Redis高级篇 - 分布式缓存

分布式缓存

• 基于Redis集群解决单机Redis存在的问题

单机的Redis存在四大问题：

1.Redis持久化

Redis有两种持久化方案：

• RDB持久化
• AOF持久化

1.1.RDB持久化

RDB全称Redis Database Backup file（Redis数据备份文件），也被叫做Redis数据快照。简单来说就是把内存中的所有数据都记录到磁盘中。当Redis实例故障重启后，从磁盘读取快照文件，恢复数据。快照文件称为RDB文件，默认是保存在当前运行目录。

1.1.1.执行时机

RDB持久化在四种情况下会执行：

• 执行save命令
• 执行bgsave命令
• Redis停机时
• 触发RDB条件时

1）save命令

执行下面的命令，可以立即执行一次RDB：

save命令会导致主进程执行RDB，这个过程中其它所有命令都会被阻塞。只有在数据迁移时可能用到。

2）bgsave命令

下面的命令可以异步执行RDB：

这个命令执行后会开启独立进程完成RDB，主进程可以持续处理用户请求，不受影响。

3）停机时

Redis停机时会执行一次save命令，实现RDB持久化。

4）触发RDB条件

Redis内部有触发RDB的机制，可以在redis.conf文件中找到，格式如下：

# 900秒内，如果至少有1个key被修改，则执行bgsave ， 如果是save "" 则表示禁用RDB
save 900 1  
save 300 10  
save 60 10000 

RDB的其它配置也可以在redis.conf文件中设置：

# 是否压缩 ,建议不开启，压缩也会消耗cpu，磁盘的话不值钱
rdbcompression yes

# RDB文件名称
dbfilename dump.rdb  

# 文件保存的路径目录
dir ./ 

1.1.2.RDB原理

bgsave开始时会fork主进程得到子进程，子进程共享主进程的内存数据。完成fork后读取内存数据并写入 RDB 文件。

fork采用的是copy-on-write技术：

• 当主进程执行读操作时，访问共享内存；
• 当主进程执行写操作时，则会拷贝一份数据，执行写操作。

1.1.3.小结

RDB方式bgsave的基本流程？

• fork主进程得到一个子进程，共享内存空间
• 子进程读取内存数据并写入新的RDB文件
• 用新RDB文件替换旧的RDB文件

RDB会在什么时候执行？save 60 1000代表什么含义？

• 默认是服务停止时
• 代表60秒内至少执行1000次修改则触发RDB

RDB的缺点？

• RDB执行间隔时间长，两次RDB之间写入数据有丢失的风险
• fork子进程、压缩、写出RDB文件都比较耗时

1.2.AOF持久化

1.2.1.AOF原理

AOF全称为Append Only File（追加文件）。Redis处理的每一个写命令都会记录在AOF文件，可以看做是命令日志文件。

1.2.2.AOF配置

AOF默认是关闭的，需要修改redis.conf配置文件来开启AOF：

# 是否开启AOF功能，默认是no
appendonly yes
# AOF文件的名称
appendfilename "appendonly.aof"

AOF的命令记录的频率也可以通过redis.conf文件来配：

# 表示每执行一次写命令，立即记录到AOF文件
appendfsync always 
# 写命令执行完先放入AOF缓冲区，然后表示每隔1秒将缓冲区数据写到AOF文件，是默认方案
appendfsync everysec 
# 写命令执行完先放入AOF缓冲区，由操作系统决定何时将缓冲区内容写回磁盘
appendfsync no

三种策略对比：

1.2.3.AOF文件重写

因为是记录命令，AOF文件会比RDB文件大的多。而且AOF会记录对同一个key的多次写操作，但只有最后一次写操作才有意义。通过执行bgrewriteaof命令，可以让AOF文件执行重写功能，用最少的命令达到相同效果。

