如何高效地玩转多级缓存

TMC,即“透明多级缓存(Transparent Multilevel Cache)”,是有赞 PaaS 团队给公司内应用提供的总体缓存解决方案。redis

TMC 在通用“分布式缓存解决方案(如 CodisProxy + Redis,若有赞自研分布式缓存系统 zanKV)”基础上,增长了如下功能:spring

  • 应用层热点探测缓存

  • 应用层本地缓存微信

  • 应用层缓存命中统计数据结构

以帮助应用层解决缓存使用过程当中出现的热点访问问题。多线程

为何要作 TMC

使用有赞服务的电商商家数量和类型不少,商家会不按期作一些“商品秒杀”、“商品推广”活动,致使“营销活动”、“商品详情”、“交易下单”等链路应用出现 缓存热点访问 的状况:架构

  • 活动时间、活动类型、活动商品之类的信息不可预期,致使 缓存热点访问 状况不可提早预知;app

  • 缓存热点访问 出现期间,应用层少数 热点访问 key 产生大量缓存访问请求:冲击分布式缓存系统,大量占据内网带宽,最终影响应用层系统稳定性;异步

为了应对以上问题,须要一个可以 自动发现热点 并 将热点缓存访问请求前置在应用层本地缓存的解决方案,这就是 TMC 产生的缘由。分布式

多级缓存解决方案的痛点

基于上述描述,咱们总结了下列 多级缓存解决方案 须要解决的需求痛点:

  • 热点探测:如何快速且准确的发现 热点访问 key ?

  • 数据一致性:前置在应用层的本地缓存,如何保障与分布式缓存系统的数据一致性?

  • 效果验证:如何让应用层查看本地缓存命中率、热点 key 等数据,验证多级缓存效果?

  • 透明接入:总体解决方案如何减小对应用系统的入侵,作到快速平滑接入?

TMC 聚焦上述痛点,设计并实现了总体解决方案。以支持“热点探测”和“本地缓存”,减小热点访问时对下游分布式缓存服务的冲击,避免影响应用服务的性能及稳定性。

TMC 总体架构

TMC 总体架构如上图,共分为三层:

  • 存储层:提供基础的 kv 数据存储能力,针对不一样的业务场景选用不一样的存储服务(codis/zankv/aerospike);

  • 代理层:为应用层提供统一的缓存使用入口及通讯协议,承担分布式数据水平切分后的路由功能转发工做;

  • 应用层:提供统一客户端给应用服务使用,内置“热点探测”、“本地缓存”等功能,对业务透明;

本篇聚焦在应用层客户端的“热点探测”、“本地缓存”功能。

TMC 本地缓存

如何透明

TMC 是如何减小对业务应用系统的入侵,作到透明接入的? 对于公司 Java 应用服务,在缓存客户端使用方式上分为两类:

  • 基于 spring.data.redis包,使用 RedisTemplate编写业务代码;

  • 基于 youzan.framework.redis包,使用 RedisClient编写业务代码;

不论使用以上那种方式,最终经过 JedisPool建立的 Jedis对象与缓存服务端代理层作请求交互。

TMC 对原生 jedis 包的 JedisPoolJedis类作了改造,在 JedisPool 初始化过程当中集成 TMC“热点发现”+“本地缓存”功能 Hermes-SDK包的初始化逻辑,使 Jedis客户端与缓存服务端代理层交互时先与 Hermes-SDK交互,从而完成 “热点探测”+“本地缓存”功能的透明接入。

对于 Java 应用服务,只需使用特定版本的 jedis-jar 包,无需修改代码,便可接入 TMC 使用“热点发现”+“本地缓存”功能,作到了对应用系统的最小入侵。

总体结构

模块划分

TMC 本地缓存总体结构分为以下模块:

  • Jedis-Client:Java 应用与缓存服务端交互的直接入口,接口定义与原生 Jedis-Client 无异;

  • Hermes-SDK:自研“热点发现+本地缓存”功能的 SDK 封装,Jedis-Client 经过与它交互来集成相应能力;

  • Hermes 服务端集群:接收 Hermes-SDK 上报的缓存访问数据,进行热点探测,将热点 key 推送给 Hermes-SDK 作本地缓存;

  • 缓存集群:由代理层和存储层组成,为应用客户端提供统一的分布式缓存服务入口;

  • 基础组件:etcd 集群、Apollo 配置中心,为 TMC 提供“集群推送”和“统一配置”能力;

