『壹』 怎樣學習大數據
1.首先，我們想學習大數據，就要了解一下大數據的前景。大數據廣泛應用於電版網運行權、經營管理及優質服務等各大領域，並正在改變著各行各業，也引領了大數據人才的變革。大數據就業前景怎麼樣?這對於在就業迷途中的我們是一個很重要的信息。隨著國家重視大數據，政府扶持大數據，大數據在企業中生根發芽，開花結果。未來三至五年，中國需要180萬數據人才，但目前只有約30萬人。到2020年，企業基於大數據計算分析存儲、數據挖掘、數據分析等數據產業的發展，我國需要更多的數據人才。
2.學大數據之前，要有一定的電腦基礎，如果對電腦一竅不通，那麼無法快速接觸，因為大數據就是電腦專業。大數據屬於編程，學大數據java這一塊很重要，JAVA是學習大數據的基礎。正所謂基礎打撈才能學得更好。
3.我介意去專業的電腦學校學習，學校從辦學開始就一張從事計算機專業，那麼學校就會有專業的老師，專業的設備。
『貳』 Redis集群方案應該怎麼做
通常，為了提高網站響應速度，總是把熱點數據保存在內存中而不是直接從後端資料庫中讀取。Redis是一個很好的Cache工具。大型網站應用，熱點數據量往往巨大，幾十G上百G是很正常的事兒，在這種情況下，如何正確架構Redis呢？
首先，無論我們是使用自己的物理主機，還是使用雲服務主機，內存資源往往是有限制的，scale up不是一個好辦法，我們需要scale out橫向可伸縮擴展，這需要由多台主機協同提供服務，即分布式多個Redis實例協同運行。
其次，目前硬體資源成本降低，多核CPU，幾十G內存的主機很普遍，對於主進程是單線程工作的Redis，只運行一個實例就顯得有些浪費。同時，管理一個巨大內存不如管理相對較小的內存高效。因此，實際使用中，通常一台機器上同時跑多個Redis實例。
方案
1.Redis官方集群方案 Redis Cluster
Redis Cluster是一種伺服器Sharding技術，3.0版本開始正式提供。
Redis
Cluster中，Sharding採用slot(槽)的概念，一共分成16384個槽，這有點兒類似前面講的pre
sharding思路。對於每個進入Redis的鍵值對，根據key進行散列，分配到這16384個slot中的某一個中。使用的hash演算法也比較簡
單，就是CRC16後16384取模。
Redis集群中的每個node(節點)負責分攤這16384個slot中的一部分，也就是說，每個
slot都對應一個node負責處理。當動態添加或減少node節點時，需要將16384個槽做個再分配，槽中的鍵值也要遷移。當然，這一過程，在目前實
現中，還處於半自動狀態，需要人工介入。
Redis集群，要保證16384個槽對應的node都正常工作，如果某個node發生故障，那它負責的slots也就失效，整個集群將不能工作。
為
了增加集群的可訪問性，官方推薦的方案是將node配置成主從結構，即一個master主節點，掛n個slave從節點。這時，如果主節點失
效，Redis Cluster會根據選舉演算法從slave節點中選擇一個上升為主節點，整個集群繼續對外提供服務。這非常類似前篇文章提到的Redis
Sharding場景下伺服器節點通過Sentinel監控架構成主從結構，只是Redis Cluster本身提供了故障轉移容錯的能力。
Redis
Cluster的新節點識別能力、故障判斷及故障轉移能力是通過集群中的每個node都在和其它nodes進行通信，這被稱為集群匯流排(cluster
bus)。它們使用特殊的埠號，即對外服務埠號加10000。例如如果某個node的埠號是6379，那麼它與其它nodes通信的埠號是
16379。nodes之間的通信採用特殊的二進制協議。
對客戶端來說，整個cluster被看做是一個整體，客戶端可以連接任意一個
node進行操作，就像操作單一Redis實例一樣，當客戶端操作的key沒有分配到該node上時，Redis會返回轉向指令，指向正確的node，這
