实际上，一旦多个实例组成了哨兵集群，即使有哨兵实例出现故障挂掉了，其他哨兵还能继续协作完成主从库切换的工作，包括判定主库是不是处于下线状态，选择新主库，以及通知从库和客户端。

1，基于 pub/sub 机制的哨兵集群组成

哨兵之间的相互发现

哨兵实例之间可以相互发现，要归功于 Redis 提供的 pub/sub 机制，也就是发布 / 订阅机制。

• 哨兵将自己的连接信息 (ip, port) 发布到主库上, 其它哨兵订阅

• 自己编写的应用程序也可以通过 Redis 进行消息的发布和订阅

• Redis 会以频道的形式，对这些消息进行分门别类的管理

所谓的频道，实际上就是消息的类别。当消息类别相同时，它们就属于同一个频道。反之，就属于不同的频道。只有订阅了同一个频道的应用，才能通过发布的消息进行信息交换。

在主从集群中，主库上有一个名为“__sentinel__:hello”的频道，不同哨兵就是通过它来相互发现，实现互相通信的。

哨兵除了彼此之间建立起连接形成集群外，还需要和从库建立连接。这是因为，在哨兵的监控任务中，它需要对主从库都进行心跳判断，而且在主从库切换完成后，它还需要通知从库，让它们和新主库进行同步。

哨兵如何发现从库 ip, port

这是由哨兵向主库发送 INFO 命令来完成的。

哨兵也和客户端连接:

• 主从库切换后，客户端也需要知道新主库的连接信息，才能向新主库发送请求操作。所以，哨兵还需要完成把新主库的信息告诉客户端这个任务。

• 实际使用哨兵时要求，客户端能够获取到哨兵集群在监控、选主、切换这个过程中发生的各种事件。

2，基于pub/sub机制的客户端事件通知

从本质上说，哨兵就是一个运行在特定模式下的 Redis 实例，只不过它并不服务请求操作，只是完成监控、选主和通知的任务。所以，每个哨兵实例也提供 pub/sub 机制，客户端可以从哨兵订阅消息。哨兵提供的消息订阅频道有很多，不同频道包含了主从库切换过程中的不同关键事件。

让客户端从哨兵这里订阅消息:

• 客户端读取哨兵的配置文件后，可以获得哨兵的地址和端口，和哨兵建立网络连

• 在客户端执行订阅命令，来获取不同的事件消息

// 订阅“所有实例进入客观下线状态的事件”：
SUBSCRIBE +odown

// 订阅所有的事件
PSUBSCRIBE *

switch-master <master name><oldip><oldport><newip><newport>

判断主库下线的过程:

1. 任何一个实例只要自身判断主库“主观下线”后，就会给其他实例发送 is-master-down-by-addr 命令。接着，其他实例会根据自己和主库的连接情况，做出 Y 或 N 的响应，Y 相当于赞成票，N 相当于反对票。

   一个哨兵获得了仲裁所需的赞成票数后，就可以标记主库为“客观下线”。这个所需的赞成票数是通过哨兵配置文件中的 quorum 配置项设定的。例如，现在有 5 个哨兵，quorum 配置的是 3，那么，一个哨兵需要 3 张赞成票，就可以标记主库为“客观下线”了。这 3 张赞成票包括哨兵自己的一张赞成票和另外两个哨兵的赞成票。

2. 此时，这个哨兵就可以再给其他哨兵发送命令，表明希望由自己来执行主从切换，并让所有其他哨兵进行投票。这个投票过程称为“Leader 选举”。因为最终执行主从切换的哨兵称为 Leader，投票过程就是确定 Leader。

任何一个想成为 Leader 的哨兵，要满足两个条件:

• 拿到半数以上的赞成票

• 拿到的票数同时还需要大于等于哨兵配置文件中的 quorum 值

以 3 个哨兵为例，假设此时的 quorum 设置为 2，那么，任何一个想成为 Leader 的哨兵只要拿到 2 张赞成票，就可以了。

如果 S3 没有拿到 2 票 Y，那么这轮投票就不会产生 Leader。哨兵集群会等待一段时间（也就是哨兵故障转移超时时间的 2 倍），再重新选举。这是因为，哨兵集群能够进行成功投票，很大程度上依赖于选举命令的正常网络传播。如果网络压力较大或有短时堵塞，就可能导致没有一个哨兵能拿到半数以上的赞成票。所以，等到网络拥塞好转之后，再进行投票选举，成功的概率就会增加。

需要注意的是，如果哨兵集群只有 2 个实例，此时，一个哨兵要想成为 Leader，必须获得 2 票，而不是 1 票。所以，如果有个哨兵挂掉了，那么，此时的集群是无法进行主从库切换的。因此，通常我们至少会配置 3 个哨兵实例。这一点很重要，你在实际应用时可不能忽略了。

4，总结

支持哨兵集群的这些关键机制:

• 基于 pub/sub 机制的哨兵集群组成过程；

• 基于 INFO 命令的从库列表，这可以帮助哨兵和从库建立连接；

• 基于哨兵自身的 pub/sub 功能，这实现了客户端和哨兵之间的事件通知。

最后，我想再给你分享一个经验：要保证所有哨兵实例的配置是一致的，尤其是主观下线的判断值 down-after-milliseconds。我们曾经就踩过一个“坑”。当时，在我们的项目中，因为这个值在不同的哨兵实例上配置不一致，导致哨兵集群一直没有对有故障的主库形成共识，也就没有及时切换主库，最终的结果就是集群服务不稳定。所以，你一定不要忽略这条看似简单的经验。

往期推荐

• Hash索引的底层原理是什么？
• 深入解读单例模式，DCL无法彻底解决线程安全问题
• 作为软件工程师选择比努力更重要！
• 在OAuth 2.0中，如何使用JWT结构化令牌？
• BeanFactory和FactoryBean的区别与联系