使用 Redis 實現分布式系統輕量級協調技術
在分布式系統中，各個進程(本文使用進程來描述分布式系統中的運行主體，它們可以在同一個物理節點上也可以在不同的物理節點上)相互之間通常是需要協調進行運作的，有時是不同進程所處理的數據有依賴關系，必須按照一定的次序進行處理，有時是在一些特定的時間需要某個進程處理某些事務等等，人們通常會使用分布式鎖、選舉算法等技術來協調各個進程之間的行為。因為分布式系統本身的復雜特性，以及對于容錯性的要求，這些技術通常是重量級的，比如 Paxos 算法，欺負選舉算法，ZooKeeper 等，側重于消息的通信而不是共享內存，通常也是出了名的復雜和難以理解，當在具體的實現和實施中遇到問題時都是一個挑戰。
Redis 經常被人們認為是一種 NoSQL 軟件，但其本質上是一種分布式的數據結構服務器軟件，提供了一個分布式的基于內存的數據結構存儲服務。在實現上，僅使用一個線程來處理具體的內存數據結構，保證它的數據操作命令的原子特性;它同時還支持基于 Lua 的腳本，每個 Redis 實例使用同一個 Lua 解釋器來解釋運行 Lua 腳本，從而 Lua 腳本也具備了原子特性，這種原子操作的特性使得基于共享內存模式的分布式系統的協調方式成了可能，而且具備了很大的吸引力，和復雜的基于消息的機制不同，基于共享內存的模式對于很多技術人員來說明顯容易理解的多，特別是那些已經了解多線程或多進程技術的人。在具體實踐中，也并不是所有的分布式系統都像分布式數據庫系統那樣需要嚴格的模型的，而所使用的技術也不一定全部需要有堅實的理論基礎和數學證明，這就使得基于 Redis 來實現分布式系統的協調技術具備了一定的實用價值，實際上，人們也已經進行了不少嘗試。本文就其中的一些協調技術進行介紹。
signal/wait 操作
在分布式系統中，有些進程需要等待其它進程的狀態的改變，或者通知其它進程自己的狀態的改變，比如，進程之間有操作上的依賴次序時，就有進程需要等待，有進程需要發射信號通知等待的進程進行后續的操作，這些工作可以通過 Redis 的 Pub/Sub 系列命令來完成，比如：
- import redis, time
- rc = redis.Redis()
- def wait( wait_for ):
- ps = rc.pubsub()
- ps.subscribe( wait_for )
- ps.get_message()
- wait_msg = None
- while True:
- msg = ps.get_message()
- if msg and msg['type'] == 'message':
- wait_msg = msg
- break
- time.sleep(0.001)
- ps.close()
- return wait_msg
- def signal_broadcast( wait_in, data ):
- wait_count = rc.publish(wait_in, data)
- return wait_count
用這個方法很容易進行擴展實現其它的等待策略，比如 try wait，wait 超時，wait 多個信號時是要等待全部信號還是任意一個信號到達即可返回等等。因為 Redis 本身支持基于模式匹配的消息訂閱(使用 psubscribe 命令)，設置 wait 信號時也可以通過模式匹配的方式進行。
和其它的數據操作不同，訂閱消息是即時易逝的，不在內存中保存，不進行持久化保存，如果客戶端到服務端的連接斷開的話也是不會重發的，但是在配置了 master/slave 節點的情況下，會把 publish 命令同步到 slave 節點上，這樣我們就可以同時在 master 以及 slave 節點的連接上訂閱某個頻道，從而可以同時接收到發布者發布的消息，即使 master 在使用過程中出故障，或者到 master 的連接出了故障，我們仍然能夠從 slave 節點獲得訂閱的消息，從而獲得更好的魯棒性。另外，因為數據不用寫入磁盤，這種方法在性能上也是有優勢的。
上面的方法中信號是廣播的，所有在 wait 的進程都會收到信號，如果要將信號設置成單播，只允許其中一個收到信號，則可以通過約定頻道名稱模式的方式來實現，比如：
頻道名稱 = 頻道名前綴 (channel) + 訂閱者全局*** ID(myid)
