本篇文章带大家了解一下redis中的codis，介绍一下codis原理，希望对大家有所帮助！
场景
在大数据高并发场景下，使用单个redis实例，即使redis的性能再高，也会变的非常吃力，
首先，数据量越大，redis占用内存就越大，进一步导致rdb文件过大，这种情况会使的主从全量同步时间过长，同时实例重启时，加载过大的rdb也会让启动时间变长。【相关推荐：Redis视频教程】
其次在CPU的使用上，单个实例的Redis只能使用一个CPU核心，一个核心应多过多的数据，也会显得力不从心，
因此需要一个集群方案，将巨大的数据量由一台实例分散到多台实例上，从Redis流行到官方支持自己的Cluster方案之间，第三方也在自己开发支持集群的组件，Codis就是其中之一，
Codis使用Go语言开发，在Redis与客户端中间充当代理的角色，使用Redis协议，所以客户端直接连接Codis，向其发送指令即可，Codis负责转发指令给Redis，最后接收返回结果再返回给客户端，
Codis代理的Redis实例构成一个Redis集群，当集群空间也不足以使用时，可以动态扩容，继续增加Redis实例，与此同时，客户端使用的sdk不需要做任何改动，只需由原来的连接redis改成连接codis即可，
Codis自身也可以采取一个集群，来保证自身的高可用，由于其本身就是无状态的，只负责转发内容，增加多个Codis没有副作用还可以保证QPS的提高，当其中一个Codis挂掉时，还可以使用别的。
原理
Codis将特定的Key转发到特定的Redis实例，集群中每个实例都保存一部分Key，降低其他实例的压力，同时所有实例的数据加起来，就是一份完整的信息。
Codis默认划分了1024个槽位(slot)，集群中的每个Redis实例对应一部分槽位，Codis会在内存中维护槽位与Redis实例的对应关系，
槽位的数量默认是1024，可以更改，如果集群节点比较多，可以将数字调大。
当接收到客户端发送过来的key时，Codis对该key进行 crc32 运算得出一个 hash 值，
再将 hash 后的整数值对 1024(槽位数量) 进行取模得到一个余数，该余数就是Key将被保存到的槽位，有了槽位就可以找到这个key该发到哪个redis实例上了。
伪代码：
hash = crc32(command.key) # 计算hash值 slot = hash % 1024 # 取模得到槽位 redisInstance = slots[slot].redis # 得到redis实例 redis.do(command) # 执行命令复制代码
集群槽位同步
Redis与槽位的映射关系存在Codis的内存当中，因此Codis集群需要考虑保证每个节点中的槽位映射关系同步，所以Codis采用 Zookeeper、Etcd 分布式配置存储中间件来持久化槽位映射关系，保证Codis集群之间的数据同步，
如下图，Codis将槽位关系存在Zookeeper中，并提供了一个Dashboard 观察与修改槽位关系，当发生改变时，Codis Proxy 监听到变化并重新同步槽位关系。
拓容
当现有集群也不满足业务需求时，就需要新增实例加入到的集群中，此时槽位映射关系需要进行重新分配，需要分配一部分的槽位给新节点。
Codis新增了一个 SLOTSSCAN 指令，可以遍历指定slot下的所有key，通过该指令扫描出待迁移槽位的所有key，然后挨个遍历每个key迁移到新节点中，
迁移过程中，Codis继续对外提供服务，此时来了一个请求打在了正在迁移的槽位上，由于该槽位现在对应新老两个节点，此时 Codis 无法判断该 key 有没有从旧节点中迁移到新节点上，
因此这种情况 Codis 会立即强制对当前的 key 进行单个迁移，迁移完成后，将请求转发给新的Redis实例上。
伪代码：
slot_index = crc32(command.key) % 1024
if slot_index in migrating_slots:
doMigratingKey(command.key)
redis = slots[slot_index].new_redis
else:
redis = slots[slot_index].redis复制代码SLOTSSCAN 与 Redis自身的Scan指令一样，无法避免扫描出来的数据重复，但这不会影响到迁移的正确性，因为单个key迁移之后，就立刻从旧实例中删除了，无法再被扫描出来。
自动均衡槽位
每次新增实例，如果都需要人工维护slot的映射关系太麻烦，Codis提供自动均衡，该功能会在系统比较空闲的时候观察每个Redis实例对应的slot数量，如果不平衡，就进行自动均衡，迁移数据的操作。
缺点
mallcloud商城基于SpringBoot2.x、SpringCloud和SpringCloudAlibaba并采用前后端分离vue的企业级微服务敏捷开发系统架构。并引入组件化的思想实现高内聚低耦合，项目代码简洁注释丰富上手容易，适合学习和企业中使用。真正实现了基于RBAC、jwt和oauth2的无状态统一权限认证的解决方案，面向互联网设计同时适合B端和C端用户，支持CI/CD多环境部署，并提
Codis给Redis带来扩容好处，但也造成了一些副作用。
不支持事务
一个事务可能对多个key做了操作，但事务只能在单个实例中完成，但是由于key分散在不同的实例中，因此Codis无法支持事务操作。
不支持rename
rename将一个key命名成另一个key，但是这两个key可能hash出来的槽位并不是同一个，而是在不同实例的槽位上，因此rename也不被支持。
官方提供的不支持的指令列表：https://github.com/CodisLabs/codis/blob/master/doc/unsupported_cmds.md
扩容卡顿
Codis在扩容过程中，对数据的迁移是将整个key直接迁移过去的，例如一个hash结构，Codis会直接 hgetall 拉取所有的内容，使用 hmset 放到 新节点中，
如果该hash的内容过大，将会引起卡顿，官方建议单个集合结构的总大小不超过1MB，在业务上可以通过分桶存储等，将大型数据拆成多个小的，做一个折中。
网络开销
由于 Codis 在 客户端与Redis实例之间充当网络Proxy，多了一层，网络开销自然多一些，比直接连接Redis的性能要稍低一些。
中间件运维开销
Codis集群配置需要使用Zk或Etcd，这意味着引入Codis集群又要引入其他中间件，增加运维机器资源成本。
优点
Codis将分布式一致性的问题交给了第三方(ZK或Etcd)负责，省去了这方面的维护工作，降低实现代码的复杂性，
Redis官方的Cluster为了实现去中心化，引入了Raft与Gossip协议，以及大量需要调优的配置参数，复杂度骤增。
批量获取
对于批量操作，例如使用 mget 获取多个key的值，这些key可能分散在多个实例中，Codis将key按照所在的实例进行分组，然后对每个实例挨个调用 mget，最后汇总返回给客户端。
其他功能
Codis 提供 Dashboard 界面化，以及 Codis-fe 对集群进行管理，还可以进行增加分组、节点、执行自动均衡等操作，查看 slot 状态以及 slot 对应的 redis 实例，这些功能使的运维更加方便轻松。
走向历史
Codis是为了弥补Redis官方没有提供集群这一概念时出现的，现在Redis官方提供Cluster功能，官方的支持自然比第三方的更有优势，
同时第三方软件还需要实时关注官方发布的新特性各种，而Cluster肯定是实时兼容新特性，因此更推荐使用官方的Cluster，Codis作为曾经的一个知识点了解，某些思想与Cluster是有重合的。
更多编程相关知识，请访问：编程入门！！
