大部分業(yè)務都沒有針對緩存進行降級，這種情況下對緩存的可用性要求較數(shù)據(jù)的一致性要求更高，但是如果按照存儲的主從模式實現(xiàn)高可用，1 個 Slave 節(jié)點的部署策略在線上環(huán)境只能容忍 1 臺物理節(jié)點宕機，N 臺物理節(jié)點宕機高可用就需要至少 N 個 Slave 節(jié)點，這無疑是種資源的浪費。

所以我們采用了 Twemproxy 一致性哈希（Consistent Hashing）策略來配合 auto_eject_hosts 自動彈出策略組建 Redis 緩存集群。

對于緩存我們仍然使用使用 fnv1a_64 算法進行哈希計算，但是分布算法我們使用了 ketama 即一致性哈希進行 Key 分布。緩存節(jié)點沒有主從，每個分片僅有 1 個 Master 節(jié)點承載流量。

Twemproxy 配置 auto_eject_hosts 會在實例連接失敗超過 server_failure_limit 次的情況下剔除節(jié)點，并在 server_retry_timeout 超時之后進行重試，剔除后配合 ketama 一致性哈希算法重新計算哈希環(huán)，恢復正常使用，這樣即使一次宕機多個物理節(jié)點仍然能保持服務。

在實際的生產環(huán)境中需要注意以下幾點：

1）剔除節(jié)點后，會造成短時間的命中率下降，后端存儲如 MySQL、HBase 等需要做好流量監(jiān)測；

2）線上環(huán)境緩存后端分片不宜過大，建議維持在 20G 以內，同時分片調度應盡可能分散，這樣即使宕機一部分節(jié)點，對后端造成的額外的壓力也不會太多；

3）機器宕機重啟后，緩存實例需要清空數(shù)據(jù)之后啟動，否則原有的緩存數(shù)據(jù)和新建立的緩存數(shù)據(jù)會沖突導致臟緩存。直接不啟動緩存也是一種方法，但是在分片宕機期間會導致周期性 server_failure_limit 次數(shù)的連接失敗；

4）server_retry_timeout 和 server_failure_limit 需要仔細敲定確認，知乎使用 10min 和 3 次作為配置，即連接失敗 3 次后剔除節(jié)點，10 分鐘后重新進行連接。

7.3 Twemproxy 部署

在方案早期我們使用數(shù)量固定的物理機部署 Twemproxy，通過物理機上的 Agent 啟動實例，Agent 在運行期間會對 Twemproxy 進行健康檢查與故障恢復，由于 Twemproxy 僅提供全量的使用計數(shù)，所以 Agent 運行時還會進行定時的差值計算來計算 Twemproxy 的 requests_per_second 等指標。

后來為了更好地故障檢測和資源調度，我們引入了 Kubernetes，將 Twemproxy 和 Agent 放入同一個 Pod 的兩個容器內，底層 Docker 網段的配置使每個 Pod 都能獲得獨立的 IP，方便管理。

最開始，本著簡單易用的原則，我們使用 DNS A Record 來進行客戶端的資源發(fā)現(xiàn)，每個 Twemproxy 采用相同的端口號，一個 DNS A Record 后面掛接多個 IP 地址對應多個 Twemproxy 實例。

初期，這種方案簡單易用，但是到了后期流量日益上漲，單集群 Twemproxy 實例個數(shù)很快就超過了 20 個。由于 DNS 采用的 UDP 協(xié)議有 512 字節(jié)的包大小限制，單個 A Record 只能掛接 20 個左右的 IP 地址，超過這個數(shù)字就會轉換為 TCP 協(xié)議，客戶端不做處理就會報錯，導致客戶端啟動失敗。

當時由于情況緊急，只能建立多個 Twemproxy Group，提供多個 DNS A Record 給客戶端，客戶端進行輪詢或者隨機選擇，該方案可用，但是不夠優(yōu)雅。