其中*** ID 可以是 UUID，也可以是一個隨機數字符串，確保全局***即可。在發送 signal 之前先使用“pubsub channels channel*”命令獲得所有的訂閱者訂閱的頻道，然后發送信號給其中一個隨機指定的頻道;等待的時候需要傳遞自己的*** ID，將頻道名前綴和*** ID 合并為一個頻道名稱，然后同前面例子一樣進行 wait。示例如下：
- import random
- single_cast_script="""
- local channels = redis.call('pubsub', 'channels', ARGV[1]..'*');
- if #channels == 0 then
- return 0;
- end;
- local index= math.mod(math.floor(tonumber(ARGV[2])), #channels) + 1;
- return redis.call( 'publish', channels[index], ARGV[3]);
- """
- def wait_single( channel, myid):
- return wait( channel + myid )
- def signal_single( channel, data):
- rand_num = int(random.random() * 65535)
- return rc.eval( single_cast_script, 0, channel, str(rand_num), str(data) )
#p#
分布式鎖 Distributed Locks
分布式鎖的實現是人們探索的比較多的一個方向，在 Redis 的官方網站上專門有一篇文檔介紹 基于 Redis 的分布式鎖 ，其中提出了 Redlock 算法，并列出了多種語言的實現案例，這里作一簡要介紹。
Redlock 算法著眼于滿足分布式鎖的三個要素：
- 安全性：保證互斥，任何時間至多只有一個客戶端可以持有鎖
- 免死鎖：即使當前持有鎖的客戶端崩潰或者從集群中被分開了，其它客戶端最終總是能夠獲得鎖。
- 容錯性：只要大部分的 Redis 節點在線，那么客戶端就能夠獲取和釋放鎖。
鎖的一個簡單直接的實現方法就是用 SET NX 命令設置一個設定了存活周期 TTL 的 Key 來獲取鎖，通過刪除 Key 來釋放鎖，通過存活周期來保證避免死鎖。不過這個方法存在單點故障風險，如果部署了 master/slave 節點，則在特定條件下可能會導致安全性方面的沖突，比如：
- 客戶端 A 從 master 節點獲得鎖
- master 節點在將 key 復制到 slave 節點之前崩潰了
- slave 節點提升為新的 master 節點
- 客戶端 B 從新的 master 節點獲得了鎖，而這個鎖實際上已經由客戶端 A 所持有，導致了系統中有兩個客戶端在同一時間段內持有同一個互斥鎖，破壞了互斥鎖的安全性。
在 Redlock 算法中，通過類似于下面這樣的命令進行加鎖：
- SET resource_name my_random_value NX PX 30000
這里的 my_random_value 為全局不同的隨機數，每個客戶端需要自己產生這個隨機數并且記住它，后面解鎖的時候需要用到它。
解鎖則需要通過一個 Lua 腳本來執行，不能簡單地直接刪除 Key，否則可能會把別人持有的鎖給釋放了：
- if redis.call("get",KEYS[1]) == ARGV[1] then
- return redis.call("del",KEYS[1])
- else
- return 0
- end
這個 ARGV[1] 的值就是前面加鎖的時候的 my_random_value 的值。
如果需要更好的容錯性，可以建立一個有 N(N 為奇數)個相互獨立完備的 Redis 冗余節點的集群，這種情況下，一個客戶端獲得鎖和釋放鎖的算法如下：
- 先獲取當前時間戳 timestamp_1，以毫秒為單位。
- 以相同的 Key 和隨機數值，依次從 N 個節點獲取鎖，每次獲取鎖都設置一個超時，超時時限要保證小于所有節點上該鎖的自動釋放時間，以免在某個節點上耗時過長，通常都設的比較短。
- 客戶端將當前時間戳減去***步中的時間戳 timestamp_1，計算獲取鎖總消耗時間。只有當客戶端獲得了半數以上節點的鎖，而且總耗時少于鎖存活時間，該客戶端才被認為已經成功獲得了鎖。
