出处： redis主从复制常见的一些坑
读写分离的问题
1.数据复制的延迟
读写分离时，master会异步的将数据复制到slave，如果这是slave发生阻塞，则会延迟master数据的写命令，造成数据不一致的情况
解决方法：可以对slave的偏移量值进行监控，如果发现某台slave的偏移量有问题，则将数据读取操作切换到master，但本身这个监控开销比较高，所以关于这个问题，大部分的情况是可以直接使用而不去考虑的。
2.读到过期的数据
产生原因：
redis的从库是无法主动的删除已经过期的key的，所以如果做了读写分离，就很有可能在从库读到脏数据
例子重现：
主Redis
setex test 20 1 +OK get test $1 1 ttl test :18
从Redis
get test $1 1 ttl test :7
以上都没问题，然而过几秒再看从Redis
ttl test :-1 get test $1 1
test这个key已经过期了，然而还是可以获取到test的值。
在使用Redis做锁的时候，如果直接取读从库的值，这就有大问题了。
为什么从库不删除数据？
redis删除过期数据有以下几个策略：
1.惰性删除：当读/写一个已经过期的key时，会触发惰性删除策略，直接删除掉这个过期key，很明显，这是被动的！
2.定期删除：由于惰性删除策略无法保证冷数据被及时删掉，所以 redis 会定期主动淘汰一批已过期的key。（在第二节中会具体说明）
3.主动删除：当前已用内存超过maxMemory限定时，触发主动清理策略。主动设置的前提是设置了maxMemory的值
int expireIfNeeded(redisDb *db, robj *key) { time_t when = getExpire(db,key); if (when < 0) return 0; /* No expire for this key */ /* Don't expire anything while loading. It will be done later. */ if (server.loading) return 0; /* If we are running in the context of a slave, return ASAP: * the slave key expiration is controlled by the master that will * send us synthesized DEL operations for expired keys. * * Still we try to return the right information to the caller, * that is, 0 if we think the key should be still valid, 1 if * we think the key is expired at this time. */ if (server.masterhost != NULL) { return time(NULL) > when; } /* Return when this key has not expired */ if (time(NULL) <= when) return 0; /* Delete the key */ server.stat_expiredkeys++; propagateExpire(db,key); return dbDelete(db,key); }
解决方法：
1）通过一个程序循环便利所有的key，例如scan
2）通过ttl判断
3）升级到reidis3.2
主从配置不一致
这个问题一般很少见，但如果有，就会发生很多诡异的问题
例如：
1. maxmemory配置不一致：这个会导致数据的丢失
原因：例如master配置4G，slave配置2G，这个时候主从复制可以成功，但，如果在进行某一次全量复制的时候，slave拿到master的RDB加载数据时发现自身的2G内存不够用，这时就会触发slave的maxmemory策略，将数据进行淘汰。更可怕的是，在高可用的集群环境下，如果我们将这台slave升级成master的时候，就会发现数据已经丢失了。
2. 数据结构优化参数不一致（例如hash-max-ziplist-entries）：这个就会导致内存不一致
原因：例如在master上对这个参数进行了优化，而在slave没有配置，就会造成主从节点内存不一致的诡异问题。
规避全量复制
首先，我们知道，redis复制有全量复制和部分复制两种（这个我前面博客有写到）而全量复制的开销是很大的。那么我们来看看，如何尽量去规避全量复制。
1.第一次全量复制
当我们某一台slave第一次去挂到master上时，是不可避免要进行一次全量复制的，那么，我们如何去想办法降低开销呢？
方案1：小主节点，例如我们把redis分成2G一个节点，这样一来，会加速RDB的生成和同步，同时还可以降低我们fork子进程的开销（master会fork一个子进程来生成同步需要的RDB文件，而fork是要拷贝内存快的，如果主节点内存太大，fork的开销就大）。