7.4 如何解決 Twemproxy 單 CPU 計算能力的限制

之后我們修改了 Twemproxy 源碼， 加入 SO_REUSEPORT 支持。

Twemproxy with SO_REUSEPORT on Kubernetes：

同一個容器內由 Starter 啟動多個 Twemproxy 實例并綁定到同一個端口，由操作系統(tǒng)進行負載均衡，對外仍然暴露一個端口，但是內部已經由系統(tǒng)均攤到了多個 Twemproxy 上。

同時 Starter 會定時去每個 Twemproxy 的 stats 端口獲取 Twemproxy 運行狀態(tài)進行聚合，此外 Starter 還承載了信號轉發(fā)的職責。

原有的 Agent 不需要用來啟動 Twemproxy 實例，所以 Monitor 調用 Starter 獲取聚合后的 stats 信息進行差值計算，最終對外界暴露出實時的運行狀態(tài)信息。

7.5 為什么沒有使用官方 Redis 集群方案

我們在 2015 年調研過多種集群方案，綜合評估多種方案后，最終選擇了看起來較為陳舊的 Twemproxy 而不是官方 Redis 集群方案與 Codis，具體原因如下：

1）MIGRATE 造成的阻塞問題：

Redis 官方集群方案使用 CRC16 算法計算哈希值并將 Key 分散到 16384 個 Slot 中，由使用方自行分配 Slot 對應到每個分片中，擴容時由使用方自行選擇 Slot 并對其進行遍歷，對 Slot 中每一個 Key 執(zhí)行 MIGRATE 命令進行遷移。

調研后發(fā)現(xiàn)，MIGRATE 命令實現(xiàn)分為三個階段：

a）DUMP 階段：由源實例遍歷對應 Key 的內存空間，將 Key 對應的 Redis Object 序列化，序列化協(xié)議跟 Redis RDB 過程一致；

b）RESTORE 階段：由源實例建立 TCP 連接到對端實例，并將 DUMP 出來的內容使用 RESTORE 命令到對端進行重建，新版本的 Redis 會緩存對端實例的連接；

c）DEL 階段（可選）：如果發(fā)生遷移失敗，可能會造成同名的 Key 同時存在于兩個節(jié)點，此時 MIGRATE 的 REPLACE 參數(shù)決定是是否覆蓋對端的同名 Key，如果覆蓋，對端的 Key 會進行一次刪除操作，4.0 版本之后刪除可以異步進行，不會阻塞主進程。

經過調研，我們認為這種模式并不適合知乎的生產環(huán)境。Redis 為了保證遷移的一致性， MIGRATE 所有操作都是同步操作，執(zhí)行 MIGRATE 時，兩端的 Redis 均會進入時長不等的 BLOCK 狀態(tài)。

對于小 Key，該時間可以忽略不計，但如果一旦 Key 的內存使用過大，一個 MIGRATE 命令輕則導致 P95 尖刺，重則直接觸發(fā)集群內的 Failover，造成不必要的切換

同時，遷移過程中訪問到處于遷移中間狀態(tài)的 Slot 的 Key 時，根據(jù)進度可能會產生 ASK 轉向，此時需要客戶端發(fā)送 ASKING 命令到 Slot 所在的另一個分片重新請求，請求時延則會變?yōu)樵瓉淼膬杀丁?/p>

同樣，方案初期時的 Codis 采用的是相同的 MIGRATE 方案，但是使用 Proxy 控制 Redis 進行遷移操作而非第三方腳本（如 redis-trib.rb），基于同步的類似 MIGRATE 的命令，實際跟 Redis 官方集群方案存在同樣的問題。

對于這種 Huge Key 問題決定權完全在于業(yè)務方，有時業(yè)務需要不得不產生 Huge Key 時會十分尷尬，如關注列表。一旦業(yè)務使用不當出現(xiàn)超過 1MB 以上的大 Key 便會導致數(shù)十毫秒的延遲，遠高于平時 Redis 亞毫秒級的延遲。有時，在 slot 遷移過程中業(yè)務不慎同時寫入了多個巨大的 Key 到 slot 遷移的源節(jié)點和目標節(jié)點，除非寫腳本刪除這些 Key ，否則遷移會進入進退兩難的地步。

