如何高效地玩轉多級緩存

TMC，即「透明多級緩存（Transparent Multilevel Cache）」，是有贊 PaaS 團隊給公司內應用提供的總體緩存解決方案。

TMC 在通用「分佈式緩存解決方案（如 CodisProxy + Redis，若有贊自研分佈式緩存系統 zanKV）」基礎上，增長了如下功能：

• 應用層熱點探測

• 應用層本地緩存

• 應用層緩存命中統計

以幫助應用層解決緩存使用過程當中出現的熱點訪問問題。

爲何要作 TMC

使用有贊服務的電商商家數量和類型不少，商家會不按期作一些「商品秒殺」、「商品推廣」活動，致使「營銷活動」、「商品詳情」、「交易下單」等鏈路應用出現 緩存熱點訪問 的狀況：

• 活動時間、活動類型、活動商品之類的信息不可預期，致使 緩存熱點訪問 狀況不可提早預知；

• 緩存熱點訪問 出現期間，應用層少數 熱點訪問 key 產生大量緩存訪問請求：衝擊分佈式緩存系統，大量佔據內網帶寬，最終影響應用層系統穩定性；

爲了應對以上問題，須要一個可以 自動發現熱點 並 將熱點緩存訪問請求前置在應用層本地緩存的解決方案，這就是 TMC 產生的緣由。

多級緩存解決方案的痛點

基於上述描述，咱們總結了下列 多級緩存解決方案 須要解決的需求痛點：

• 熱點探測：如何快速且準確的發現 熱點訪問 key ？

• 數據一致性：前置在應用層的本地緩存，如何保障與分佈式緩存系統的數據一致性？

• 效果驗證：如何讓應用層查看本地緩存命中率、熱點 key 等數據，驗證多級緩存效果？

• 透明接入：總體解決方案如何減小對應用系統的入侵，作到快速平滑接入？

TMC 聚焦上述痛點，設計並實現了總體解決方案。以支持「熱點探測」和「本地緩存」，減小熱點訪問時對下游分佈式緩存服務的衝擊，避免影響應用服務的性能及穩定性。

TMC 總體架構

TMC 總體架構如上圖，共分爲三層：

• 存儲層：提供基礎的 kv 數據存儲能力，針對不一樣的業務場景選用不一樣的存儲服務（codis/zankv/aerospike）；

• 代理層：爲應用層提供統一的緩存使用入口及通訊協議，承擔分佈式數據水平切分後的路由功能轉發工做；

• 應用層：提供統一客戶端給應用服務使用，內置「熱點探測」、「本地緩存」等功能，對業務透明；

本篇聚焦在應用層客戶端的「熱點探測」、「本地緩存」功能。

TMC 本地緩存

如何透明

TMC 是如何減小對業務應用系統的入侵，作到透明接入的？ 對於公司 Java 應用服務，在緩存客戶端使用方式上分爲兩類：

• 基於 spring.data.redis包，使用 RedisTemplate編寫業務代碼；

• 基於 youzan.framework.redis包，使用 RedisClient編寫業務代碼；

不論使用以上那種方式，最終經過 JedisPool建立的 Jedis對象與緩存服務端代理層作請求交互。

TMC 對原生 jedis 包的 JedisPool和 Jedis類作了改造，在 JedisPool 初始化過程當中集成 TMC「熱點發現」+「本地緩存」功能 Hermes-SDK包的初始化邏輯，使 Jedis客戶端與緩存服務端代理層交互時先與 Hermes-SDK交互，從而完成 「熱點探測」+「本地緩存」功能的透明接入。

對於 Java 應用服務，只需使用特定版本的 jedis-jar 包，無需修改代碼，便可接入 TMC 使用「熱點發現」+「本地緩存」功能，作到了對應用系統的最小入侵。

總體結構

模塊劃分

TMC 本地緩存總體結構分爲以下模塊：

• Jedis-Client：Java 應用與緩存服務端交互的直接入口，接口定義與原生 Jedis-Client 無異；

• Hermes-SDK：自研「熱點發現+本地緩存」功能的 SDK 封裝，Jedis-Client 經過與它交互來集成相應能力；

• Hermes 服務端集羣：接收 Hermes-SDK 上報的緩存訪問數據，進行熱點探測，將熱點 key 推送給 Hermes-SDK 作本地緩存；

• 緩存集羣：由代理層和存儲層組成，爲應用客戶端提供統一的分佈式緩存服務入口；

• 基礎組件：etcd 集羣、Apollo 配置中心，爲 TMC 提供「集羣推送」和「統一配置」能力；

基本流程

1）key 值獲取

• Java 應用調用 Jedis-Client 接口獲取 key 的緩存值時，Jedis-Client 會詢問 Hermes-SDK 該 key 當前是不是 熱點key；