- 如果獲得了鎖，則其存活時間為開始預設鎖存活時間減去獲取鎖總耗時間。
- 如果客戶端不能獲得鎖，則應該馬上在所有節點上解鎖。
- 如果要重試，則在隨機延時之后重新去獲取鎖。
- 獲得了鎖的客戶端要釋放鎖，簡單地在所有節點上解鎖即可。
Redlock 算法不需要保證 Redis 節點之間的時鐘是同步的(不論是物理時鐘還是邏輯時鐘)，這點和傳統的一些基于同步時鐘的分布式鎖算法有所不同。Redlock 算法的具體的細節可以參閱 Redis 的官方文檔，以及文檔中列出的多種語言版本的實現。
選舉算法
在分布式系統中，經常會有些事務是需要在某個時間段內由一個進程來完成，或者由一個進程作為 leader 來協調其它的進程，這個時候就需要用到選舉算法，傳統的選舉算法有欺負選舉算法(霸道選舉算法)、環選舉算法、Paxos 算法、Zab 算法 (ZooKeeper) 等，這些算法有些依賴于消息的可靠傳遞以及時鐘同步，有些過于復雜，難以實現和驗證。新的 Raft 算法相比較其它算法來說已經容易了很多，不過它仍然需要依賴心跳廣播和邏輯時鐘，leader 需要不斷地向 follower 廣播消息來維持從屬關系，節點擴展時也需要其它算法配合。
選舉算法和分布式鎖有點類似，任意時刻最多只能有一個 leader 資源。當然，我們也可以用前面描述的分布式鎖來實現，設置一個 leader 資源，獲得這個資源鎖的為 leader，鎖的生命周期過了之后，再重新競爭這個資源鎖。這是一種競爭性的算法，這個方法會導致有比較多的空檔期內沒有 leader 的情況，也不好實現 leader 的連任，而 leader 的連任是有比較大的好處的，比如 leader 執行任務可以比較準時一些，查看日志以及排查問題的時候也方便很多，如果我們需要一個算法實現 leader 可以連任，那么可以采用這樣的方法：
- import redis
- rc = redis.Redis()
- local_selector = 0
- def master():
- global local_selector
- master_selector = rc.incr('master_selector')
- if master_selector == 1:
- # initial / restarted
- local_selector = master_selector
- else:
- if local_selector > 0:
- # I'm the master before
- if local_selector > master_selector:
- # lost, maybe the db is fail-overed.
- local_selector = 0
- else:
- # continue to be the master
- local_selector = master_selector
- if local_selector > 0:
- # I'm the current master
- rc.expire('master_selector', 20)
- return local_selector > 0
這個算法鼓勵連任，只有當前的 leader 發生故障或者執行某個任務所耗時間超過了任期、或者 Redis 節點發生故障恢復之后才需要重新選舉出新的 leader。在 master/slave 模式下，如果 master 節點發生故障，某個 slave 節點提升為新的 master 節點，即使當時 master_selector 值尚未能同步成功，也不會導致出現兩個 leader 的情況。如果某個 leader 一直連任，則 master_selector 的值會一直遞增下去，考慮到 master_selector 是一個 64 位的整型類型，在可預見的時間內是不可能溢出的，加上每次進行 leader 更換的時候 master_selector 會重置為從 1 開始，這種遞增的方式是可以接受的，但是碰到 Redis 客戶端(比如 Node.js)不支持 64 位整型類型的時候就需要針對這種情況作處理。如果當前 leader 進程處理時間超過了任期，則其它進程可以重新生成新的 leader 進程，老的 leader 進程處理完畢事務后，如果新的 leader 的進程經歷的任期次數超過或等于老的 leader 進程的任期次數，則可能會出現兩個 leader 進程，為了避免這種情況，每個 leader 進程在處理完任期事務之后都應該檢查一下自己的處理時間是否超過了任期，如果超過了任期，則應當先設置 local_selector 為 0 之后再調用 master 檢查自己是否是 leader 進程。
