目錄
目錄 1
1. 前言 1
2. slave發起選舉 2
3. master響應選舉 5
4. 選舉示例 5
5. 哈希槽傳播方式 6
6. 一次主從切換記錄1 6
6.1. 相關參數 6
6.2. 時間點記錄 6
6.3. 其它master日志 6
6.4. 其它master日志 7
6.5. slave日志 7
7. 一次主從切換記錄2 8
7.1. 相關參數 8
7.2. 時間點記錄 8
7.3. 其它master日志 8
7.4. 其它master日志 9
7.5. slave日志 9
8. slave延遲發起選舉代碼 9
1. 前言
Redis官方原文：https://redis.io/topics/cluster-spec。另外，從Redis-5.0開始，slave已改叫replica，配置項和部分文檔及變量已做改名。
Redis集群的主從切換采取選舉機制，要求少數服從多數，而參與選舉的只能為master，所以只有多數master存活動時才能進行，選舉由slave發起。
Redis用了和Raft算法term（任期）類似的的概念，在Redis中叫作epoch（紀元），epoch是一個無符號的64整數，一個節點的epoch從0開始。
如果一個節點接收到的epoch比自己的大，則將自已的epoch更新接收到的epoch（假定為信任網絡，無拜占庭將軍問題）。
每個master都會在ping和pong消息中廣播自己的epoch和所負責的slots位圖，slave發起選舉時，創建一個新的epoch（增一），epoch的值會持久化到文件nodes.conf中，如（最新epoch值為27，最近一次投票給了27）：
| vars currentEpoch 27 lastVoteEpoch 27 |
2. slave發起選舉
只有master為fail狀態，slave才會發起選舉。但並不是master為fail時立即發起選舉，而是延遲下列隨機時長，以避免多個slaves同時發起選舉（至少延遲0.5秒后才會發起選舉）：
| 500 milliseconds + random delay between 0 and 500 milliseconds + SLAVE_RANK * 1000 milliseconds |
一個slave發起選舉的條件：
1) 它的master為fail狀態（非pfail狀態）；
2) 它的master至少負責了一個slot；
3) slave和master的復制連接斷開時間不超過給定的值（值可配置，目的是確保slave上的數據足夠完整，所以運維時不能任由一個slave長時間不可用，需要通過監控將異常的slave及時恢復）。
因過長時間不可用而不能自動切換的slave日志：
| slave過長時間不可用，導致無法自動切換為master 12961:S 06 Jan 2019 19:00:21.969 # Currently unable to failover: Disconnected from master for longer than allowed. Please check the 'cluster-replica-validity-factor' configuration option. |
相關的源代碼：
| /* This function is called if we are a slave node and our master serving * a non-zero amount of hash slots is in FAIL state. * * The gaol of this function is: * 1) To check if we are able to perform a failover, is our data updated? * 2) Try to get elected by masters. * 3) Perform the failover informing all the other nodes. */ void clusterHandleSlaveFailover(void) { mstime_t data_age; // 與master斷開的時長，單位毫秒 mstime_t auth_age = mstime() - server.cluster->failover_auth_time; int needed_quorum = (server.cluster->size / 2) + 1; int manual_failover = server.cluster->mf_end != 0 && server.cluster->mf_can_start; auth_timeout = server.cluster_node_timeout*2; if (auth_timeout < 2000) auth_timeout = 2000; auth_retry_time = auth_timeout*2; 。。。。。。 /* Set data_age to the number of seconds we are disconnected from * the master. */ if (server.repl_state == REPL_STATE_CONNECTED) { data_age = (mstime_t)(server.unixtime - server.master->lastinteraction) * 1000; } else { data_age = (mstime_t)(server.unixtime - server.repl_down_since) * 1000; }
/* Remove the node timeout from the data age as it is fine that we are * disconnected from our master at least for the time it was down to be * flagged as FAIL, that's the baseline. */ if (data_age > server.cluster_node_timeout) data_age -= server.cluster_node_timeout;