如图，AOF原本有三个命令，但是set num 123 和 set num 666都是对num的操作，第二次会覆盖第一次的值，因此第一个命令记录下来没有意义。

所以重写命令后，AOF文件内容就是：mset name jack num 666

Redis也会在触发阈值时自动去重写AOF文件。阈值也可以在redis.conf中配置：

# AOF文件比上次文件 增长超过多少百分比则触发重写
auto-aof-rewrite-percentage 100
# AOF文件体积最小多大以上才触发重写 
auto-aof-rewrite-min-size 64mb 

1.3.RDB与AOF对比

RDB和AOF各有自己的优缺点，如果对数据安全性要求较高，在实际开发中往往会结合两者来使用。

1.4 Redis持久化使用场景

Redis提供两种持久化方式：RDB持久化和AOF持久化，这两种持久化方式可以分别应用于不同的场景。

RDB持久化和AOF持久化方式可以分别应用于以下不同的场景：

1. RDB持久化：适用于数据量较大，速度要求高的场景。比如进行数据备份、迁移和恢复操作等场景。同时，在一些读写较少的场景下，使用RDB持久化也可以减少服务器的I/O负载。
2. AOF持久化：适用于数据更新比较频繁、对数据准确性要求较高的场景。AOF持久化模式将所有对数据库的写操作以追加的形式记录在文件中，可以避免数据的丢失，而且可以通过回放AOF文件来进行数据恢复。

需要注意的是，RDB持久化和AOF持久化各有优缺点，应根据具体业务场景进行权衡和选择。

• 一般来说，对于数据量较大、读写操作相对稳定的场景，使用RDB持久化方式可以更加高效地进行数据备份和恢复；
• 而对于数据更新频率较高、对数据准确性要求较高的场景，则使用AOF持久化方式可以更好地保证数据的可靠性和完整性。
• 当然，根据实际情况也可以采用两种持久化方式的结合，以发挥它们各自的优点，提高系统的可靠性和效率。

2.Redis主从

2.1.搭建主从架构

单节点Redis的并发能力是有上限的，要进一步提高Redis的并发能力，就需要搭建主从集群，实现读写分离。

具体搭建流程参考 Redis集群

假设有A、B两个Redis实例，如何让B作为A的slave节点？

• 在B节点执行命令：slaveof A的 IP A的port

  slaveof 192.168.11.123 6379
  

2.2.主从数据同步原理

2.2.1.全量同步

主从第一次同步是全量同步，主从第一次建立连接时，会执行全量同步，将master节点的所有数据都拷贝给slave节点，流程：

这里有一个问题，master如何得知salve是第一次来连接呢？？

有几个概念，可以作为判断依据：

• Replication Id：简称replid，是数据集的标记，id一致则说明是同一数据集。每一个master都有唯一的replid，slave则会继承master节点的replid
• offset：偏移量，随着记录在repl_baklog中的数据增多而逐渐增大。slave完成同步时也会记录当前同步的offset。如果slave的offset小于master的offset，说明slave数据落后于master，需要更新。

因此slave做数据同步，必须向master声明自己的replication id 和offset，master才可以判断到底需要同步哪些数据。

因为slave原本也是一个master，有自己的replid和offset，当第一次变成slave，与master建立连接时，发送的replid和offset是自己的replid和offset。

master判断发现slave发送来的replid与自己的不一致，说明这是一个全新的slave，就知道要做全量同步了。

master会将自己的replid和offset都发送给这个slave，slave保存这些信息。以后slave的replid就与master一致了。

因此，master判断一个节点是否是第一次同步的依据，就是看replid是否一致。

如图：

完整流程描述：

• slave节点请求增量同步
• master节点判断replid，发现不一致，拒绝增量同步
• master将完整内存数据生成RDB，发送RDB到slave
• slave清空本地数据，加载master的RDB
• master将RDB期间的命令记录在repl_baklog，并持续将log中的命令发送给slave
• slave执行接收到的命令，保持与master之间的同步

2.2.2.增量同步

全量同步需要先做RDB，然后将RDB文件通过网络传输个slave，成本太高了。因此除了第一次做全量同步，其它大多数时候slave与master都是做增量同步。

什么是增量同步？就是只更新slave与master存在差异的部分数据。如图：

那么master怎么知道slave与自己的数据差异在哪里呢?