#p#
消息隊列
消息隊列是分布式系統之間的通信基本設施，通過消息可以構造復雜的進程間的協調操作和互操作。Redis 也提供了構造消息隊列的原語，比如 Pub/Sub 系列命令，就提供了基于訂閱/發布模式的消息收發方法，但是 Pub/Sub 消息并不在 Redis 內保持，從而也就沒有進行持久化，適用于所傳輸的消息即使丟失了也沒有關系的場景。
如果要考慮到持久化，則可以考慮 list 系列操作命令，用 PUSH 系列命令(LPUSH, RPUSH 等)推送消息到某個 list，用 POP 系列命令(LPOP, RPOP,BLPOP,BRPOP 等)獲取某個 list 上的消息，通過不同的組合方式可以得到 FIFO，FILO，比如：
- import redis
- rc = redis.Redis()
- def fifo_push(q, data):
- rc.lpush(q, data)
- def fifo_pop(q):
- return rc.rpop(q)
- def filo_push(q, data):
- rc.lpush(q, data)
- def filo_pop(q):
- return rc.lpop(q)
如果用 BLPOP,BRPOP 命令替代 LPOP, RPOP，則在 list 為空的時候還支持阻塞等待。不過，即使按照這種方式實現了持久化，如果在 POP 消息返回的時候網絡故障，則依然會發生消息丟失，針對這種需求 Redis 提供了 RPOPLPUSH 和 BRPOPLPUSH 命令來先將提取的消息保存在另外一個 list 中，客戶端可以先從這個 list 查看和處理消息數據，處理完畢之后再從這個 list 中刪除消息數據，從而確保了消息不會丟失，示例如下：
- def safe_fifo_push(q, data):
- rc.lpush(q, data)
- def safe_fifo_pop(q, cache):
- msg = rc.rpoplpush(q, cache)
- # check and do something on msg
- rc.lrem(cache, 1) # remove the msg in cache list.
- return msg
如果使用 BRPOPLPUSH 命令替代 RPOPLPUSH 命令，則可以在 q 為空的時候阻塞等待。
結語
使用 Redis 作為分布式系統的共享內存，以共享內存模式為基礎來實現分布式系統協調技術，雖然不像傳統的基于消息傳遞的技術那樣有著堅實的理論證明的基礎，但是它在一些要求不苛刻的情況下不失為一種簡單實用的輕量級解決方案，畢竟不是每個系統都需要嚴格的容錯性等要求，也不是每個系統都會頻繁地發生進程異常，而且 Redis 本身已經經受了工業界的多年實踐和考驗。另外，用 Redis 技術還有一些額外的好處，比如在開發過程中和生產環境中都可以直接觀察到鎖、隊列的內容，實施的時候也不需要額外的特別配置過程等，它足夠簡單，在調試問題的時候邏輯清晰，進行排查和臨時干預也比較方便。在可擴展性方面也比較好，可以動態擴展分布式系統的進程數目，而不需要事先預定好進程數目。
Redis 支持基于 Key 值 hash 的集群，在集群中應用本文所述技術時建議另外部署專用 Redis 節點(或者冗余 Redis 節點集群)來使用，因為在基于 Key 值 hash 的集群中，不同的 Key 值會根據 hash 值被分布到不同的集群節點上，而且對于 Lua 腳本的支持也受到限制，難以保證一些操作的原子性，這一點是需要考慮到的。使用專用節點還有一個好處是專用節點的數據量會少很多，當應用了 master/slave 部署或者 AOF 模式的時候，因為數據量少，master 和 slave 之間的同步會少很多，AOF 模式實時寫入磁盤的數據也少很多，這樣子也可以大大提高可用性。
本文示例所列 Python 代碼在 Python3.4 下運行，Redis 客戶端采用 redis 2.10.3 ，Redis 服務端版本為 3.0.1 版。
