之前我们讨论的话题，无论是主从复制，还是哨兵模式，都是单个redis实例在工作。在大数据高并发的场景下，这种部署方案会显得力不从心。
首先单个实例的内存不宜过大，过大的内存，会导致rdb文件过大，从而导致主从同步时全量同步时间过长，重启时也需要消耗很长的时间加载数据。
其次体现在cpu的利用率上，单个redis实例只能利用单个核心，处理海量数据时，压力很大。
Codis是redis集群解决方案之一，它将众多小内存的reids实例整合起来，将分布在多台机器上的众多cpu的计算能力聚集到一起，完成海量数据的存储与高并发的读写。
Codis是豌豆荚中间件团队发明的，在redis cluster未广泛使用时，codis起到了至关重要的作用。
Codis是Go语言开发的代理中间件，如下图所示：
Codis也采用redis的协议，对外提供服务，但是由于代理的机制，导致其有些命令是无法支持的。
Codis是无状态的，这意味着我们可以启用多个codis实例提供给client，每个codis实例是对等的，这样可以提高codis集群的qps，也可以起到容灾的作用。
Codis分片机制
Codis默认所有的key划分为1024个slot，对客户端传入的key做crc32运算计算hash值，再将hash后的整数值对1024取模获取key的slot。codis会在内存中维护slot与redis实例的对应关系。根据映射关系将数据转发到对应的实例。
slot数量是可以设置的。
不同的codis实例之间slot关系是如何同步的？
codis集群通过对zk与etcd的支持来保证数据的一致性，如果是依赖zk，那么codisProxy的slot关系信息会存储在zk节点上，通过zk的监听机制来共享slot信息。
如下图：
管理员可以通过dashboard维护slot相关信息，然后再同步到各个codisProxy。
如何扩容？
进行扩容，意味着集群中增加新的redis实例，这时slot与实例的映射关系需要调整，意味着一部分数据需要进行迁移。
首先第一个问题是，我们需要找到槽位对应的所有key。codis增加了slotsscan命令，可以遍历指定slot下所有的key。然后挨个将每个key迁移到新的redis节点。迁移过程中，codis收到新请求，如果是查询key，那么会强制先完成迁移工作，然后再提供对外服务。
最后一点，迁移操作是一个move操作，即迁移完成后，旧实例中就不存在key了。
自动均衡机制
redis新增实例，手动均衡slot比较麻烦，所以codis提供了自动均衡机制。自动均衡机制会在系统空闲时观察每个实例对应的slot数量，不平衡会自动进行迁移。
Codis的劣势
1.使用codis扩容的机器，redis不再支持事务。
2.rename这种危险的命令也不支持。官方文档中提供了不支持的命令列表。
3.为了支持迁移，单个key对应的value不宜过大。过大会导致迁移卡顿，官方建议小于1M，所以不适合存放社交关系数据等等。
4.网络开销比单个实例要大，性能略微下降。可以通过增加代理数量来弥补性能不足。
5.如果依赖zk，那么会增加zk运维成本。
Codis的优势
1.设计上比官方的redis cluster方案要简单。
2.托管给zk或者etcd，省去了分布式一致性逻辑。
问题：mget查询多个key的场景，codis会将key按照映射关系分组，然后对涉及的redis执行mget，最后由codis汇总返回。