2.2.3.repl_backlog原理

master怎么知道slave与自己的数据差异在哪里呢?

这就要说到全量同步时的repl_baklog文件了。

这个文件是一个固定大小的数组，只不过数组是环形，也就是说角标到达数组末尾后，会再次从0开始读写，这样数组头部的数据就会被覆盖。

repl_baklog中会记录Redis处理过的命令日志及offset，包括master当前的offset，和slave已经拷贝到的offset：

slave与master的offset之间的差异，就是salve需要增量拷贝的数据了。

随着不断有数据写入，master的offset逐渐变大，slave也不断的拷贝，追赶master的offset：

直到数组被填满：

此时，如果有新的数据写入，就会覆盖数组中的旧数据。不过，旧的数据只要是绿色的，说明是已经被同步到slave的数据，即便被覆盖了也没什么影响。因为未同步的仅仅是红色部分。

但是，如果slave出现网络阻塞，导致master的offset远远超过了slave的offset：

如果master继续写入新数据，其offset就会覆盖旧的数据，直到将slave现在的offset也覆盖：

棕色框中的红色部分，就是尚未同步，但是却已经被覆盖的数据。此时如果slave恢复，需要同步，却发现自己的offset都没有了，无法完成增量同步了。只能做全量同步。

2.3.主从同步优化

主从同步可以保证主从数据的一致性，非常重要。

可以从以下几个方面来优化Redis主从就集群：

• 在master中配置repl-diskless-sync yes启用无磁盘复制，避免全量同步时的磁盘IO。
• Redis单节点上的内存占用不要太大，减少RDB导致的过多磁盘IO
• 适当提高repl_baklog的大小，发现slave宕机时尽快实现故障恢复，尽可能避免全量同步
• 限制一个master上的slave节点数量，如果实在是太多slave，则可以采用主-从-从链式结构，减少master压力

主从从架构图：

2.4.小结

简述全量同步和增量同步区别？

• 全量同步：master将完整内存数据生成RDB，发送RDB到slave。后续命令则记录在repl_baklog，逐个发送给slave。
• 增量同步：slave提交自己的offset到master，master获取repl_baklog中从offset之后的命令给slave

什么时候执行全量同步？

• slave节点第一次连接master节点时
• slave节点断开时间太久，repl_baklog中的offset已经被覆盖时

什么时候执行增量同步？

• slave节点断开又恢复，并且在repl_baklog中能找到offset时

2.5 主从同步使用场景

Redis主从同步是一种数据复制机制，它可以将一个Redis服务器上的数据复制到另一个Redis服务器上，以实现数据的备份、读写分离和负载均衡等功能。主从同步通常用于以下场景：

1. 数据备份：通过将主服务器上的数据复制到从服务器上，实现数据的备份和容灾。
2. 读写分离：将读操作分布到多个从服务器上，减轻主服务器的压力，提高系统的并发能力。
3. 负载均衡：多个从服务器可以同时处理客户端请求，从而提高系统服务能力。
4. 高可用性：当主服务器出现故障时，可以通过自动切换将从服务器升级为主服务器，保证系统的高可用性。

需要注意的是，主从同步虽然可以实现数据备份和负载均衡等功能，但在实际使用中还需考虑网络延迟、数据一致性、故障恢复等问题，应根据具体业务场景进行合理设计和配置。

3.Redis哨兵

Redis提供了哨兵（Sentinel）机制来实现主从集群的自动故障恢复。

3.1.哨兵原理

3.1.1.集群结构和作用

哨兵的结构如图：

哨兵的作用如下：

• 监控：Sentinel 会不断检查您的master和slave是否按预期工作
• 自动故障恢复：如果master故障，Sentinel会将一个slave提升为master。当故障实例恢复后也以新的master为主
• 通知：Sentinel充当Redis客户端的服务发现来源，当集群发生故障转移时，会将最新信息推送给Redis的客户端

