面试题：在高并发的互联网公司中，有1亿条数据需要缓存，请问如何设计存储这批数据？
答：单台服务器肯定存储不了这么大的数据，一般是分布式存储，就像数据库的分库分表一样存储，那针对缓存redis如何分布式存储这么大的数据？

业界的做法一般有3种：
1、方法一：哈希取余分区
针对redis来说1亿条数据，一般是对应1亿个key value，我们把他分别存储在N个节点，如上图N=3，然后用户每次读写操作，根据节点N使用公式hash(key)%N计算出哈希值，用来决定数据映射到哪一个节点上
用来决定数据映射到哪一个节点上
这种方案的优缺点：
优点：简单粗暴，只要提前预估好数据量，然后规划好节点，例如：3台、30台、300台节点，就能保证未来一段时间内的数据支撑
缺点：节点扩容或收缩节点的时候就麻烦了，因为每次节点有变动数据节点映射关系需要重新计算，会导致数据的重新迁移
例如原先是3台，后面要新增到8台，要把所有的历史数据按hash(key)%8，重新洗一遍，非常麻烦

2、方法二：一致性哈希分区
在1997年，麻省理工学院的Karger等人提出了一致性哈希算法，为的就是解决分布式缓存的问题
一致性哈希算法基本原理大概需要3个步骤来解释：构造一致性哈希环、节点映射、路由规则
步骤1：构造一致性哈希环
一致性哈希算法中首先有一个哈希函数，哈希函数产生hash值，所有可能的哈希值构成一个哈希空间，哈希空间为[0, 2^32-1]，这本来是一个“线性”的空间，但是在算法中通过恰当逻辑控制，使其首尾相衔接，也即是0=2^32-1，这样就构造一个逻辑上的环形空间

步骤2：节点映射
将集群中的各IP节点映射到环上的某一个位置
假设有四个节点Node A、B、C、D，经过ip地址的哈希函数计算（例如：hash(192.168.1.13)），它们的位置如下：

步骤3：路由规则
路由规则包括存储（setX）和取值（getX）规则
当需要存储一个<key-value>对时，首先计算键key的hash值：hash(key)，这个hash值必然对应于一致性hash环上的某个位置，然后沿着这个值按顺时针找到第一个节点，并将该键值对存储在该节点上
例如有4个存储对象Object A、B、C、D，经过对key的哈希计算后，它们的位置如图
对于各个Object，它所真正的存储位置是按顺时针找到的第一个存储节点
例如Object A顺时针找到的第一个节点是Node A，所以Node A负责存储Object A，Object B存储在Node B

一致性哈希如何实现容错性和扩展性？
容错性
假设Node C节点挂掉了，Object C的存储丢失，如果要重新把数据补回来时，Object C就会顺时针找到的最新节点是Node D
也就是说Node C挂掉了，受影响仅仅包括Node B到Node C区间的数据，并且这些数据会转移到Node D进行存储
扩展性
假设现在数据量大了，需要增加一台节点 Node X，Node X位置在Node A到Node B之间，那么受到影响的仅仅是Node A到Node X间的数据，重新把A到X之间的数据洗到Node X上即可

优缺点
优点：与哈希取余分区相比，容错性和扩展性更灵活，例如Node C瘫痪，只影响Node B到Node C区间的数据，影响面小；
再例如增加一台节点Node X，只影响到Node A到Node B之间的数据，不会导致哈希取余全部数据重洗
缺点：数据倾斜不一致性
如果在分片的集群中，节点太少，并且分布不均，一致性哈希算法就会出现部分节点数据太多，部分节点数据太少。也就是说无法控制节点存储数据的分配。如图，大部分数据都在A上了，B的数据比较少

 

3、方法三：哈希槽分区
由于一致性哈希分区存在数据倾斜不一致性的问题，故引入了槽的概念
3-1、什么是哈希槽呢？
哈希槽其实就是一个数组，数组[0, 1, 2, ..., 2^14-1]形成hash slot空间

3-2、把哈希槽均匀分段，分配给redis节点
redis节点1，负责存储5461个哈希槽的数据，编号0号至5460号哈希槽
redis节点2，负责存储5462个哈希槽的数据，编号5461号至10922号哈希槽
redis节点3，负责存储5461个哈希槽的数据，编号10923号至16383号哈希槽

3-3、计算每条数据的slot空间位置
将数据key进行哈希取值，映射已经固定大小的hash slot空间上
例如：可以采用spring redis的API
<dependency>
    <groupId>org.springframework.boot</groupId>
    <artifactId>spring-boot-starter-data-redis</artifactId>
</dependency>
例如：我们往redis设置3条数据：
redisTemplate.opsForValue.set("A", "agan1");
redisTemplate.opsForValue.set("B", "agan2");
redisTemplate.opsForValue.set("C", "agan3");
然后计算key，A、B、C的slot槽位置
io.lettuce.core.cluster.SlotHash.getSlot("A")=6373
io.lettuce.core.cluster.SlotHash.getSlot("B")=10374
io.lettuce.core.cluster.SlotHash.getSlot("C")=14503
故，
key A、B落在slot空间的5461至10922区间上，并最终存储在Node 2上
key C落在slot空间的10923至16383区间上，并最终存储在Node 3上

3-4、redis哈希槽分区的特点
1）解耦数据和节点之间的关系，例如：数据的读写只要计算出槽号就可以，节点的扩容和收缩只要重新均衡分配槽区间即可；故简化了节点扩容和收缩难度
2）节点自身维护槽的映射关系，不需要客户端（spring）或者代理服务维护槽分区和数据
3）支持节点、槽、键之间的映射查询，用于数据路由、在线伸缩等场景

数据和槽号是绑在一起的，spring通过槽号找到节点

========================================

一、spring与redis通信
1、建立TCP管道长连接
2、发送
3、结果返回

二、redis哈希槽分区
1、分析：哈希取余分区
2、分析：一致性哈希分区原理
3、分析：哈希槽分区原理
4、redis集群哈希槽部署
5、查看redis哈希槽的数据分布
6、redis集群哈希槽扩容
7、redis集群哈希槽收缩
8、spring集成redis集群哈希槽

三、建立TCP长连接，需要解决以下5个问题（常见的面试题）：
1、redis集群3主3从，spring配置文件该配几个ip？配1个还是6个？
2、spring如何知道redis每个节点有多少个槽？
3、spring如何实现redis槽和节点的映射关系？
4、spring如何计算redis哈希槽？
5、有了哈希号，spring如何算出redis集群节点IP？

四、spring采用了netty与redis建立tcp连接后，就是如何进行数据网络通信？
spring与redis在通信方面，技术点采用了netty、lettuce、CompletionStage、commons-pool2技术来实现网络通信
最核心的技术是由于netty是异步通信，发出去和回来的是2条异步线程，为了解决这个难题，lettuce大量采用了CompletionStage把2条异步线程从异步改成同步

五、通信异常处理
1、spring与redis的TCP连接异常断开后，如何重连？
2、发送者Endpoint和CommandHandler的设计原理
3、redis断开重连，新channel如何加入发送者Endpoint？
4、redis的tcp异常断开后，未发送的数据如何存储？
5、如何把tcp异常断开的数据，再次发送出去？
6、什么是redis集群MOVED异常？
7、什么是redis集群ASK异常？
8、当redis集群主从切换、哈希槽迁移，spring如何知道？