当我们搭建集群之前，先要想明白需要解决哪些问题，搞清楚这个之前先回想一下单节点、单实例、单机有哪些问题？
- 单点故障：只有一台Redis的话，如果出现故障，那么整个服务都不可用
- 缓存容量：单台Redis的缓存容量有限，在多数据的场景下不适合使用
- 访问压力：单台Redis在高并发的生产环境下是会承受很大压力，有可能压力过高而崩溃
问题是知道了，那么怎么解决这些问题呢？为了解决这些问题，我们需要对服务器进行集群，这儿引入一个概念：AKF拆分原则。
在了解AKF拆分原则前，先分析单节点的单点故障这个问题。既然单节点容易宕机，那么就可以进行复制，一变多。就会涉及到三个概念：主从、主主、主备。
主主：多台服务器同时对外提供读写。
主从：主机可以读写，但是一般只对外提供写，从机对外提供读:
主备：主机提供读写，备机不对外提供服务，当主机挂了的时候，备机通过选举产生主机对外提供服务。
AKF拆分原则
AKF是从X、Y、Z三个轴方向去尝试解决上述3个问题。
X轴
从X角度，可以使用多台 Redis，做第一台Redis的副本，这种拆分可以看成另一台机器的镜像。这个主要是为了解决单点故障的问题！
如上图所示，将 Redis 的数据复制到多台 Redis 上，这样就算其中一台Redis出故障了，也还有其他Redis可以提供服务。
随着发展，客户端还可以对主Redis进行增删改，对副Redis进行只读，这就要实现了读写分离。
基于X轴的解决方案，是全量镜像。
X轴上的主Redis和副Redis的容量是一样的，意思是主Redis有40G，其他其他的副Redis同样也是40G，因此数据容量有限的问题就出来了。
Y轴
从Y轴角度，对库中的数据按照业务进行划分不同的实例去存储，不同的数据就会存到不同的Redis中去。
例如一台服务器中被频繁访问，涉及到的数据频繁读写，其他数据基本不怎么访问，这时候可以将这部分数据独立出来，根据功能、业务继续拆分服务器，这种拆解就是AFK中的Y轴拆分，因此就可以解决数据容量有限的问题。这个维度主要是为了解决Redis缓存容量不够大的问题！
Y轴一般是按照业务、功能等来划分数据，但Y轴上的每个节点也要解决单点故障问题，所以就需要X轴、Y轴同时部署Redis实例矩阵。
Z轴
X轴和Y轴拆分之后，对节点做了主从主备复制，然后拆分不同的业务，根据不同的节点分配负责不同的业务请求。而从Z轴角度，是对Y轴进行再次拆分。
如果Y轴上一个节点访问特别大时，就需要对请求进行AFK的Z轴拆分。例如根据数据情况或访问来源分为华北、华中、华东、华南等。虽然不同的Redis虽然是负责不同的数据，但是负责的业务是一样的。
Z轴的出现是按照优先级或者特定的逻辑再进行拆分，是为了确保解决数据容量有限和访问压力的问题。
结论
经过X、Y、Z轴拆分之后，每台实例能够发挥单机的性能，再也没有了容量的限制，而且主Redis都还有多台副Redis，就不会出现单点故障问题，访问量自然不会大。
- X轴拆分：水平复制，就是讲单体系统多运行几个实例，做集群加负载均衡的模式,主主、主备、主从。
- Y轴拆分：基于不同的业务拆分
- Z轴拆分：基于数据拆分。
AFK三轴拆分后，会涉及到数据一致性问题
强一致性
当客户端对Redis进行写的时候，主Redis先不返回客户端是否写入成功，而是先去通知副Redis同步复制写入，主Redis在阻塞等待着，直到数据全部一致，主Redis再返回客户端写入成功。
强一致性的缺陷也很明显，当有一个节点出现问题，就会导致所有的写入失败，所以强一致性极容易破坏可用性。
弱一致性
主Redis写入成功后就直接和客户端说返回成功了，然后副Redis异步复制写入Redis数据。
弱一致性的缺陷在于，有可能主Redis写入成功，但是副Redis没有成功写入，就导致副Redis丢失部分数据。
最终一致性
为了解决强一致性和弱一致性问题，可以在主Redis和众多副Redis钟搭建MQ去解决问题。主Redis和MQ是阻塞的，主Redis必须等MQ返回成功才可以向客户端返回成功，而MQ中的数据副Redis自己从中去取，然后写入库中。