3.1.2.集群监控原理

Sentinel基于心跳机制监测服务状态，每隔1秒向集群的每个实例发送ping命令：

• 主观下线：如果某sentinel节点发现某实例未在规定时间响应，则认为该实例主观下线。

• 客观下线：若超过指定数量（quorum）的sentinel都认为该实例主观下线，则该实例客观下线。quorum值最好超过Sentinel实例数量的一半。

3.1.3.集群故障恢复原理

一旦发现master故障，sentinel需要在salve中选择一个作为新的master，选择依据是这样的：

• 首先会判断slave节点与master节点断开时间长短，如果超过指定值（down-after-milliseconds * 10）则会排除该slave节点
• 然后判断slave节点的slave-priority值，越小优先级越高，如果是0则永不参与选举
• 如果slave-prority一样，则判断slave节点的offset值，越大说明数据越新，优先级越高
• 最后是判断slave节点的运行id大小，越小优先级越高。

当选出一个新的master后，该如何实现切换呢？

流程如下：

• sentinel给备选的slave1节点发送slaveof no one命令，让该节点成为master
• sentinel给所有其它slave发送slaveof 192.168.150.101 7002 命令，让这些slave成为新master的从节点，开始从新的master上同步数据。
• 最后，sentinel将故障节点标记为slave，当故障节点恢复后会自动成为新的master的slave节点

3.1.4.小结

Sentinel的三个作用是什么？

• 监控
• 故障转移
• 通知

Sentinel如何判断一个redis实例是否健康？

• 每隔1秒发送一次ping命令，如果超过一定时间没有相向则认为是主观下线
• 如果大多数sentinel都认为实例主观下线，则判定服务下线

故障转移步骤有哪些？

• 首先选定一个slave作为新的master，执行slaveof no one
• 然后让所有节点都执行slaveof 新master
• 修改故障节点配置，添加slaveof 新master

3.2.搭建哨兵集群

具体搭建流程参考Redis集群

3.3.RedisTemplate

在Sentinel集群监管下的Redis主从集群，其节点会因为自动故障转移而发生变化，Redis的客户端必须感知这种变化，及时更新连接信息。Spring的RedisTemplate底层利用lettuce实现了节点的感知和自动切换。

下面，我们通过一个测试来实现RedisTemplate集成哨兵机制。

3.3.1.导入Demo工程

首先，我们引入课前资料提供的Demo工程

3.3.2.引入依赖

在项目的pom文件中引入依赖：

<dependency>
    <groupId>org.springframework.boot</groupId>
    <artifactId>spring-boot-starter-data-redis</artifactId>
</dependency>

3.3.3.配置Redis地址

然后在配置文件application.yml中指定redis的sentinel相关信息：

spring:
  redis:
    sentinel:
      master: mymaster
      nodes:
        - 192.168.150.101:27001
        - 192.168.150.101:27002
        - 192.168.150.101:27003

3.3.4.配置读写分离

在项目的启动类中，添加一个新的bean：

@Bean
public LettuceClientConfigurationBuilderCustomizer clientConfigurationBuilderCustomizer(){
    
    
    return clientConfigurationBuilder -> clientConfigurationBuilder.readFrom(ReadFrom.REPLICA_PREFERRED);
}

这个bean中配置的就是读写策略，包括四种：

• MASTER：从主节点读取
• MASTER_PREFERRED：优先从master节点读取，master不可用才读取replica
• REPLICA：从slave（replica）节点读取
• REPLICA _PREFERRED：优先从slave（replica）节点读取，所有的slave都不可用才读取master

