http://www.tuicool.com/articles/beYZfi7
引言
高可用（High Available）是線上生產環境所必不可少的重要條件，阿里云數據庫Redis版作為一款成熟穩定的數據庫產品，針對Redis的特性也支持高可用，本文將介紹云Redis是如何實現這一方案。
架構
目前云Redis有主從版和集群版兩種架構，本次主要針對主從版做HA的解析，集群版HA只在最后切換VIP指向時稍有不同，但均可保證高可用性。
下圖為主從版架構：
由圖可知，云Redis實例有主備兩個節點，平時只有Master提供服務，Slave只做熱備不提供訪問，Slave通過slaveof命令不斷從Master接收數據，保證Master宕機時云Redis仍可提供服務。
每一個云Redis實例都會分配一個VIP并與DNS綁定，VIP經過SLB后直接訪問Master不再有其他中間層，訪問Redis的鏈路為DNS-->VIP-->SLB-->REDIS（MASTER）。
HA模塊
HA作為一個獨立的系統模塊，遠程探測云Redis的健康狀況，當發生實例不可用時及時主備切換以保證服務質量。
健康檢查
健康檢查的邏輯很簡單，通過客戶端連接Redis并發送PING命令，如果返回PONG則說明Redis健康，其他情況則說明Redis異常，檢測邏輯用偽代碼來說明：
try: client = Redis(ip, port, connection_timeout, socket_timeout) //指定要連接Redis的ip:port（這里的ip:port即可以是VIP:VPORT也可以是Master或Slave的物理ip:port，HA會有多維度的探測），并設置超時時間 client.connect() //嘗試連接Redis，如果連接失敗或超時則會拋出異常 res = client.ping() //向Redis發送ping命令，結果為PONG說明Redis健康，返回OK；結果非PONG或超時則會拋出異常 if res == PONG: return OK except: //處理異常情況，若異常在預先定義的錯誤內，說明Redis真的異常，返回ERROR，HA會做下一步切換動作 if e.message in ERRORS: return ERROR else: return OK
需要HA真正做切換的異常情況有以下幾種：
/* 指定ip地址的機器不能找到(也就是說從當前機器不存在到指定ip路由)，或者是該ip存在，但找不到指定的端口進行監聽，這時Redis所在主機可能宕機或是進程掛掉 */ "Connection refused" /* 服務器的并發連接數超過了其承載量，服務器會將其中一些連接主動Down掉 */ "Connection reset" /* 連接超時，目前設置為18秒 */ "connect timed out" /* 讀取數據超時，目前設置為2分鐘 */ "Read timed out" /* Redis正在加載數據 */ "LOADING Redis is loading the dataset in memory" /* 訪問的Redis是Slave */ "READONLY You can't write against a read only slave"
關于為何將讀超時設置為2分鐘這么久呢，這是我們在日常運維處理各種問題時，根據總結出來的經驗設置的一個相對合理的大小。
在一開始時讀超時的時間設置的和連接超時同樣為18秒，結果線上經常會有HA發生主備切換，這是因為Redis處理客戶端命令的線程只有一個，當在處理一些耗時操作比如FLUSHALL、KEYS等命令時，執行時間可達數十秒甚至幾分鐘，此時Redis處于"假死"狀態造成誤切換。經測試，清空64G的數據大約需要2分鐘的時間（目前主從版云Redis最大實例規格即為64G），故將讀超時設置為2分鐘。
單純調整超時時間并不是我們的最終方案，這里仍在改進，比如增加一個狀態監測端口，新開一個狀態線程來探測Redis活性等，歡迎大家集思廣益提供優質解決方案。
主備切換前準備工作
當健康檢查發現Redis出現不可用情況時就要準備進行主備切換，在主備切換真正執行前需要額外做一些工作：
通過VIP檢查Redis健康狀態 if VIP不健康： 檢查Slave狀態 if Slave健康： 再次檢查VIP狀態 if VIP健康： 無需主備切換 else: 執行主備切換 else: Slave不健康無法切換 else: 無需主備切換
在執行切換前要檢查Slave狀態以確保切換后實例是可服務的，否則即使切換也是無效的，比如兩臺主機都宕機這種極端情況。
同時對VPC類型的實例做了特殊處理，因為我們是沒有辦法訪問用戶自定義網絡的VIP的，這時需要把對VIP的健康檢查換成對Master的健康檢查。
執行主備切換
當Redis出現不可用且滿足切換條件時，真正開始執行主備切換動作。同時切換動作也支持主動的任務切換和被動的故障切換，兩者主要區別在是否需要Slave等待Master達到同步狀態，以下對主備切換做詳細說明：
1. 額外再次檢查一次Master狀態 if Master健康： if 故障切換： 無需切換，返回成功 else： a. 設置Master為readONLY只讀狀態 b. 通過info replication命令檢查主備同步狀態，也即master_repl_offset是否等于Slave的offset if 若超時仍未達到一致狀態: 重置Master為readwrite可讀寫狀態，并返回異常 else： 日志記錄此時Master無法連接 2. 切換VIP指向Slave if 切換失敗： 記錄日志并返回異常 3. 更新主備元信息 4. 向Slave發送slaveof no one命令，使其升級為新的Master 5. 嘗試向原Master發送slaveof命令，使其降級為新的Slave 此時原Master可能已經宕機，故不做失敗處理，僅記錄日志
通過以上方案，云數據庫Redis版SLA可以達到99.99%，僅在主從都發生宕機的極端情況無法服務。
結束
本文介紹了云數據Redis版HA方案，通過主從雙機熱備來保證服務高可用，健康檢查出現異常時及時進行主備切換，有效保障業務運行。