基本流程

1)key 值获取

  • Java 应用调用 Jedis-Client 接口获取 key 的缓存值时,Jedis-Client 会询问 Hermes-SDK 该 key 当前是不是 热点key;

  • 对于 热点key ,直接从 Hermes-SDK 的 热点模块 获取热点 key 在本地缓存的 value 值,不去访问 缓存集群 ,从而将访问请求前置在应用层;

  • 对于非 热点key ,Hermes-SDK 会经过 Callable回调 Jedis-Client 的原生接口,从 缓存集群 拿到 value 值;

  • 对于 Jedis-Client 的每次 key 值访问请求,Hermes-SDK 都会经过其 通讯模块 将 key 访问事件 异步上报给 Hermes 服务端集群 ,以便其根据上报数据进行“热点探测”;

2)key 值过时

  • Java 应用调用 Jedis-Client 的 set() del() expire()接口时会致使对应 key 值失效,Jedis-Client 会同步调用 Hermes-SDK 的 invalid()方法告知其“key 值失效”事件;

  • 对于 热点 key ,Hermes-SDK 的 热点模块 会先将 key 在本地缓存的 value 值失效,以达到本地数据强一致。同时 通讯模块 会异步将“key 值失效”事件经过 etcd 集群 推送给 Java 应用集群中其余 Hermes-SDK 节点;

  • 其余 Hermes-SDK 节点的 通讯模块 收到 “key 值失效”事件后,会调用 热点模块 将 key 在本地缓存的 value 值失效,以达到集群数据最终一致;

3)热点发现

  • Hermes 服务端集群 不断收集 Hermes-SDK上报的 key 访问事件,对不一样业务应用集群的缓存访问数据进行周期性(3s 一次)分析计算,以探测业务应用集群中的热点 key列表;

  • 对于探测到的热点 key列表,Hermes 服务端集群 将其经过 etcd 集群 推送给不一样业务应用集群的 Hermes-SDK 通讯模块,通知其对热点 key列表进行本地缓存;

4)配置读取

  • Hermes-SDK 在启动及运行过程当中,会从 Apollo 配置中心 读取其关心的配置信息(如:启动关闭配置、黑白名单配置、etcd 地址...);

  • Hermes 服务端集群 在启动及运行过程当中,会从 Apollo 配置中心 读取其关心的配置信息(如:业务应用列表、热点阈值配置、etcd 地址...);

稳定性

TMC 本地缓存稳定性表如今如下方面:

  • 数据上报异步化:Hermes-SDK 使用 rsyslog技术对“key 访问事件”进行异步化上报,不会阻塞业务;

  • 通讯模块线程隔离:Hermes-SDK 的 通讯模块 使用独立线程池+有界队列,保证事件上报&监听的 I/O 操做与业务执行线程隔离,即便出现非预期性异常也不会影响基本业务功能;

  • 缓存管控:Hermes-SDK 的 热点模块 对本地缓存大小上限进行了管控,使其占用内存不超过 64MB(LRU),杜绝 JVM 堆内存溢出的可能;

一致性

TMC 本地缓存一致性表如今如下方面:

  • Hermes-SDK 的 热点模块 仅缓存 热点 key 数据,绝大多数非热点 key数据由 缓存集群 存储;

  • 热点 key 变动致使 value 失效时,Hermes-SDK 同步失效本地缓存,保证 本地强一致;

  • 热点 key 变动致使 value 失效时,Hermes-SDK 经过 etcd 集群 广播事件,异步失效业务应用集群中其余节点的本地缓存,保证 集群最终一致;

热点发现

总体流程

TMC 热点发现流程分为四步:

  • 数据收集:收集 Hermes-SDK 上报的 key 访问事件;

  • 热度滑窗:对 App 的每一个 Key,维护一个时间轮,记录基于当前时刻滑窗的访问热度;

  • 热度汇聚:对 App 的全部 Key,以 <key,热度>的形式进行 热度排序汇总;

  • 热点探测:对 App,从 热 Key 排序汇总 结果中选出 TopN 的热点 Key ,推送给 Hermes-SDK;

数据收集

Hermes-SDK 经过本地 rsyslogkey 访问事件 以协议格式放入 kafka ,Hermes 服务端集群 的每一个节点消费 kafka 消息,实时获取 key 访问事件

访问事件协议格式以下:

  • appName:集群节点所属业务应用

  • uniqueKey:业务应用 key 访问事件 的 key

  • sendTime:业务应用 key 访问事件 的发生时间

  • weight:业务应用 key 访问事件 的访问权值

Hermes 服务端集群 节点将收集到的 key 访问事件 存储在本地内存中,内存数据结构为 Map<String,Map<String,LongAdder>>,对应业务含义映射为 Map<appName,Map<uniqueKey,热度>>

热度滑窗

时间滑窗

Hermes 服务端集群 节点,对每一个 App 的每一个 key,维护了一个 时间轮

  • 时间轮中共 10 个 时间片,每一个时间片记录当前 key 对应 3 秒时间周期的总访问次数;

  • 时间轮 10 个时间片的记录累加即表示当前 key 从当前时间向前 30 秒时间窗口内的总访问次数;

映射任务

Hermes 服务端集群 节点,对每一个 App 每 3 秒 生成一个 映射任务 ,交由节点内 “缓存映射线程池” 执行。映射任务 内容以下:

  • 对当前 App,从 Map<appName,Map<uniqueKey,热度>>中取出 appName 对应的 Map Map<uniqueKey,热度>>

  • 遍历 Map<uniqueKey,热度>>中的 key,对每一个 key 取出其热度存入其 时间轮 对应的时间片中;

热度汇聚

完成第二步“热度滑窗”后,映射任务 继续对当前 App 进行“热度汇聚”工做:

  • 遍历 App 的 key,将每一个 key 的 时间轮 热度进行汇总(即 30 秒时间窗口内总热度)获得探测时刻 滑窗总热度;

  • 将 < key , 滑窗总热度 > 以排序集合的方式存入 Redis 存储服务 中,即 热度汇聚结果;

热点探测

  • 在前几步,每 3 秒 一次的 映射任务 执行,对每一个 App 都会产生一份当前时刻的 热度汇聚结果 ;

  • Hermes 服务端集群 中的“热点探测”节点,对每一个 App,只需周期性从其最近一份 热度汇聚结果 中取出达到热度阈值的 TopN 的 key 列表,便可获得本次探测的 热点 key 列表;

TMC 热点发现总体流程以下图:

特性总结

实时性

Hermes-SDK 基于rsyslog + kafka 实时上报 key 访问事件。映射任务 3 秒一个周期完成“热度滑窗” + “热度汇聚”工做,当有 热点访问场景 出现时最长 3 秒便可探测出对应 热点 key。

准确性

key 的热度汇聚结果由“基于时间轮实现的滑动窗口”汇聚获得,相对准确地反应当前及最近正在发生访问分布。

扩展性

Hermes 服务端集群节点无状态,节点数可基于 kafka 的 partition 数量横向扩展。

“热度滑窗” + “热度汇聚” 过程基于 App 数量,在单节点内多线程扩展。

实战效果

快手商家某次商品营销活动

有赞商家经过快手直播平台为某商品搞活动,形成该商品短期内被集中访问产生访问热点,活动期间 TMC 记录的实际热点访问效果数据以下:

某核心应用的缓存请求&命中率曲线图

  • 上图蓝线为应用集群调用get()方法访问缓存次数

  • 上图绿线为获取缓存操做命中TMC本地缓存的次数

 

  • 上图为本地缓存命中率曲线图

能够看出活动期间缓存请求量及本地缓存命中量均有明显增加,本地缓存命中率达到近 80%(即应用集群中 80% 的缓存查询请求被 TMC 本地缓存拦截)。

热点缓存对应用访问的加速效果

  • 上图为应用接口 QPS 曲线

 

  • 上图为应用接口 RT 曲线

能够看出活动期间应用接口的请求量有明显增加,因为 TMC 本地缓存的效果应用接口的 RT 反而出现降低。

双十一期间部分应用 TMC 效果展现

商品域核心应用效果

活动域核心应用效果

功能展望

TMC 目前已为商品中心、物流中心、库存中心、营销活动、用户中心、网关&消息等多个核心应用模块提供服务,后续应用也在陆续接入中。

TMC 在提供“热点探测” + “本地缓存”的核心能力同时,也为应用服务提供了灵活的配置选择,应用服务能够结合实际业务状况在“热点阈值”、“热点 key 探测数量”、“热点黑白名单”维度进行自由配置以达到更好的使用效果。

本文分享自微信公众号 - 浪尖聊大数据(bigdatatip)。
若有侵权,请联系 support@oschina.cn 删除。
本文参与“OSC源创计划”,欢迎正在阅读的你也加入,一块儿分享。

相关文章
相关标签/搜索