3.4 Redis哨兵使用场景

Redis Sentinel（哨兵）是一个高可用性解决方案，它可以在Redis主节点发生故障或不可用时，自动进行故障检测、故障转移和故障恢复，从而保证Redis集群的高可用性。Redis Sentinel通常适用于以下场景：

1. Redis主从复制高可用：当Redis主节点发生故障或不可用时，Redis Sentinel可以自动将其中的一个从节点晋升为新的主节点，从而实现Redis集群的高可用。
2. Redis多节点高可用：当Redis集群中存在多个主节点时，Redis Sentinel可以自动进行故障检测和切换，保证多个主节点之间的协调工作正常进行。
3. Redis读写分离高可用：当Redis集群中存在多个读节点时，Redis Sentinel可以自动将客户端请求路由到可用的节点上，从而实现读写分离的高可用性。
4. Redis运维管理：Redis Sentinel还提供了监控、警报、管理等功能，可以方便地进行Redis集群的运维管理。

需要注意的是，Redis Sentinel虽然可以提高Redis集群的高可用性，但在实际使用中还需考虑网络延迟、节点信息同步、故障恢复时间等问题，应根据具体业务场景进行合理设计和配置。

4.Redis分片集群

4.1.搭建分片集群

主从和哨兵可以解决高可用、高并发读的问题。但是依然有两个问题没有解决：

• 海量数据存储问题

• 高并发写的问题

使用分片集群可以解决上述问题，如图:

分片集群特征：

• 集群中有多个master，每个master保存不同数据

• 每个master都可以有多个slave节点

• master之间通过ping监测彼此健康状态

• 客户端请求可以访问集群任意节点，最终都会被转发到正确节点

具体搭建流程参考Redis集群

4.2.散列插槽

4.2.1.插槽原理

Redis会把每一个master节点映射到0~16383共16384个插槽（hash slot）上，查看集群信息时就能看到：

数据key不是与节点绑定，而是与插槽绑定。redis会根据key的有效部分计算插槽值，分两种情况：

• key中包含"{}"，且“{}”中至少包含1个字符，“{}”中的部分是有效部分
• key中不包含“{}”，整个key都是有效部分

例如：key是num，那么就根据num计算，如果是{itcast}num，则根据itcast计算。计算方式是利用CRC16算法得到一个hash值，然后对16384取余，得到的结果就是slot值。

如图，在7001这个节点执行set a 1时，对a做hash运算，对16384取余，得到的结果是15495，因此要存储到103节点。

到了7003后，执行get num时，对num做hash运算，对16384取余，得到的结果是2765，因此需要切换到7001节点

4.2.1.小结

Redis如何判断某个key应该在哪个实例？

• 将16384个插槽分配到不同的实例
• 根据key的有效部分计算哈希值，对16384取余
• 余数作为插槽，寻找插槽所在实例即可

如何将同一类数据固定的保存在同一个Redis实例？

• 这一类数据使用相同的有效部分，例如key都以{typeId}为前缀

在Redis分片集群中，会将整个数据集分成一定数量的槽（slot），这些槽是均衡分布到不同的节点上的。根据散列键计算出散列值，并根据该散列值来确定对应的槽。因此，每个节点负责处理部分槽的数据。

举例如下：假设要创建一个Redis集群，包含3个节点，每个节点都运行一个Redis实例，那么可以将整个槽空间分为16384个槽（0-16383），然后将这些槽均匀分配给不同的节点。比如，可以进行以下分配：

• 节点1：负责处理0~5460的槽
• 节点2：负责处理5461~10922的槽
• 节点3：负责处理10923~16383的槽

当客户端连接到Redis集群并向其添加一个key-value对时，Redis客户端会将该键进行散列运算，计算出一个32位的整数散列值。然后，根据这个散列值来映射到对应的槽，进而找到需要存储这个key-value对的节点。如果对该节点发送的请求失败，则客户端将重试其他节点，直到成功为止。