/* Check if our data is recent enough according to the slave validity * factor configured by the user. * * Check bypassed for manual failovers. */ if (server.cluster_slave_validity_factor && data_age > (((mstime_t)server.repl_ping_slave_period * 1000) + (server.cluster_node_timeout * server.cluster_slave_validity_factor))) { // slave不可用時間過長，導致不能自動切換為master if (!manual_failover) { // 人工切換除外 clusterLogCantFailover(CLUSTER_CANT_FAILOVER_DATA_AGE); return; } } 。。。。。。 /* Ask for votes if needed. */ // failover_auth_sent標記是否已發送過投票消息 if (server.cluster->failover_auth_sent == 0) { server.cluster->currentEpoch++; server.cluster->failover_auth_epoch = server.cluster->currentEpoch; serverLog(LL_WARNING,"Starting a failover election for epoch %llu.", (unsigned long long) server.cluster->currentEpoch);
// 給所有節點（包括slaves）發送投票消息FAILOVE_AUTH_REQUEST（請求投票成為master消息），但注意只有master響應該消息 clusterRequestFailoverAuth(); server.cluster->failover_auth_sent = 1; clusterDoBeforeSleep(CLUSTER_TODO_SAVE_CONFIG| CLUSTER_TODO_UPDATE_STATE| CLUSTER_TODO_FSYNC_CONFIG); return; /* Wait for replies. */ } /* Check if we reached the quorum. */ if (server.cluster->failover_auth_count >= needed_quorum) { /* We have the quorum, we can finally failover the master. */
serverLog(LL_WARNING, "Failover election won: I'm the new master.");
/* Update my configEpoch to the epoch of the election. */ if (myself->configEpoch < server.cluster->failover_auth_epoch) { myself->configEpoch = server.cluster->failover_auth_epoch; serverLog(LL_WARNING, "configEpoch set to %llu after successful failover", (unsigned long long) myself->configEpoch); }
/* Take responsibility for the cluster slots. */ clusterFailoverReplaceYourMaster(); } else { clusterLogCantFailover(CLUSTER_CANT_FAILOVER_WAITING_VOTES); } } |
從上段代碼，還可以看到配置項cluster-slave-validity-factor影響slave是否能夠切換為master。
發起選舉前，slave先給自己的epoch（即currentEpoch）增一，然后請求其它master給自己投票。slave是通過廣播FAILOVER_AUTH_REQUEST包給集中的每一個masters。
slave發起投票后，會等待至少兩倍NODE_TIMEOUT時長接收投票結果，不管NODE_TIMEOUT何值，也至少會等待2秒。
master接收投票后給slave響應FAILOVER_AUTH_ACK，並且在（NODE_TIMEOUT*2）時間內不會給同一master的其它slave投票。
如果slave收到FAILOVER_AUTH_ACK響應的epoch值小於自己的epoch，則會直接丟棄。一旦slave收到多數master的FAILOVER_AUTH_ACK，則聲明自己贏得了選舉。
如果slave在兩倍的NODE_TIMEOUT時間內（至少2秒）未贏得選舉，則放棄本次選舉，然后在四倍NODE_TIMEOUT時間（至少4秒）后重新發起選舉。
只所以強制延遲至少0.5秒選舉，是為確保master的fail狀態在整個集群內傳開，否則可能只有小部分master知曉，而master只會給處於fail狀態的master的slaves投票。如果一個slave的master狀態不是fail，則其它master不會給它投票，Redis通過八卦協議（即Gossip協議，也叫謠言協議）傳播fail。而在固定延遲上再加一個隨機延遲，是為了避免多個slaves同時發起選舉。
slave的SLAVE_RANK是一個與master復制數有關的值，具有最新復制時SLAVE_RANK值為0，第二則為1，以此類推。這樣可讓具有最全數據的slave優先發起選舉。當具有更高SLAVE_RANK值的slave如果沒有當選，則其它slaves會很快發起選舉（至少4秒后）。
