从moved、ask到智能客户端：一次彻底搞懂RedisCluster的数据路由

1 moved重定向

每个节点通信共享Redis Cluster中槽和集群中对应节点的关系。

1. 客户端向Redis Cluster的任一节点发送命令
2. 接收命令的节点再计算自己的槽和对应节点

如果保存数据的槽被分配给当前节点，则去槽中执行命令，并把命令执行结果返回给客户端：

127.0.0.1:6379> cluster keyslot hello
(integer) 866   # 直接返回

键槽计算公式：

slot = CRC16(key) mod 16384

如果保存数据的槽不在当前节点的管理范围内，则向客户端返回moved重定向异常

1. 客户端接收到节点返回的结果，如果是moved异常，则从moved异常中获取目标节点的信息
2. 客户端向目标节点发送命令，获取命令执行结果

重定向流程

1. 客户端向节点6379发送 'set php best' 命令
2. 节点6379计算键'php'对应槽位9244
3. 槽位9244不在节点6379管理范围内(0~5460)
4. 返回MOVED重定向: 'moved 9244 127.0.0.1:6380'
5. 客户端根据重定向信息连接节点6380
6. 节点6380成功执行命令并返回OK

键槽信息：

CRC16('php') mod 16384 = 9244

客户端不会自动找到目标节点执行命令，需要二次执行

2 ask重定向

集群伸缩时，需数据迁移。

当客户端访问某key，节点告诉客户端key在源节点，再去源节点访问时，却发现key已迁移到目标节点，就会返回ask。


1. 客户端向目标节点发送命令，目标节点中的槽已经迁移到其它节点
2. 目标节点会返回ask转向给客户端
3. 客户端向新节点发送Asking命令
4. 再向新节点发送命令
5. 新节点执行命令，把命令执行结果返回给客户端

为啥不用MOVED重定向？

虽然MOVED意味着我们认为哈希槽由另一节点永久提供，且应对指定节点尝试下一个查询，所以ASK意味着仅将下一个查询发送到指定节点。

需要这样做，是因为下一个关于哈希槽的查询可能是关于仍在A中的键，因此我们始终希望客户端尝试A，然后在需要时尝试B。由于只有16384个可用的哈希槽中有一个发生，因此集群层面的性能下降可接受。

3 moved V.S ask

虽然都是客户端重定向，但是：

• moved：槽已确定转移
• ask：槽还在迁移中

4 智能客户端

为追求性能。

4.1 设计思路

• 从集群中选一个可运行节点，用Cluster slots初始化槽和节点映射
• 将Cluster slots结果映射在本地，为每个节点创建JedisPool，之后即可进行数据读写操作

4.2 注意

• 每个JedisPool缓存了slot和节点node的关系
• key和slot：对key进行CRC16，hash后与16383取余得到的结果就是slot槽
• JedisCluster启动时，已知key、slot和node之间关系，可找到目标节点
• JedisCluster对目标节点发送命令，目标节点直接响应给JedisCluster
• 如果JedisCluster与目标节点连接出错，则JedisCluster会知道连接的节点是一个错误的节点
• 此时JedisCluster会随机节点发送命令，随机节点返回moved异常给JedisCluster
• JedisCluster会重新初始化slot与node节点的缓存关系，再向新的目标节点发命令，目标命令执行命令并向JedisCluster响应
• 若命令发送次数超过5次，抛"Too many cluster redirection!"

架构设计

基图：

全图：

AI大模型学习福利

作为一名热心肠的互联网老兵，我决定把宝贵的AI知识分享给大家。 至于能学习到多少就看你的学习毅力和能力了 。我已将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

一、全套AGI大模型学习路线

AI大模型时代的学习之旅：从基础到前沿，掌握人工智能的核心技能！

因篇幅有限，仅展示部分资料，需要点击文章最下方名片即可前往获取

二、640套AI大模型报告合集

这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。

因篇幅有限，仅展示部分资料，需要点击文章最下方名片即可前往获

三、AI大模型经典PDF籍

随着人工智能技术的飞速发展，AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型，如GPT-3、BERT、XLNet等，以其强大的语言理解和生成能力，正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。

因篇幅有限，仅展示部分资料，需要点击文章最下方名片即可前往获

四、AI大模型商业化落地方案

因篇幅有限，仅展示部分资料，需要点击文章最下方名片即可前往获

作为普通人，入局大模型时代需要持续学习和实践，不断提高自己的技能和认知水平，同时也需要有责任感和伦理意识，为人工智能的健康发展贡献力量。