例如，如果要向该示例集群中添加key为“foo”的字符串，Redis客户端首先会将其进行hash计算后得到一个散列值，假设是4567。根据该散列值，可以确定它应该存储在节点1的槽中。因此，客户端将该key-value对发送给节点1，并要求其存储在槽0~5460中的某个位置上。这样，当需要查找键为“foo”的value时，就可以通过计算其散列值来确定在哪个节点中进行查询。

4.3.集群伸缩

redis-cli --cluster提供了很多操作集群的命令，可以通过下面方式查看：

比如，添加节点的命令：

4.3.1.需求分析

需求：向集群中添加一个新的master节点，并向其中存储 num = 10

• 启动一个新的redis实例，端口为7004
• 添加7004到之前的集群，并作为一个master节点
• 给7004节点分配插槽，使得num这个key可以存储到7004实例

这里需要两个新的功能：

• 添加一个节点到集群中
• 将部分插槽分配到新插槽

4.3.2.创建新的redis实例

创建一个文件夹：

mkdir 7004

拷贝配置文件：

cp redis.conf /7004

修改配置文件：

sed /s/6379/7004/g 7004/redis.conf

启动

redis-server 7004/redis.conf

4.3.3.添加新节点到redis

添加节点的语法如下：

执行命令：

redis-cli --cluster add-node  192.168.150.101:7004 192.168.150.101:7001

通过命令查看集群状态：

redis-cli -p 7001 cluster nodes

如图，7004加入了集群，并且默认是一个master节点：

但是，可以看到7004节点的插槽数量为0，因此没有任何数据可以存储到7004上

4.3.4.转移插槽

我们要将num存储到7004节点，因此需要先看看num的插槽是多少：

如上图所示，num的插槽为2765.

我们可以将0~3000的插槽从7001转移到7004，命令格式如下：

具体命令如下：

建立连接：

得到下面的反馈：

询问要移动多少个插槽，我们计划是3000个：

新的问题来了：

那个node来接收这些插槽？？

显然是7004，那么7004节点的id是多少呢？

复制这个id，然后拷贝到刚才的控制台后：

这里询问，你的插槽是从哪里移动过来的？

• all：代表全部，也就是三个节点各转移一部分
• 具体的id：目标节点的id
• done：没有了

这里我们要从7001获取，因此填写7001的id：

填完后，点击done，这样插槽转移就准备好了：

确认要转移吗？输入yes：

然后，通过命令查看结果：

可以看到：

目的达成。

4.4.故障转移

集群初识状态是这样的：

其中7001、7002、7003都是master，我们计划让7002宕机。

4.4.1.自动故障转移

当集群中有一个master宕机会发生什么呢？

直接停止一个redis实例，例如7002：

redis-cli -p 7002 shutdown

1）首先是该实例与其它实例失去连接

2）然后是疑似宕机：

3）最后是确定下线，自动提升一个slave为新的master：

4）当7002再次启动，就会变为一个slave节点了：

4.4.2.手动故障转移

利用cluster failover命令可以手动让集群中的某个master宕机，切换到执行cluster failover命令的这个slave节点，实现无感知的数据迁移。其流程如下：

这种failover命令可以指定三种模式：

• 缺省：默认的流程，如图1~6歩
• force：省略了对offset的一致性校验
• takeover：直接执行第5歩，忽略数据一致性、忽略master状态和其它master的意见

案例需求：在7002这个slave节点执行手动故障转移，重新夺回master地位

步骤如下：

1）利用redis-cli连接7002这个节点

2）执行cluster failover命令

如图：

效果：

4.5.RedisTemplate访问分片集群

RedisTemplate底层同样基于lettuce实现了分片集群的支持，而使用的步骤与哨兵模式基本一致：

1）引入redis的starter依赖

2）配置分片集群地址

3）配置读写分离

与哨兵模式相比，其中只有分片集群的配置方式略有差异，如下：

spring:
  redis:
    cluster:
      nodes:
        - 192.168.150.101:7001
        - 192.168.150.101:7002
        - 192.168.150.101:7003
        - 192.168.150.101:8001
        - 192.168.150.101:8002
        - 192.168.150.101:8003