在slave贏得選舉后，會向集群內的所有節點廣播pong，以盡快完成重新配置（體現在node.conf的更新）。當前未能到達的節點，最終也會完成重新配置。
其它節點會發現有兩個相同的master負責相同的slots，這時就看哪個master的epoch值更大。
slave成為master后，並不立即服務，而是留了一個時間差。
3. master響應選舉
master收到slave的投票請求FAILOVER_AUTH_REQUEST后，只有滿足下列條件時，才會響應投票：
1) 對一個epoch，只投票一次；
2) 會拒絕所有更小epoch的投票請求；
3) 不會給小於lastVoteEpoch的epoch投票；
4) master只給master狀態為fail的slave投票；
5) 如果slave請求的currentEpoch小於master的currentEpoch，則master忽略該請求，但下列情況例外：
| ① 假設master的currentEpoch值為5，lastVoteEpoch值為1（當有選舉失敗會出現這個情況，亦即currentEpoch值增加了，但因為選舉失敗，lastVoteEpoch值未變）； ② slave的currentEpoch值為3； ③ slave增一，使用值為4的epoch發起選舉，這個時候master會響應epoch值為5，不巧這個響應延遲了； ④ slave重新發起選舉，這個時候選舉用的epoch值為5（每次發起選舉epoch值均需增一），湊巧這個時候原來延遲的響應達到了，這個時候原來延遲的響應被slave認為有效。 |
在master投票后，會用請求中的epoch更新本地的lastVoteEpoch，並持久化到node.conf文件中。master不會參與選擇最優的slave，由於最優的slave有最好的SLAVE_RANK，因此最優的slave可相對更快發起選舉。
4. 選舉示例
假設一個master有A、B和C三個slaves節點，當這個master不可達時：
1) 假設slave A贏得選舉成為master；
2) slave A因為網絡分區不再可用；
3) slave B贏得選舉；
4) slave B因為網絡分區不再可用；
5) 網絡分區修復，slave A又可用。
B掛了，A又可用。同一時刻，slave C發起選舉，試圖替代B成為master。由於slave C的master已不可用，所以它能夠選舉成為master，並將configEpoch值增一。而A將不能成為master，因為C已成為master，並且C的epoch值更大。
5. 哈希槽傳播方式
有兩種哈希槽（hash slot）傳播途徑：
1) 心跳消息（Heartbeat messages）。節點在發送ping和pong消息時，總是攜帶了它所負責（或它的master所負責）的哈希槽信息；
2) 更新消息（UPDATE messages）。由於心跳包還包含了epoch信息，當消息接收者發現心跳包攜帶的信息陳舊時，會響應更新的信息，這樣強迫發送者更新哈希槽。
6. 一次主從切換記錄1
測試集群運行在同一個物理機上，cluster-node-timeout值比repl-timeout值大。
6.1. 相關參數
| cluster-slave-validity-factor值為1 cluster-node-timeout值為30000 repl-ping-slave-period值為1 repl-timeout值為10 |
6.2. 時間點記錄
master為FAIL之時的1秒左右時間內，即為主從切換之時。
| master A標記fail時間：20:12:55.467 master B標記fail時間：20:12:55.467 master A投票時間：20:12:56.164 master B投票時間：20:12:56.164 slave發起選舉時間：20:12:56.160 slave准備發起選舉時間：20:12:55.558（延遲579毫秒） slave發現和master心跳超時時間：20:12:32.810（在這之后24秒才發生主從切換） slave收到其它master發來的自己的master為fail時間：20:12:55.467 切換前服務最后一次正常時間：（服務異常約發生在秒）20:12:22/279275 切換后服務恢復正常時間：20:12:59/278149 服務不可用時長：約37秒 |
6.3. 其它master日志
該master ID為c67dc9e02e25f2e6321df8ac2eb4d99789917783。
| 30613:M 04 Jan 2019 20:12:55.467 * FAIL message received from bfad383775421b1090eaa7e0b2dcfb3b38455079 about 44eb43e50c101c5f44f48295c42dda878b6cb3e9 // 從其它master收到44eb43e50c101c5f44f48295c42dda878b6cb3e9已fail消息 30613:M 04 Jan 2019 20:12:55.467 # Cluster state changed: fail 30613:M 04 Jan 2019 20:12:56.164 # Failover auth granted to 0ae8b5400d566907a3d8b425d983ac3b7cbd8412 for epoch 30 // 對選舉投票 30613:M 04 Jan 2019 20:12:56.204 # Cluster state changed: ok 30613:M 04 Jan 2019 20:12:56.708 * Ignoring FAIL message from unknown node 082c079149a9915612d21cca8e08c831a4edeade about 44eb43e50c101c5f44f48295c42dda878b6cb3e9 |
6.4. 其它master日志
該master ID為bfad383775421b1090eaa7e0b2dcfb3b38455079。