對此，Redis 作者在 Redis 4.2 的 roadmap 中提到了 Non blocking MIGRATE 但是截至目前，Redis 5.0 即將正式發(fā)布，仍未看到有關改動，社區(qū)中已經有相關的 Pull Request ，該功能可能會在 5.2 或者 6.0 之后并入 master 分支，對此我們將持續(xù)觀望。

2）緩存模式下高可用方案不夠靈活：

還有，官方集群方案的高可用策略僅有主從一種，高可用級別跟 Slave 的數(shù)量成正相關，如果只有一個 Slave，則只能允許一臺物理機器宕機， Redis 4.2 roadmap 提到了 cache-only mode，提供類似于 Twemproxy 的自動剔除后重分片策略，但是截至目前仍未實現(xiàn)。

3）內置 Sentinel 造成額外流量負載：

另外，官方 Redis 集群方案將 Sentinel 功能內置到 Redis 內，這導致在節(jié)點數(shù)較多（大于 100）時在 Gossip 階段會產生大量的 PING/INFO/CLUSTER INFO 流量，根據(jù) issue 中提到的情況，200 個使用 3.2.8 版本節(jié)點搭建的 Redis 集群，在沒有任何客戶端請求的情況下，每個節(jié)點仍然會產生 40Mb/s 的流量，雖然到后期 Redis 官方嘗試對其進行壓縮修復，但按照 Redis 集群機制，節(jié)點較多的情況下無論如何都會產生這部分流量，對于使用大內存機器但是使用千兆網卡的用戶這是一個值得注意的地方。

4）slot 存儲開銷：

最后，每個 Key 對應的 Slot 的存儲開銷，在規(guī)模較大的時候會占用較多內存，4.x 版本以前甚至會達到實際使用內存的數(shù)倍，雖然 4.x 版本使用 rax 結構進行存儲，但是仍然占據(jù)了大量內存，從非官方集群方案遷移到官方集群方案時，需要注意這部分多出來的內存。

總之，官方 Redis 集群方案與 Codis 方案對于絕大多數(shù)場景來說都是非常優(yōu)秀的解決方案，但是我們仔細調研發(fā)現(xiàn)并不是很適合集群數(shù)量較多且使用方式多樣化的我們，場景不同側重點也會不一樣，但在此仍然要感謝開發(fā)這些組件的開發(fā)者們，感謝你們對 Redis 社區(qū)的貢獻。

8、知乎Redis實例的擴容實踐

8.1 靜態(tài)擴容

對于單機實例，如果通過調度器觀察到對應的機器仍然有空閑的內存，我們僅需直接調整實例的 maxmemory 配置與報警即可。同樣，對于集群實例，我們通過調度器觀察每個節(jié)點所在的機器，如果所有節(jié)點所在機器均有空閑內存，我們會像擴容單機實例一樣直接更新 maxmemory 與報警。

8.2 動態(tài)擴容

但是當機器空閑內存不夠，或單機實例與集群的后端實例過大時，無法直接擴容，需要進行動態(tài)擴容：

1）對于單機實例，如果單實例超過 30GB 且沒有如 sinterstore 之類的多 Key 操作我們會將其擴容為集群實例；

2）對于集群實例，我們會進行橫向的重分片，我們稱之為 Resharding 過程。

Resharding 過程：

原生 Twemproxy 集群方案并不支持擴容，我們開發(fā)了數(shù)據(jù)遷移工具來進行 Twemproxy 的擴容，遷移工具本質上是一個上下游之間的代理，將數(shù)據(jù)從上游按照新的分片方式搬運到下游。

原生 Redis 主從同步使用 SYNC/PSYNC 命令建立主從連接，收到 SYNC 命令的 Master 會 fork 出一個進程遍歷內存空間生成 RDB 文件并發(fā)送給 Slave，期間所有發(fā)送至 Master 的寫命令在執(zhí)行的同時都會被緩存到內存的緩沖區(qū)內，當 RDB 發(fā)送完成后，Master 會將緩沖區(qū)內的命令及之后的寫命令轉發(fā)給 Slave 節(jié)點。

