一个牛逼的多级缓存实现方案,究竟有多牛逼?
发布于 13 天前 作者 yan 57 次浏览

点击上方“芋道源码”,选择“设为星标

做积极的人,而不是积极废人!

源码精品专栏

来源:https://tech.youzan.com/

  • 为什么要做 TMC

  • 多级缓存解决方案的痛点

  • TMC 整体架构

  • TMC 本地缓存

  • 如何透明

  • 整体结构

  • 热点发现

  • 整体流程

  • 数据收集

  • 热度滑窗

  • 热度汇聚

  • 热点探测

  • 特性总结

  • 实战效果

  • 快手商家某次商品营销活动

  • 双十一期间部分应用 TMC 效果展示**

  • 功能展望


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整体缓存解决方案。

TMC 在通用“分布式缓存解决方案(如 CodisProxy + Redis,如有赞自研分布式缓存系统 zanKV)”基础上,增加了以下功能:

  • 应用层热点探测
  • 应用层本地缓存
  • 应用层缓存命中统计

以帮助应用层解决缓存使用过程中出现的热点访问问题。

为什么要做 TMC

使用有赞服务的电商商家数量和类型很多,商家会不定期做一些“商品秒杀”、“商品推广”活动,导致“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 的情况:

  • 活动时间、活动类型、活动商品之类的信息不可预期,导致 缓存热点访问 情况不可提前预知;
  • 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;

为了应对以上问题,需要一个能够 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 产生的原因。

多级缓存解决方案的痛点

基于上述描述,我们总结了下列  多级缓存解决方案 需要解决的需求痛点:

  • 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:整体解决方案如何减少对应用系统的入侵,做到快速平滑接入?

TMC 聚焦上述痛点,设计并实现了整体解决方案。以支持“热点探测”和“本地缓存”,减少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 整体架构

TMC 整体架构如上图,共分为三层:

  • 存储层:提供基础的 kv 数据存储能力,针对不同的业务场景选用不同的存储服务(codis/zankv/aerospike);
  • 代理层:为应用层提供统一的缓存使用入口及通信协议,承担分布式数据水平切分后的路由功能转发工作;
  • 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 是如何减少对业务应用系统的入侵,做到透明接入的?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,最终通过  JedisPool 创建的  Jedis 对象与缓存服务端代理层做请求交互。

TMC 对原生 jedis 包的  JedisPool 和  Jedis 类做了改造,在 JedisPool 初始化过程中集成 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,即可接入 TMC 使用“热点发现”+“本地缓存”功能,做到了对应用系统的最小入侵。

整体结构

模块划分

TMC 本地缓存整体结构分为如下模块:

  • 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 通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 做本地缓存;
  • 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 当前是否是  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  会通过  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  都会通过其 通信模块 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 值过期

  • Java 应用调用  Jedis-Client  的  set()   del()   expire() 接口时会导致对应 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 通信模块 会异步将“key 值失效”事件通过  etcd 集群  推送给 Java 应用集群中其他  Hermes-SDK  节点;
  • 其他  Hermes-SDK  节点的 通信模块 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 ,对不同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  将其通过  etcd 集群  推送给不同业务应用集群的  Hermes-SDK  通信模块,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 本地缓存稳定性表现在以下方面:

  • 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;
  • 通信模块线程隔离: Hermes-SDK  的 通信模块 使用独立线程池+有界队列,保证事件上报&监听的 I/O 操作与业务执行线程隔离,即使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 本地缓存一致性表现在以下方面:

  • 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  变更导致 value 失效时, Hermes-SDK  同步失效本地缓存,保证  本地强一致
  • 热点 key  变更导致 value 失效时, Hermes-SDK  通过  etcd 集群  广播事件,异步失效业务应用集群中其他节点的本地缓存,保证  集群最终一致

热点发现

整体流程

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 的所有 Key,以 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 通过本地  rsyslog 将  key 访问事件 以协议格式放入  kafkaHermes 服务端集群 的每个节点消费 kafka 消息,实时获取  key 访问事件

访问事件协议格式如下:

  • 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,对每个 App 的每个 key,维护了一个  时间轮

  • 时间轮中共 10 个  时间片 ,每个时间片记录当前 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 内容如下:

  • 对当前 App,从  Map<appname,map&gt;</appname,map 中取出 appName 对应的 Map  Map&gt;
  • 遍历  Map&gt; 中的 key,对每个 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”工作:

  • 遍历 App 的 key,将每个 key 的  时间轮  热度进行汇总(即 30 秒时间窗口内总热度)得到探测时刻  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,即可得到本次探测的  热点 key 列表

TMC 热点发现整体流程如下图:

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”工作,当有  热点访问场景 出现时最长 3 秒即可探测出对应  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”汇聚得到,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

有赞商家通过快手直播平台为某商品搞活动,造成该商品短时间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如下:

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作命中TMC本地缓存的次数

  • 上图为本地缓存命中率曲线图

可以看出活动期间缓存请求量及本地缓存命中量均有明显增长,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

可以看出活动期间应用接口的请求量有明显增长,由于 TMC 本地缓存的效果应用接口的 RT 反而出现下降。

双十一期间部分应用 TMC 效果展示**

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,应用服务可以结合实际业务情况在“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。



欢迎加入我的知识星球,一起探讨架构,交流源码。加入方式, 长按下方二维码噢

已在知识星球更新源码解析如下:

如果你喜欢这篇文章,喜欢,转发。

生活很美好,明天见(。・ω・。)ノ♡

回到顶部