Redis 主从复制需要注意的问题（1）
通过复制机制， 数据集可以存在多个副本（从节点） 。 这些副本可以应用于读写分离、 故障转移（failover） 、 实时备份等场景。 但是在实际应用复制功能时， 依然有一些坑需要跳过。
读写分离
对于读占比较高的场景， 可以通过把一部分读流量分摊到从节点（slave） 来减轻主节点（master） 压力， 同时需要注意永远只对主节点执行写操作， 如图所示。
当使用从节点响应读请求时， 业务端可能会遇到如下问题：
·复制数据延迟。
·读到过期数据。
·从节点故障。
数据延迟
Redis复制数据的延迟由于异步复制特性是无法避免的， 延迟取决于网络带宽和命令阻塞情况， 比如刚在主节点写入数据后立刻在从节点上读取可能获取不到。 需要业务场景允许短时间内的数据延迟。 对于无法容忍大量延迟场景， 可以编写外部监控程序监听主从节点的复制偏移量， 当延迟较大时触发报警或者通知客户端避免读取延迟过高的从节点， 实现逻辑如图所示。
1） 监控程序（monitor） 定期检查主从节点的偏移量， 主节点偏移量在 info replication的master_repl_offset指标记录， 从节点偏移量可以查询主节点的slave0字段的offset指标， 它们的差值就是主从节点延迟的字节量。
2） 当延迟字节量过高时， 比如超过10MB。 监控程序触发报警并通知客户端从节点延迟过高。 可以采用Zookeeper的监听回调机制实现客户端通知。
3） 客户端接到具体的从节点高延迟通知后， 修改读命令路由到其他从节点或主节点上。 当延迟恢复后， 再次通知客户端， 恢复从节点的读命令请求。
这种方案的成本比较高， 需要单独修改适配Redis的客户端类库。 如果涉及多种语言成本将会扩大。 客户端逻辑需要识别出读写请求并自动路由，还需要维护故障和恢复的通知。 采用此方案视具体的业务而定， 如果允许不一致性或对延迟不敏感的业务可以忽略， 也可以采用Redis集群方案做水平扩展。
读到过期数据
当主节点存储大量设置超时的数据时， 如缓存数据， Redis内部需要维护过期数据删除策略， 删除策略主要有两种： 惰性删除和定时删除。
惰性删除： 主节点每次处理读取命令时， 都会检查键是否超时， 如果超时则执行del命令删除键对象， 之后del命令也会异步发送给从节点。 需要注意的是为了保证复制的一致性， 从节点自身永远不会主动删除超时数据， 如图所示。
定时删除： Redis主节点在内部定时任务会循环采样一定数量的键， 当发现采样的键过期时执行del命令， 之后再同步给从节点， 如图所示。
如果此时数据大量超时， 主节点采样速度跟不上过期速度且主节点没有读取过期键的操作， 那么从节点将无法收到del命令。 这时在从节点上可以读取到已经超时的数据。 Redis在3.2版本解决了这个问题， 从节点读取数据之前会检查键的过期时间来决定是否返回数据， 可以升级到3.2版本来规避这个问题。
从节点故障问题
对于从节点的故障问题， 需要在客户端维护可用从节点列表， 当从节点故障时立刻切换到其他从节点或主节点上。 这个过程类似上文提到的针对延迟过高的监控处理， 需要开发人员改造客户端类库。
综上所出， 使用Redis做读写分离存在一定的成本。 Redis本身的性能非常高， 开发人员在使用额外的从节点提升读性能之前， 尽量在主节点上做充分优化， 比如解决慢查询， 持久化阻塞， 合理应用数据结构等， 当主节点优化空间不大时再考虑扩展。 笔者建议大家在做读写分离之前， 可以考虑使用Redis Cluster等分布式解决方案， 这样不止扩展了读性能还可以扩展写性能
和可支撑数据规模， 并且一致性和故障转移也可以得到保证， 对于客户端的维护逻辑也相对容易。
主从配置不一致
主从配置不一致是一个容易忽视的问题。 对于有些配置主从之间是可以不一致， 比如： 主节点关闭AOF在从节点开启。 但对于内存相关的配置必须要一致， 比如maxmemory， hash-max-ziplist-entries等参数。 当配置的maxmemory从节点小于主节点， 如果复制的数据量超过从节点maxmemory时， 它会根据maxmemory-policy策略进行内存溢出控制， 此时从节点数据已经丢失， 但主从复制流程依然正常进行， 复制偏移量也正常。 修复这类问题也只能手动进行全量复制。 当压缩列表相关参数不一致时， 虽然主从节点存储的数据一致但实际内存占用情况差异会比较大。