• 對於 熱點key ，直接從 Hermes-SDK 的 熱點模塊 獲取熱點 key 在本地緩存的 value 值，不去訪問 緩存集羣 ，從而將訪問請求前置在應用層；

• 對於非 熱點key ，Hermes-SDK 會經過 Callable回調 Jedis-Client 的原生接口，從 緩存集羣 拿到 value 值；

• 對於 Jedis-Client 的每次 key 值訪問請求，Hermes-SDK 都會經過其 通訊模塊 將 key 訪問事件 異步上報給 Hermes 服務端集羣 ，以便其根據上報數據進行「熱點探測」；

2）key 值過時

• Java 應用調用 Jedis-Client 的 set() del() expire()接口時會致使對應 key 值失效，Jedis-Client 會同步調用 Hermes-SDK 的 invalid()方法告知其「key 值失效」事件；

• 對於 熱點 key ，Hermes-SDK 的 熱點模塊 會先將 key 在本地緩存的 value 值失效，以達到本地數據強一致。同時 通訊模塊 會異步將「key 值失效」事件經過 etcd 集羣 推送給 Java 應用集羣中其餘 Hermes-SDK 節點；

• 其餘 Hermes-SDK 節點的 通訊模塊 收到 「key 值失效」事件後，會調用 熱點模塊 將 key 在本地緩存的 value 值失效，以達到集羣數據最終一致；

3）熱點發現

• Hermes 服務端集羣 不斷收集 Hermes-SDK上報的 key 訪問事件，對不一樣業務應用集羣的緩存訪問數據進行週期性（3s 一次）分析計算，以探測業務應用集羣中的熱點 key列表；

• 對於探測到的熱點 key列表，Hermes 服務端集羣 將其經過 etcd 集羣 推送給不一樣業務應用集羣的 Hermes-SDK 通訊模塊，通知其對熱點 key列表進行本地緩存；

4）配置讀取

• Hermes-SDK 在啓動及運行過程當中，會從 Apollo 配置中心 讀取其關心的配置信息（如：啓動關閉配置、黑白名單配置、etcd 地址...）；

• Hermes 服務端集羣 在啓動及運行過程當中，會從 Apollo 配置中心 讀取其關心的配置信息（如：業務應用列表、熱點閾值配置、etcd 地址...）；

穩定性

TMC 本地緩存穩定性表如今如下方面：

• 數據上報異步化：Hermes-SDK 使用 rsyslog技術對「key 訪問事件」進行異步化上報，不會阻塞業務；

• 通訊模塊線程隔離：Hermes-SDK 的 通訊模塊 使用獨立線程池+有界隊列，保證事件上報&監聽的 I/O 操做與業務執行線程隔離，即便出現非預期性異常也不會影響基本業務功能；

• 緩存管控：Hermes-SDK 的 熱點模塊 對本地緩存大小上限進行了管控，使其佔用內存不超過 64MB（LRU），杜絕 JVM 堆內存溢出的可能；

一致性

TMC 本地緩存一致性表如今如下方面：

• Hermes-SDK 的 熱點模塊 僅緩存 熱點 key 數據，絕大多數非熱點 key數據由 緩存集羣 存儲；

• 熱點 key 變動致使 value 失效時，Hermes-SDK 同步失效本地緩存，保證 本地強一致；

• 熱點 key 變動致使 value 失效時，Hermes-SDK 經過 etcd 集羣 廣播事件，異步失效業務應用集羣中其餘節點的本地緩存，保證 集羣最終一致；

熱點發現

總體流程

TMC 熱點發現流程分爲四步：

• 數據收集：收集 Hermes-SDK 上報的 key 訪問事件；

• 熱度滑窗：對 App 的每一個 Key，維護一個時間輪，記錄基於當前時刻滑窗的訪問熱度；

• 熱度匯聚：對 App 的全部 Key，以 <key,熱度>的形式進行 熱度排序彙總；

• 熱點探測：對 App，從 熱 Key 排序彙總 結果中選出 TopN 的熱點 Key ，推送給 Hermes-SDK；

數據收集

Hermes-SDK 經過本地 rsyslog將 key 訪問事件 以協議格式放入 kafka ，Hermes 服務端集羣 的每一個節點消費 kafka 消息，實時獲取 key 訪問事件。