| 30614:M 04 Jan 2019 20:12:55.467 * Marking node 44eb43e50c101c5f44f48295c42dda878b6cb3e9 as failing (quorum reached). // 標記44eb43e50c101c5f44f48295c42dda878b6cb3e9為已fail 30614:M 04 Jan 2019 20:12:56.164 # Failover auth granted to 0ae8b5400d566907a3d8b425d983ac3b7cbd8412 for epoch 30 // 對選舉投票 30614:M 04 Jan 2019 20:12:56.709 * Ignoring FAIL message from unknown node 082c079149a9915612d21cca8e08c831a4edeade about 44eb43e50c101c5f44f48295c42dda878b6cb3e9 |
6.5. slave日志
slave的master ID為44eb43e50c101c5f44f48295c42dda878b6cb3e9，slave自己的ID為0ae8b5400d566907a3d8b425d983ac3b7cbd8412。
| 30651:S 04 Jan 2019 20:12:32.810 # MASTER timeout: no data nor PING received... // 發現master超時，master異常10秒后發現，原因是repl-timeout的值為10 30651:S 04 Jan 2019 20:12:32.810 # Connection with master lost. 30651:S 04 Jan 2019 20:12:32.810 * Caching the disconnected master state. 30651:S 04 Jan 2019 20:12:32.810 * Connecting to MASTER 1.9.16.9:4073 30651:S 04 Jan 2019 20:12:32.810 * MASTER <-> REPLICA sync started 30651:S 04 Jan 2019 20:12:32.810 * Non blocking connect for SYNC fired the event.
30651:S 04 Jan 2019 20:12:43.834 # Timeout connecting to the MASTER... 30651:S 04 Jan 2019 20:12:43.834 * Connecting to MASTER 1.9.16.9:4073 30651:S 04 Jan 2019 20:12:43.834 * MASTER <-> REPLICA sync started 30651:S 04 Jan 2019 20:12:43.834 * Non blocking connect for SYNC fired the event. 30651:S 04 Jan 2019 20:12:54.856 # Timeout connecting to the MASTER... 30651:S 04 Jan 2019 20:12:54.856 * Connecting to MASTER 1.9.16.9:4073 30651:S 04 Jan 2019 20:12:54.856 * MASTER <-> REPLICA sync started 30651:S 04 Jan 2019 20:12:54.856 * Non blocking connect for SYNC fired the event. 30651:S 04 Jan 2019 20:12:55.467 * FAIL message received from bfad383775421b1090eaa7e0b2dcfb3b38455079 about 44eb43e50c101c5f44f48295c42dda878b6cb3e9 // 從其它master收到自己的master的FAIL消息 30651:S 04 Jan 2019 20:12:55.467 # Cluster state changed: fail 30651:S 04 Jan 2019 20:12:55.558 # Start of election delayed for 579 milliseconds (rank #0, offset 227360). // 准備發起選舉，延遲579毫秒，其中500毫秒為固定延遲，279秒為隨機延遲，因為RANK值為0，所以RANK延遲為0毫秒 30651:S 04 Jan 2019 20:12:56.160 # Starting a failover election for epoch 30. // 發起選舉 30651:S 04 Jan 2019 20:12:56.180 # Failover election won: I'm the new master. // 贏得選舉 30651:S 04 Jan 2019 20:12:56.180 # configEpoch set to 30 after successful failover 30651:M 04 Jan 2019 20:12:56.180 # Setting secondary replication ID to 154a9c2319403d610808477dcda3d4bede0f374c, valid up to offset: 227361. New replication ID is 927fb64a420236ee46d39389611ab2d8f6530b6a 30651:M 04 Jan 2019 20:12:56.181 * Discarding previously cached master state. 30651:M 04 Jan 2019 20:12:56.181 # Cluster state changed: ok 30651:M 04 Jan 2019 20:12:56.708 * Ignoring FAIL message from unknown node 082c079149a9915612d21cca8e08c831a4edeade about 44eb43e50c101c5f44f48295c42dda878b6cb3e9 // 忽略來自非集群成員1.9.16.9:4077的消息 |
