feat: update duplicate files and generate pagination

移除冗余文件，激活页面底部导航

docs/high-concurrency/redis-cluster.md

@@ -27,11 +27,11 @@ redis cluster，主要是针对**海量数据+高并发+高可用**的场景。r
 
 **集中式**是将集群元数据（节点信息、故障等等）几种存储在某个节点上。集中式元数据集中存储的一个典型代表，就是大数据领域的 `storm`。它是分布式的大数据实时计算引擎，是集中式的元数据存储的结构，底层基于 zookeeper（分布式协调的中间件）对所有元数据进行存储维护。
 
-![zookeeper-centralized-storage](/images/zookeeper-centralized-storage.png)
+![zookeeper-centralized-storage](./images/zookeeper-centralized-storage.png)
 
 redis 维护集群元数据采用另一个方式， `gossip` 协议，所有节点都持有一份元数据，不同的节点如果出现了元数据的变更，就不断将元数据发送给其它的节点，让其它节点也进行元数据的变更。
 
-![redis-gossip](/images/redis-gossip.png)
+![redis-gossip](./images/redis-gossip.png)
 
 **集中式**的**好处**在于，元数据的读取和更新，时效性非常好，一旦元数据出现了变更，就立即更新到集中式的存储中，其它节点读取的时候就可以感知到；**不好**在于，所有的元数据的更新压力全部集中在一个地方，可能会导致元数据的存储有压力。
 
@@ -71,7 +71,7 @@ ping 时要携带一些元数据，如果很频繁，可能会加重网络负担
 #### hash 算法
 来了一个 key，首先计算 hash 值，然后对节点数取模。然后打在不同的 master 节点上。一旦某一个 master 节点宕机，所有请求过来，都会基于最新的剩余 master 节点数去取模，尝试去取数据。这会导致**大部分的请求过来，全部无法拿到有效的缓存**，导致大量的流量涌入数据库。
 
-![hash](/images/hash.png)
+![hash](./images/hash.png)
 
 #### 一致性 hash 算法
 一致性 hash 算法将整个 hash 值空间组织成一个虚拟的圆环，整个空间按顺时针方向组织，下一步将各个 master 节点（使用服务器的 ip 或主机名）进行 hash。这样就能确定每个节点在其哈希环上的位置。
@@ -82,7 +82,7 @@ ping 时要携带一些元数据，如果很频繁，可能会加重网络负担
 
 燃鹅，一致性哈希算法在节点太少时，容易因为节点分布不均匀而造成**缓存热点**的问题。为了解决这种热点问题，一致性 hash 算法引入了虚拟节点机制，即对每一个节点计算多个 hash，每个计算结果位置都放置一个虚拟节点。这样就实现了数据的均匀分布，负载均衡。
 
-![consistent-hashing-algorithm](/images/consistent-hashing-algorithm.png)
+![consistent-hashing-algorithm](./images/consistent-hashing-algorithm.png)
 
 #### redis cluster 的 hash slot 算法
 redis cluster 有固定的 `16384` 个 hash slot，对每个 `key` 计算 `CRC16` 值，然后对 `16384` 取模，可以获取 key 对应的 hash slot。
@@ -91,7 +91,7 @@ redis cluster 中每个 master 都会持有部分 slot，比如有 3 个 master
 
 任何一台机器宕机，另外两个节点，不影响的。因为 key 找的是 hash slot，不是机器。
 
-![hash-slot](/images/hash-slot.png)
+![hash-slot](./images/hash-slot.png)
 
 ### redis cluster 的高可用与主备切换原理
 redis cluster 的高可用的原理，几乎跟哨兵是类似的。