訪問事件協議格式以下：

• appName：集羣節點所屬業務應用

• uniqueKey：業務應用 key 訪問事件 的 key

• sendTime：業務應用 key 訪問事件 的發生時間

• weight：業務應用 key 訪問事件 的訪問權值

Hermes 服務端集羣 節點將收集到的 key 訪問事件 存儲在本地內存中，內存數據結構爲 Map<String,Map<String,LongAdder>>，對應業務含義映射爲 Map<appName,Map<uniqueKey,熱度>>。

熱度滑窗

時間滑窗

Hermes 服務端集羣 節點，對每一個 App 的每一個 key，維護了一個 時間輪：

• 時間輪中共 10 個 時間片，每一個時間片記錄當前 key 對應 3 秒時間週期的總訪問次數；

• 時間輪 10 個時間片的記錄累加即表示當前 key 從當前時間向前 30 秒時間窗口內的總訪問次數；

映射任務

Hermes 服務端集羣 節點，對每一個 App 每 3 秒 生成一個 映射任務 ，交由節點內 「緩存映射線程池」 執行。映射任務 內容以下：

• 對當前 App，從 Map<appName,Map<uniqueKey,熱度>>中取出 appName 對應的 Map Map<uniqueKey,熱度>>；

• 遍歷 Map<uniqueKey,熱度>>中的 key，對每一個 key 取出其熱度存入其 時間輪 對應的時間片中；

熱度匯聚

完成第二步「熱度滑窗」後，映射任務 繼續對當前 App 進行「熱度匯聚」工做：

• 遍歷 App 的 key，將每一個 key 的 時間輪 熱度進行彙總（即 30 秒時間窗口內總熱度）獲得探測時刻 滑窗總熱度；

• 將 < key , 滑窗總熱度 > 以排序集合的方式存入 Redis 存儲服務 中，即 熱度匯聚結果；

熱點探測

• 在前幾步，每 3 秒 一次的 映射任務 執行，對每一個 App 都會產生一份當前時刻的 熱度匯聚結果 ；

• Hermes 服務端集羣 中的「熱點探測」節點，對每一個 App，只需週期性從其最近一份 熱度匯聚結果 中取出達到熱度閾值的 TopN 的 key 列表，便可獲得本次探測的 熱點 key 列表；

TMC 熱點發現總體流程以下圖：

特性總結

實時性

Hermes-SDK 基於rsyslog + kafka 實時上報 key 訪問事件。映射任務 3 秒一個週期完成「熱度滑窗」 + 「熱度匯聚」工做，當有 熱點訪問場景 出現時最長 3 秒便可探測出對應 熱點 key。

準確性

key 的熱度匯聚結果由「基於時間輪實現的滑動窗口」匯聚獲得，相對準確地反應當前及最近正在發生訪問分佈。

擴展性

Hermes 服務端集羣節點無狀態，節點數可基於 kafka 的 partition 數量橫向擴展。

「熱度滑窗」 + 「熱度匯聚」 過程基於 App 數量，在單節點內多線程擴展。

實戰效果

快手商家某次商品營銷活動

有贊商家經過快手直播平臺爲某商品搞活動，形成該商品短期內被集中訪問產生訪問熱點，活動期間 TMC 記錄的實際熱點訪問效果數據以下：

某核心應用的緩存請求&命中率曲線圖

• 上圖藍線爲應用集羣調用get()方法訪問緩存次數

• 上圖綠線爲獲取緩存操做命中TMC本地緩存的次數

 

• 上圖爲本地緩存命中率曲線圖

能夠看出活動期間緩存請求量及本地緩存命中量均有明顯增加，本地緩存命中率達到近 80%（即應用集羣中 80% 的緩存查詢請求被 TMC 本地緩存攔截）。

熱點緩存對應用訪問的加速效果

• 上圖爲應用接口 QPS 曲線

 

• 上圖爲應用接口 RT 曲線

能夠看出活動期間應用接口的請求量有明顯增加，因爲 TMC 本地緩存的效果應用接口的 RT 反而出現降低。

雙十一期間部分應用 TMC 效果展現

商品域核心應用效果

活動域核心應用效果

功能展望

TMC 目前已爲商品中心、物流中心、庫存中心、營銷活動、用戶中心、網關&消息等多個核心應用模塊提供服務，後續應用也在陸續接入中。

TMC 在提供「熱點探測」 + 「本地緩存」的核心能力同時，也爲應用服務提供了靈活的配置選擇，應用服務能夠結合實際業務狀況在「熱點閾值」、「熱點 key 探測數量」、「熱點黑白名單」維度進行自由配置以達到更好的使用效果。

本文分享自微信公衆號 - 浪尖聊大數據（bigdatatip）。
若有侵權，請聯繫 support@oschina.cn 刪除。
本文參與「OSC源創計劃」，歡迎正在閱讀的你也加入，一塊兒分享。