主库挂了，如何不间断服务？

• 无论是写服务中断，还是从库无法进行数据同步，都是不能接受的。
• 涉及到三个问题：
  • 主库真的挂了么？
  • 该选择哪个从库作为主库？
  • 怎么把新主库的相关信息通知给从库和客户端呢？
• 在 Redis 主从集群中，哨兵机制是实现主从库自动切换的关键机制，它有效地解决了主从复制模式下故障转移的这三个问题。

哨兵机制

• 哨兵其实就是一个运行在特殊模式下的 Redis 进程，主从库实例运行的同时，它也在运行。哨兵主要负责的就是三个任务：监控、选主和通知。

监控

• 监控是指哨兵进程在运行时，周期性地给所有的主从库发送 PING 命令，检测它们是否仍然在线运行。
• 如果从库没有在规定时间内响应哨兵的 PING 命令，哨兵就会把它标记为“下线状态”；
• 同样，如果主库也没有在规定时间内响应哨兵的 PING 命令，哨兵就会判定主库下线，然后开始自动切换主库的流程。
• 实际使用过程中，往往存在哨兵集群，多个哨兵都PING不通主库，才会判定为真正下线（客观下线）。

选主

• 主库挂了以后，哨兵就需要从很多个从库里，按照一定的规则选择一个从库实例，把它作为新的主库。
• 这一步完成后，现在的集群里就有了新主库。
• 规则包含筛选+打分，筛选掉不符合条件的从库，然后给剩余实例打分，分高者作为新主库。
• 筛选：从库要在线，且网络要好，可以使用配置项down-after-milliseconds * 10，down-after-milliseconds 是主从库断连的最大连接超时时间，断连超过10次，可以认为该从库的网络不好。
• 打分，某一轮存在最高分的从库，则结束打分，该从库变为新主库：
  • 第一轮：优先级高的，参考 slave-priority这个配置。
  • 第二轮：和旧主库同步程度最接近的，同步游标slave_repl_offset 最接近 master_repl_offset。
  • 第三轮：ID 号小的，从库的编号。

通知

• 在执行通知任务时，哨兵会把新主库的连接信息发给其他从库，让它们执行 replicaof 命令，和新主库建立连接，并进行数据复制。
• 同时，哨兵会把新主库的连接信息通知给客户端，让它们把请求操作发到新主库上。