有點兒像瀏覽器頁面的302 redirect跳轉。
Redis Cluster是Redis 3.0以後才正式推出，時間較晚，目前能證明在大規模生產環境下成功的案例還不是很多，需要時間檢驗。
2.Redis Sharding集群
Redis 3正式推出了官方集群技術，解決了多Redis實例協同服務問題。Redis Cluster可以說是服務端Sharding分片技術的體現，即將鍵值按照一定演算法合理分配到各個實例分片上，同時各個實例節點協調溝通，共同對外承擔一致服務。
多Redis實例服務，比單Redis實例要復雜的多，這涉及到定位、協同、容錯、擴容等技術難題。這里，我們介紹一種輕量級的客戶端Redis Sharding技術。
Redis
Sharding可以說是Redis
Cluster出來之前，業界普遍使用的多Redis實例集群方法。其主要思想是採用哈希演算法將Redis數據的key進行散列，通過hash函數，特定
的key會映射到特定的Redis節點上。這樣，客戶端就知道該向哪個Redis節點操作數據。Sharding架構如圖：
慶幸的是，java redis客戶端驅動jedis，已支持Redis Sharding功能，即ShardedJedis以及結合緩存池的ShardedJedisPool。
Jedis的Redis Sharding實現具有如下特點：
采
用一致性哈希演算法(consistent
hashing)，將key和節點name同時hashing，然後進行映射匹配，採用的演算法是MURMUR_HASH。採用一致性哈希而不是採用簡單類
似哈希求模映射的主要原因是當增加或減少節點時，不會產生由於重新匹配造成的rehashing。一致性哈希隻影響相鄰節點key分配，影響量小。
2.
為了避免一致性哈希隻影響相鄰節點造成節點分配壓力，ShardedJedis會對每個Redis節點根據名字(沒有，Jedis會賦予預設名字)會虛擬
化出160個虛擬節點進行散列。根據權重weight，也可虛擬化出160倍數的虛擬節點。用虛擬節點做映射匹配，可以在增加或減少Redis節點
時，key在各Redis節點移動再分配更均勻，而不是只有相鄰節點受影響。
3.ShardedJedis支持keyTagPattern模式，即抽取key的一部分keyTag做sharding，這樣通過合理命名key，可以將一組相關聯的key放入同一個Redis節點，這在避免跨節點訪問相關數據時很重要。
Redis Sharding採用客戶端Sharding方式，服務端Redis還是一個個相對獨立的Redis實例節點，沒有做任何變動。同時，我們也不需要增加額外的中間處理組件，這是一種非常輕量、靈活的Redis多實例集群方法。
當然，Redis Sharding這種輕量靈活方式必然在集群其它能力方面做出妥協。比如擴容，當想要增加Redis節點時，盡管採用一致性哈希，畢竟還是會有key匹配不到而丟失，這時需要鍵值遷移。
作為輕量級客戶端sharding，處理Redis鍵值遷移是不現實的，這就要求應用層面允許Redis中數據丟失或從後端資料庫重新載入數據。但有些時候，擊穿緩存層，直接訪問資料庫層，會對系統訪問造成很大壓力。有沒有其它手段改善這種情況？
Redis
作者給出了一個比較討巧的辦法--presharding，即預先根據系統規模盡量部署好多個Redis實例，這些實例佔用系統資源很小，一台物理機可部
署多個，讓他們都參與sharding，當需要擴容時，選中一個實例作為主節點，新加入的Redis節點作為從節點進行數據復制。數據同步後，修改
sharding配置，讓指向原實例的Shard指向新機器上擴容後的Redis節點，同時調整新Redis節點為主節點，原實例可不再使用。
presharding
是預先分配好足夠的分片，擴容時只是將屬於某一分片的原Redis實例替換成新的容量更大的Redis實例。參與sharding的分片沒有改變，所以也