7. 一次主從切換記錄2
測試集群運行在同一個物理機上，cluster-node-timeout值比repl-timeout值小。
7.1. 相關參數
| cluster-slave-validity-factor值為1 cluster-node-timeout值為10000 repl-ping-slave-period值為1 repl-timeout值為30 |
7.2. 時間點記錄
master為FAIL之時的1秒左右時間內，即為主從切換之時。
| master A標記fail時間：20:37:10.398 master B標記fail時間：20:37:10.398 master A投票時間：20:37:11.084 master B投票時間：20:37:11.085 slave發起選舉時間：20:37:11.077 slave准備發起選舉時間：20:37:10.475（延遲539毫秒） slave發現和master心跳超時時間：沒有發生，因為slave在超時之前已成為master slave收到其它master發來的自己的master為fail時間：20:37:10.398 切換前服務最后一次正常時間：20:36:55/266889（服務異常約發生在56秒） 切換后服務恢復正常時間：20:37:12/265802 服務不可用時長：約17秒 |
7.3. 其它master日志
該master ID為c67dc9e02e25f2e6321df8ac2eb4d99789917783。
| 30613:M 04 Jan 2019 20:37:10.398 * Marking node 44eb43e50c101c5f44f48295c42dda878b6cb3e9 as failing (quorum reached). 30613:M 04 Jan 2019 20:37:10.398 # Cluster state changed: fail 30613:M 04 Jan 2019 20:37:11.084 # Failover auth granted to 0ae8b5400d566907a3d8b425d983ac3b7cbd8412 for epoch 32 30613:M 04 Jan 2019 20:37:11.124 # Cluster state changed: ok 30613:M 04 Jan 2019 20:37:17.560 * Ignoring FAIL message from unknown node 082c079149a9915612d21cca8e08c831a4edeade about 44eb43e50c101c5f44f48295c42dda878b6cb3e9 |
7.4. 其它master日志
該master ID為bfad383775421b1090eaa7e0b2dcfb3b38455079。
| 30614:M 04 Jan 2019 20:37:10.398 * Marking node 44eb43e50c101c5f44f48295c42dda878b6cb3e9 as failing (quorum reached). 30614:M 04 Jan 2019 20:37:11.085 # Failover auth granted to 0ae8b5400d566907a3d8b425d983ac3b7cbd8412 for epoch 32 30614:M 04 Jan 2019 20:37:17.560 * Ignoring FAIL message from unknown node 082c079149a9915612d21cca8e08c831a4edeade about 44eb43e50c101c5f44f48295c42dda878b6cb3e9 |
7.5. slave日志
slave的master ID為44eb43e50c101c5f44f48295c42dda878b6cb3e9，slave自己的ID為0ae8b5400d566907a3d8b425d983ac3b7cbd8412。
| 30651:S 04 Jan 2019 20:37:10.398 * FAIL message received from c67dc9e02e25f2e6321df8ac2eb4d99789917783 about 44eb43e50c101c5f44f48295c42dda878b6cb3e9 30651:S 04 Jan 2019 20:37:10.398 # Cluster state changed: fail 30651:S 04 Jan 2019 20:37:10.475 # Start of election delayed for 539 milliseconds (rank #0, offset 228620). 30651:S 04 Jan 2019 20:37:11.077 # Starting a failover election for epoch 32. 30651:S 04 Jan 2019 20:37:11.100 # Failover election won: I'm the new master. 30651:S 04 Jan 2019 20:37:11.100 # configEpoch set to 32 after successful failover 30651:M 04 Jan 2019 20:37:11.100 # Setting secondary replication ID to 0cf19d01597610c7933b7ed67c999a631655eafc, valid up to offset: 228621. New replication ID is 53daa7fa265d982aebd3c18c07ed5f178fc3f70b 30651:M 04 Jan 2019 20:37:11.101 # Connection with master lost. 30651:M 04 Jan 2019 20:37:11.101 * Caching the disconnected master state. 