新闻详情

新闻详情

首页 / 资讯中心 / 详情

Linux 下 Redis Cluster 安装与部署

发布时间:2026/11/15 16:48:22来源:尧图网络
Linux 下 Redis Cluster 安装与部署
Linux 下 Redis Cluster 安装与部署一、环境信息系统主机密码内存端口CentOS-7192.168.4.81jxbd816G主7001备7002CentOS-7192.168.4.82jxbd826G主7001备7002CentOS-7192.168.4.85jxbd856G主7001备7002三台服务器每台部署一主一从7001 / 7002共 3 主 3 从。二、安装部署步骤一、81 服务器解压 redis.zip 包redis.zip是 X86 的已编译包unzipredis.zip二、81 服务器修改 redis 的配置文件端口为 7001mvredis redis7001cdredisviredis.conf修改 redis 的参数#注释掉bind#bind 127.0.0.1#默认不是守护进程方式运行这里可以修改daemonizeyes#禁用保护模式protected-mode no#端口号port7001#数据存取路径dir/opt/redis7001/data/#修改密码requirepass jxbd三、81 服务器复制 slave 的 redis端口改为 7002cp/opt/redis7001 /opt/redis7002修改 redis 的参数#端口号port7002#数据存取路径dir/opt/redis7002/data/四、复制 81 的主备 redis 到 82 和 85 服务器scp-r/opt/redis* root192.168.4.82:/opt/scp-r/opt/redis* root192.168.4.85:/opt/五、81 启动 redis 服务82、85 雷同cd/opt/redis7001/chmod777redis-server ./redis-server redis.confcd/opt/redis7002/chmod777redis-server ./redis-server redis.conf六、redis 集群的初始化在任一一台服务器上初始化创建集群cd/opt/redis7001/chmod777redis-cli ./redis-cli-ajxbd--clustercreate192.168.4.81:7001192.168.4.81:7002192.168.4.82:7001192.168.4.82:7002192.168.4.85:7001192.168.4.85:7002 --cluster-replicas1中间的一些询问输入yes。七、redis 集群的登录测试登录集群-c表示以集群模式登录./redis-cli-ajxbd-c-h127.0.0.1-p7001查看集群信息cluster info查看节点信息cluster nodes至此 Redis 的集群安装成功三、Redis 集群扩容添加新节点一、创建节点接上文在 H1 服务器/root/soft目录下创建 7002 目录。将 7001 目录的配置文件redis.conf拷贝到 7002并修改配置文件的端口。进入 redis 目录下执行启动命令./redis-server../7002/redis.conf进入 H2 创建 7002 的 slave步骤与前三个步骤一样。二、添加主节点第一个ip:port为需要添加的节点 ip 和端口第二个ip:port为当前集群中的节点和端口先后执行以下命令./redis-cli--clusteradd-node192.168.4.86:7001192.168.4.81:7001-ajxbd在 H1 进入 redis 客户端查看集群的健康状态和节点状态。三、分配哈希槽注意新添加的节点是没有哈希槽的所以并不能正常存储数据需要给新添加的节点分配哈希槽哈希槽的配置不均匀可能导致数据不同步。重新分配哈希槽# ip:port 为当前 redis 集群任意节点 ip 和 port-a 后面加密码./redis-cli--clusterreshard192.168.4.86:7001-ajxbd输入要分配多少个哈希槽数量比如要分配 1000 个哈希槽。输入指定要分配哈希槽的节点 ID如上端口号为 7002 的两个 master 节点哈希槽的数量为 0选择任意一个节点作为目标节点进行分配哈希槽。选择需要分配的哈希槽来源输入all。输入all需要分配给目标节点的哈希槽来自当前集群的其他主节点每个节点拿出的数量由集群自动决定。是否继续执行建议的 reshard 计划输入yes后就会完成分配哈希槽进入 redis 客户端cluster slots查看7002 端口的主节点的原哈希槽数量为 0。四、分配哈希槽有两种方式1将所有节点用作哈希槽的源节点all2在指定的节点拿出指定数量的哈希槽分配到目标节点done上述使用的是第一种方式分配哈希槽现在讲一下用第二种方式怎么分配现在我们对 7002 端口的另一个 master 进行分配哈希槽./redis-cli--clusterreshard192.168.4.86:7001-ajxbd这里输入给目标节点选择分配 1000 个哈希槽并输入要给哪个节点分配哈希槽就输入哪个节点的 ID。先输入源节点 ID哈希从哪里来的然后再输入done。此时正在从源节点迁移哈希槽。是否继续执行建议的 reshard 计划Do you want to proceed with the proposed reshard plan (yes/no)?输入yes。执行结束后用cluster slots查看。五、添加从节点比如添加 7008 节点slave 的添加方法master 为 7007节点 ID 是主节点的 ID127.0.0.1:7008是新加的从节点127.0.0.1:7007作为从节点的主节点./redis-cli--clusteradd-node --cluster-slave --cluster-master-id db10a9d5c1662d9e3cee21c5776f2e9709f76619192.168.4.86:7002192.168.4.86:7001
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/15 4:54:16

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/15 2:04:12

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/14 10:11:15

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/14 17:14:38

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/14 16:35:50

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/15 4:06:36

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