方案2：既然第一次不可以避免，那我们可以选在集群低峰的时间（凌晨）进行slave的挂载。
2.节点RunID不匹配
例如我们主节点重启（RunID发生变化），对于slave来说，它会保存之前master节点的RunID，如果它发现了此时master的RunID发生变化，那它会认为这是master过来的数据可能是不安全的，就会采取一次全量复制
解决办法：对于这类问题，我们只有是做一些故障转移的手段，例如master发生故障宕掉，我们选举一台slave晋升为master（哨兵或集群）
3.复制积压缓冲区不足
我在全量复制与部分复制那篇文章提到过，master生成RDB同步到slave，slave加载RDB这段时间里，master的所有写命令都会保存到一个复制缓冲队列里（如果主从直接网络抖动，进行部分复制也是走这个逻辑），待slave加载完RDB后，拿offset的值到这个队列里判断，如果在这个队列中，则把这个队列从offset到末尾全部同步过来，这个队列的默认值为1M。而如果发现offset不在这个队列，就会产生全量复制。
解决办法：增大复制缓冲区的配置 rel_backlog_size 默认1M，我们可以设置大一些，从而来加大我们offset的命中率。这个值，我们可以假设，一般我们网络故障时间一般是分钟级别，那我们可以根据我们当前的QPS来算一下每分钟可以写入多少字节，再乘以我们可能发生故障的分钟就可以得到我们这个理想的值。
规避复制风暴
什么是复制风暴？举例：我们master重启，其master下的所有slave检测到RunID发生变化，导致所有从节点向主节点做全量复制。尽管redis对这个问题做了优化，即只生成一份RDB文件，但需要多次传输，仍然开销很大。
1.单主节点复制风暴：主节点重启，多从节点全量复制
解决：更换复制拓扑如下图：
1.我们将原来master与slave中间加一个或多个slave，再在slave上加若干个slave，这样可以分担所有slave对master复制的压力。（这种架构还是有问题：读写分离的时候，slave1也发生了故障，怎么去处理？）
2.如果只是实现高可用，而不做读写分离，那当master宕机，直接晋升一台slave即可。
2.单机器复制风暴：机器宕机后的大量全量复制，如下图：
当machine-A这个机器宕机重启，会导致该机器所有master下的所有slave同时产生复制。（灾难）
解决：
1.主节点分散多机器（将master分散到不同机器上部署）
2.还有我们可以采用高可用手段（slave晋升master）就不会有类似问题了。
附录一份文章关于数据库主从数据不一致问题
数据库主从不一致问题解决方案
问：常见的数据库集群架构如何？
答： 一主多从，主从同步，读写分离。
如上图：
（1）一个主库提供写服务
（2）多个从库提供读服务，可以增加从库提升读性能
（3）主从之间同步数据
画外音：任何方案不要忘了本心，加从库的本心，是提升读性能。
问：为什么会出现不一致？
答：主从同步有时延，这个时延期间读从库，可能读到不一致的数据。
如上图：
（1）服务发起了一个写请求
（2）服务又发起了一个读请求，此时同步未完成，读到一个不一致的脏数据
（3）数据库主从同步最后才完成
画外音：任何数据冗余，必将引发一致性问题。
问：如何避免这种主从延时导致的不一致？
答：常见的方法有这么几种。
方案一：忽略
任何脱离业务的架构设计都是耍流氓，绝大部分业务，例如：百度搜索，淘宝订单，QQ消息，58帖子都允许短时间不一致。
画外音：如果业务能接受，最推崇此法。
如果业务能够接受，别把系统架构搞得太复杂。
方案二：强制读主
如上图：
（1）使用一个高可用主库提供数据库服务
（2）读和写都落到主库上
（3）采用缓存来提升系统读性能
这是很常见的微服务架构，可以避免数据库主从一致性问题。
方案三：选择性读主
强制读主过于粗暴，毕竟只有少量写请求，很短时间，可能读取到脏数据。
有没有可能实现，只有这一段时间，可能读到从库脏数据的读请求读主，平时读从呢？
可以利用一个缓存记录必须读主的数据。
如上图，当写请求发生时：
（1）写主库
（2）将哪个库，哪个表，哪个主键三个信息拼装一个key设置到cache里，这条记录的超时时间，设置为“主从同步时延”
画外音：key的格式为“db:table:PK”，假设主从延时为1s，这个key的cache超时时间也为1s。
如上图，当读请求发生时：
这是要读哪个库，哪个表，哪个主键的数据呢，也将这三个信息拼装一个key，到cache里去查询，如果，
（1）cache里有这个key，说明1s内刚发生过写请求，数据库主从同步可能还没有完成，此时就应该去主库查询
（2）cache里没有这个key，说明最近没有发生过写请求，此时就可以去从库查询
以此，保证读到的一定不是不一致的脏数据。
总结
数据库主库和从库不一致，常见有这么几种优化方案：
（1）业务可以接受，系统不优化
（2）强制读主，高可用主库，用缓存提高读性能
（3）在cache里记录哪些记录发生过写请求，来路由读主还是读从