我們開發(fā)的遷移代理會向上游發(fā)送 SYNC 命令模擬上游實例的 Slave，代理收到 RDB 后進行解析，由于 RDB 中每個 Key 的格式與 RESTORE 命令的格式相同，所以我們使用生成 RESTORE 命令按照下游的 Key 重新計算哈希并使用 Pipeline 批量發(fā)送給下游。

等待 RDB 轉發(fā)完成后，我們按照新的后端生成新的 Twemproxy 配置，并按照新的 Twemproxy 配置建立 Canary 實例，從上游的 Redis 后端中取 Key 進行測試，測試 Resharding 過程是否正確，測試過程中的 Key 按照大小，類型，TTL 進行比較。

測試通過后，對于集群實例，我們使用生成好的配置替代原有 Twemproxy 配置并 restart/reload Twemproxy 代理，我們修改了 Twemproxy 代碼，加入了 config reload 功能，但是實際使用中發(fā)現(xiàn)直接重啟實例更加可控。而對于單機實例，由于單機實例和集群實例對于命令的支持不同，通常需要和業(yè)務方確定后手動重啟切換。

由于 Twemproxy 部署于 Kubernetes ，我們可以實現(xiàn)細粒度的灰度，如果客戶端接入了讀寫分離，我們可以先將讀流量接入新集群，最終接入全部流量。

這樣相對于 Redis 官方集群方案，除在上游進行 BGSAVE 時的 fork 復制頁表時造成的尖刺以及重啟時造成的連接閃斷，其余對于 Redis 上游造成的影響微乎其微。

這樣擴容存在的問題：

1）對上游發(fā)送 SYNC 后，上游 fork 時會造成尖刺：

- 對于存儲實例，我們使用 Slave 進行數(shù)據(jù)同步，不會影響到接收請求的 Master 節(jié)點；

- 對于緩存實例，由于沒有 Slave 實例，該尖刺無法避免，如果對于尖刺過于敏感，我們可以跳過 RDB 階段，直接通過 PSYNC 使用最新的 SET 消息建立下游的緩存。

2）切換過程中有可能寫到下游，而讀在上游：

- 對于接入了讀寫分離的客戶端，我們會先切換讀流量到下游實例，再切換寫流量。

3）一致性問題，兩條具有先后順序的寫同一個 Key 命令在切換代理后端時會通過 1）寫上游同步到下游 2）直接寫到下游兩種方式寫到下游，此時，可能存在應先執(zhí)行的命令卻通過 1）執(zhí)行落后于通過 2）執(zhí)行，導致命令先后順序倒置：

- 這個問題在切換過程中無法避免，好在絕大部分應用沒有這種問題，如果無法接受，只能通過上游停寫排空 Resharding 代理保證先后順序；

- 官方 Redis 集群方案和 Codis 會通過 blocking 的 migrate 命令來保證一致性，不存在這種問題。

實際使用過程中，如果上游分片安排合理，可實現(xiàn)數(shù)千萬次每秒的遷移速度，1TB 的實例 Resharding 只需要半小時左右。另外，對于實際生產環(huán)境來說，提前做好預期規(guī)劃比遇到問題緊急擴容要快且安全得多。

9、旁路分析實踐

由于生產環(huán)境調試需要，有時會需要監(jiān)控線上 Redis 實例的訪問情況，Redis 提供了多種監(jiān)控手段，如 MONITOR 命令。

但由于 Redis 單線程的限制，導致自帶的 MONITOR 命令在負載過高的情況下會再次跑高 CPU，對于生產環(huán)境來說過于危險，而其余方式如 Keyspace Notify 只有寫事件，沒有讀事件，無法做到細致的觀察。

對此我們開發(fā)了基于 libpcap 的旁路分析工具，系統(tǒng)層面復制流量，對應用層流量進行協(xié)議分析，實現(xiàn)旁路 MONITOR，實測對于運行中的實例影響微乎其微。

同時對于沒有 MONITOR 命令的 Twemproxy，旁路分析工具仍能進行分析，由于生產環(huán)境中絕大部分業(yè)務都使用 Kubernetes 部署于 Docker 內 ，每個容器都有對應的獨立 IP，所以可以使用旁路分析工具反向解析找出客戶端所在的應用，分析業(yè)務方的使用模式，防止不正常的使用。