就不存在key值從一個區轉移到另一個分片區的現象，只是將屬於同分片區的鍵值從原Redis實例同步到新Redis實例。
並不是只有增
刪Redis節點引起鍵值丟失問題，更大的障礙來自Redis節點突然宕機。在《Redis持久化》一文中已提到，為不影響Redis性能，盡量不開啟
AOF和RDB文件保存功能，可架構Redis主備模式，主Redis宕機，數據不會丟失，備Redis留有備份。
這樣，我們的架構模式變
成一個Redis節點切片包含一個主Redis和一個備Redis。在主Redis宕機時，備Redis接管過來，上升為主Redis，繼續提供服務。主
備共同組成一個Redis節點，通過自動故障轉移，保證了節點的高可用性。則Sharding架構演變成：
Redis Sentinel提供了主備模式下Redis監控、故障轉移功能達到系統的高可用性。
高訪問量下，即使採用Sharding分片，一個單獨節點還是承擔了很大的訪問壓力，這時我們還需要進一步分解。通常情況下，應用訪問Redis讀操作量和寫操作量差異很大，讀常常是寫的數倍，這時我們可以將讀寫分離，而且讀提供更多的實例數。
可以利用主從模式實現讀寫分離，主負責寫，從負責只讀，同時一主掛多個從。在Sentinel監控下，還可以保障節點故障的自動監測。
3.利用代理中間件實現大規模Redis集群
上面分別介紹了多Redis伺服器集群的兩種方式，它們是基於客戶端sharding的Redis Sharding和基於服務端sharding的Redis Cluster。
客戶端sharding技術其優勢在於服務端的Redis實例彼此獨立，相互無關聯，每個Redis實例像單伺服器一樣運行，非常容易線性擴展，系統的靈活性很強。其不足之處在於：
由於sharding處理放到客戶端，規模進步擴大時給運維帶來挑戰。
服務端Redis實例群拓撲結構有變化時，每個客戶端都需要更新調整。
連接不能共享，當應用規模增大時，資源浪費制約優化。
服務端sharding的Redis Cluster其優勢在於服務端Redis集群拓撲結構變化時，客戶端不需要感知，客戶端像使用單Redis伺服器一樣使用Redis集群，運維管理也比較方便。
不過Redis Cluster正式版推出時間不長，系統穩定性、性能等都需要時間檢驗，尤其在大規模使用場合。
能不能結合二者優勢？即能使服務端各實例彼此獨立，支持線性可伸縮，同時sharding又能集中處理，方便統一管理？本篇介紹的Redis代理中間件twemproxy就是這樣一種利用中間件做sharding的技術。
twemproxy處於客戶端和伺服器的中間，將客戶端發來的請求，進行一定的處理後(如sharding)，再轉發給後端真正的Redis伺服器。也就是說，客戶端不直接訪問Redis伺服器，而是通過twemproxy代理中間件間接訪問。
參照Redis Sharding架構，增加代理中間件的Redis集群架構如下：
twemproxy中間件的內部處理是無狀態的，它本身可以很輕松地集群，這樣可避免單點壓力或故障。
twemproxy又叫nutcracker，起源於twitter系統中redis/memcached集群開發實踐，運行效果良好，後代碼奉獻給開源社區。其輕量高效，採用C語言開發，工程網址是：GitHub - twitter/twemproxy: A fast, light-weight proxy for memcached and redis
twemproxy後端不僅支持redis，同時也支持memcached，這是twitter系統具體環境造成的。
由於使用了中間件，twemproxy可以通過共享與後端系統的連接，降低客戶端直接連接後端伺服器的連接數量。同時，它也提供sharding功能，支持後端伺服器集群水平擴展。統一運維管理也帶來了方便。
當然，也是由於使用了中間件代理，相比客戶端直連伺服器方式，性能上會有所損耗，實測結果大約降低了20%左右。