4.6 Redis分片集群优缺点及使用场景

优点：

1. 提高系统性能和吞吐量：通过将数据分布到多个节点并行处理，可以显著提高系统的读写性能和吞吐量。
2. 提高可用性和容错性：当某个节点宕机或出现故障时，其他节点仍可以正常工作，避免了单点故障对整个系统造成的影响，并保证了数据的安全性和可靠性。
3. 扩展性好：通过增加节点的数量，可以方便地扩展系统的处理能力和存储能力，有良好的水平扩展性。

缺点：

1. 需要额外的配置和管理：需要对分片规则、节点运行状态等进行配置和管理，相比于单节点，分片集群的部署和维护要复杂得多。
2. 数据迁移成本较高：当需要调整节点数量或进行系统升级时，需要大量的数据迁移和重新平衡，其中包括数据备份、恢复、重定向和再平衡操作等，因此数据迁移的成本很高。
3. 事务处理限制：由于Redis的分布式事务功能受到限制，导致在进行事务处理时，可能会因为跨多节点而存在很多限制，而且在某些场景下，可能需要使用到分布式锁等相关技术，进行事务处理的控制。

使用场景：

1. 数据量较大或读写频繁：当单个Redis节点无法满足系统的性能要求时，可以考虑将数据分片到多个节点上，提高系统的处理能力和吞吐量。
2. 业务需求分区：当业务数据可以按照某种规则进行划分并处理，比如按照用户ID进行划分，可以将不同用户的数据存储在不同的节点上，减少数据之间的交叉影响，同时提高系统的可维护性和可扩展性。
3. 高可用性和容错性：当业务对于服务的可用性和数据安全性有严格要求时，可以采用Redis分片集群，保证系统的可用性和数据的安全性。

ter:
nodes:
- 192.168.150.101:7001
- 192.168.150.101:7002
- 192.168.150.101:7003
- 192.168.150.101:8001
- 192.168.150.101:8002
- 192.168.150.101:8003

## 4.6 Redis分片集群优缺点及使用场景

优点：

1. 提高系统性能和吞吐量：通过将数据分布到多个节点并行处理，可以显著提高系统的读写性能和吞吐量。
2. 提高可用性和容错性：当某个节点宕机或出现故障时，其他节点仍可以正常工作，避免了单点故障对整个系统造成的影响，并保证了数据的安全性和可靠性。
3. 扩展性好：通过增加节点的数量，可以方便地扩展系统的处理能力和存储能力，有良好的水平扩展性。

缺点：

1. 需要额外的配置和管理：需要对分片规则、节点运行状态等进行配置和管理，相比于单节点，分片集群的部署和维护要复杂得多。
2. 数据迁移成本较高：当需要调整节点数量或进行系统升级时，需要大量的数据迁移和重新平衡，其中包括数据备份、恢复、重定向和再平衡操作等，因此数据迁移的成本很高。
3. 事务处理限制：由于Redis的分布式事务功能受到限制，导致在进行事务处理时，可能会因为跨多节点而存在很多限制，而且在某些场景下，可能需要使用到分布式锁等相关技术，进行事务处理的控制。

使用场景：

1. 数据量较大或读写频繁：当单个Redis节点无法满足系统的性能要求时，可以考虑将数据分片到多个节点上，提高系统的处理能力和吞吐量。
2. 业务需求分区：当业务数据可以按照某种规则进行划分并处理，比如按照用户ID进行划分，可以将不同用户的数据存储在不同的节点上，减少数据之间的交叉影响，同时提高系统的可维护性和可扩展性。
3. 高可用性和容错性：当业务对于服务的可用性和数据安全性有严格要求时，可以采用Redis分片集群，保证系统的可用性和数据的安全性。