10、將來的工作

由于 Redis 5.0 發(fā)布在即，4.0 版本趨于穩(wěn)定，我們將逐步升級實例到 4.0 版本，由此帶來的如 MEMORY 命令、Redis Module 、新的 LFU 算法等特性無論對運維方還是業(yè)務方都有極大的幫助。

11、寫在最后

知乎架構平臺團隊是支撐整個知乎業(yè)務的基礎技術團隊，開發(fā)和維護著知乎幾乎全量的核心基礎組件，包括容器、Redis、MySQL、Kafka、LB、HBase 等核心基礎設施，團隊小而精，每個同學都獨當一面負責上面提到的某個核心系統(tǒng)。

隨著知乎業(yè)務規(guī)模的快速增長，以及業(yè)務復雜度的持續(xù)增加，我們團隊面臨的技術挑戰(zhàn)也越來越大，歡迎對技術感興趣、渴望技術挑戰(zhàn)的小伙伴加入我們，一起建設穩(wěn)定高效的知乎云平臺。

12、參考資料

[1] Redis Official site

[2] Twemproxy Github Page twitter/twemproxy

[3] Codis Github Page CodisLabs/codis

[4] SO_REUSEPORT Man Page socket(7) - Linux manual page

[5] Kubernetes Production-Grade Container Orchestration

附錄：有關架構設計方面的文章匯總

《淺談IM系統(tǒng)的架構設計》

《簡述移動端IM開發(fā)的那些坑：架構設計、通信協(xié)議和客戶端》

《一套海量在線用戶的移動端IM架構設計實踐分享(含詳細圖文)》

《一套原創(chuàng)分布式即時通訊(IM)系統(tǒng)理論架構方案》

《從零到卓越：京東客服即時通訊系統(tǒng)的技術架構演進歷程》

《蘑菇街即時通訊/IM服務器開發(fā)之架構選擇》

《騰訊QQ1.4億在線用戶的技術挑戰(zhàn)和架構演進之路PPT》

《微信后臺基于時間序的海量數(shù)據(jù)冷熱分級架構設計實踐》

《微信技術總監(jiān)談架構：微信之道——大道至簡(演講全文)》

《如何解讀《微信技術總監(jiān)談架構：微信之道——大道至簡》》

《快速裂變：見證微信強大后臺架構從0到1的演進歷程（一）》

《17年的實踐：騰訊海量產品的技術方法論》

《移動端IM中大規(guī)模群消息的推送如何保證效率、實時性？》

《現(xiàn)代IM系統(tǒng)中聊天消息的同步和存儲方案探討》

《IM開發(fā)基礎知識補課(二)：如何設計大量圖片文件的服務端存儲架構？》

《IM開發(fā)基礎知識補課(三)：快速理解服務端數(shù)據(jù)庫讀寫分離原理及實踐建議》

《IM開發(fā)基礎知識補課(四)：正確理解HTTP短連接中的Cookie、Session和Token》

《WhatsApp技術實踐分享：32人工程團隊創(chuàng)造的技術神話》

《微信朋友圈千億訪問量背后的技術挑戰(zhàn)和實踐總結》

《王者榮耀2億用戶量的背后：產品定位、技術架構、網絡方案等》

《IM系統(tǒng)的MQ消息中間件選型：Kafka還是RabbitMQ？》

《騰訊資深架構師干貨總結：一文讀懂大型分布式系統(tǒng)設計的方方面面》

《以微博類應用場景為例，總結海量社交系統(tǒng)的架構設計步驟》

《快速理解高性能HTTP服務端的負載均衡技術原理》

《子彈短信光鮮的背后：網易云信首席架構師分享億級IM平臺的技術實踐》

《知乎技術分享：從單機到2000萬QPS并發(fā)的Redis高性能緩存實踐之路》

>> 更多同類文章 ……

（本文同步發(fā)布于：http://www.52im.net/thread-1968-1-1.html）