Redis持久化——aof

aof：以日志的形式来记录每个写瞬间，将Redis执行过的所有写操作记录下来（读操作不记录），只许追加文件但不可改写文件，redis启动之初会读取该文件重新构建数据，换言之，redis重启的话就根据日志文件的内容将写治理从前到后执行一次以完成数据的恢复工作。

aof保存的是appendonly.aof文件

                

默认关闭：yes打开aof持久化

                   

默认名字：appendonly.aof

                  

3种策略：always：同步持久化，每次发生数据变更会被立即记录到磁盘性能较差但数据完整性比较好

                everysec：出厂默认推荐，异步操作，每秒记录，如果一秒内宕机，有数据丢失

                 no：

当aof与rdb同时存在时用的是aof

当appendonly.aof文件出现文件破损等问题后，使用redis-cheak-aof来修复  命令：redis-cheak-aof --fix appendonly.aof，dump也有redis-cheak-dump

                    

no-appendfsync-on-rewrite no：重写时是否可以用appendfsync，用默认no即可，保证数据安全

                 

重写触发触发机制：

          auto-aof-rewrite-percentage 100：设置重写的基准值百分比(100%,也就是一倍)
          auto-aof-rewrite-min-size 64mb：设置重写的基准值（文件大于64M）

rewrite：aof才用的是文件追加方式，文件会越来越大为避免出现此状况，新增了重写机制，当aof文件的大小超过了所设定的阈值是，redis就会启动aof内容压缩，只保留可以恢复数据的最小指令集，可以使用命令bgrewriteaof

原理：aof文件持续增长而过大时，会fork出一条新进程来将文件重写（也是先写临时文件最后在rename），遍历新进程的内存中数据，每条记录有一条的set语句，重写aof文件的操作，并没有读取旧的aof文件，而是将整个内存中的数据库内容用命令的方式重写了一个新的aof文件，这点和快照有点类似

触发机制：Redis会记录上次重写时的aof大小，默认配置是当aof文件大小是上次rewrite后大小的一倍且文件大于64M时触发

优势：每秒同步：appendfsync always 同步持久化 每次发生数据变更会被立即记录到磁盘 性能较差但数据完整性较高

          每修改同步：appendfsync everysec  异步操作，每秒记录 如果一秒内宕机，有数据丢失

          不同步：appendfsync no 从不同步

劣势：相同数据集的数据而言aof文件要远大于rdb文件，恢复速度鳗鱼rdb

           aof运行效率要慢于rdb，每秒同步策略效率较好，不同步效率和rdb相同

 

关于rdb和aof到底用哪一个：

rdb持久化方式能够在指定的时间间隔能对数据进行快照存储

aof持久化方式记录每次对服务器写的操作，当服务器重启的时候还会重新执行这些命令来恢复原始的数据，aof命令以redis协议追加保存每次写的操作到文件末尾

Redis还能对aof文件进行后台重写，使得aof文件的体积不至于过大

只做缓存：如果只是希望数据在服务器运行的时候存在，可以不适用任何持久化方式

同时开启两种持久化方式：在这种情况下，当redis重启的时候会优先载入aof文件来回复原始数据，因为通常情况下aof文件保存的数据要比rdb文件保存的数据要完整。rdb文件数据不实时，同时使用两者时服务器重启也只会找aof文件，但是不建议只使用aof，因为adb更适合用于备份数据库（aof在不断变化不好备份），快速重启，而且也不会有aof可能潜在的bug

性能建议：因为rdb文件只做后备用途，可以只在slave上持久化rdb文件，而且只要15分钟备份一次就够了，只保留save 900 1这条规则

如果Enalbe aof，好处是在最恶劣情况下也只会丢失不超过两秒钟数据，启动脚本简单值load自己的aof文件就可以了，代价是带来了持续的IO，二是aof rewrite的最后将rewrite过程中产生的新数据写到新文件造成的阻塞几乎是不可避免的，只要硬盘许可，应该尽量减少aof rewrite的频率，aof重写的基础大小默认是64M太小了，可以设置到5G以上，默认超过原大小100%大小是重写可以改到适当的数值

如果不是Enable aof，紧靠Master-Slave Replication实现高可用性也可以，能省掉一大笔IO也减少了rewritr时带来的系统被动，代价是如果Master/Slave同时倒掉，会丢失十几分钟的数据，启动脚本也要比较两个Master/Slave中的RDB文件，载入交心的那个