30651:M 04 Jan 2019 20:37:11.101 * Discarding previously cached master state. 30651:M 04 Jan 2019 20:37:11.101 # Cluster state changed: ok 30651:M 04 Jan 2019 20:37:17.560 * Ignoring FAIL message from unknown node 082c079149a9915612d21cca8e08c831a4edeade about 44eb43e50c101c5f44f48295c42dda878b6cb3e9 |
8. slave延遲發起選舉代碼
// 摘自Redis-5.0.3
| // cluster.c /* This function is called if we are a slave node and our master serving * a non-zero amount of hash slots is in FAIL state. * * The gaol of this function is: * 1) To check if we are able to perform a failover, is our data updated? * 2) Try to get elected by masters. * 3) Perform the failover informing all the other nodes. */ void clusterHandleSlaveFailover(void) { 。。。。。。 /* Check if our data is recent enough according to the slave validity * factor configured by the user. * * Check bypassed for manual failovers. */ if (server.cluster_slave_validity_factor && data_age > (((mstime_t)server.repl_ping_slave_period * 1000) + (server.cluster_node_timeout * server.cluster_slave_validity_factor))) { if (!manual_failover) { clusterLogCantFailover(CLUSTER_CANT_FAILOVER_DATA_AGE); return; } } /* If the previous failover attempt timedout and the retry time has * elapsed, we can setup a new one. */ if (auth_age > auth_retry_time) { server.cluster->failover_auth_time = mstime() + 500 + /* Fixed delay of 500 milliseconds, let FAIL msg propagate. */ random() % 500; /* Random delay between 0 and 500 milliseconds. */ server.cluster->failover_auth_count = 0; server.cluster->failover_auth_sent = 0; server.cluster->failover_auth_rank = clusterGetSlaveRank(); /* We add another delay that is proportional to the slave rank. * Specifically 1 second * rank. This way slaves that have a probably * less updated replication offset, are penalized. */ server.cluster->failover_auth_time += server.cluster->failover_auth_rank * 1000; /* However if this is a manual failover, no delay is needed. */ if (server.cluster->mf_end) { server.cluster->failover_auth_time = mstime(); server.cluster->failover_auth_rank = 0; } serverLog(LL_WARNING, "Start of election delayed for %lld milliseconds " "(rank #%d, offset %lld).", server.cluster->failover_auth_time - mstime(), server.cluster->failover_auth_rank, replicationGetSlaveOffset()); /* Now that we have a scheduled election, broadcast our offset * to all the other slaves so that they'll updated their offsets * if our offset is better. */ clusterBroadcastPong(CLUSTER_BROADCAST_LOCAL_SLAVES); return; } 。。。。。。 } |