經典面試題:分布式緩存熱點KEY問題如何解決--有贊方案

有贊透明多級緩存解決方案（TMC）

一、引子

1-1. TMC 是什么

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整體緩存解決方案。

TMC 在通用“分布式緩存解決方案（如 CodisProxy + Redis ，如有贊自研分布式緩存系統 zanKV ）”基礎上，增加了以下功能：

• 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中出現的熱點訪問問題。

1-2. 為什么要做 TMC

使用有贊服務的電商商家數量和類型很多，商家會不定期做一些“商品秒殺”、“商品推廣”活動，導致“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 的情況：

• 活動時間、活動類型、活動商品之類的信息不可預期，導致 緩存熱點訪問 情況不可提前預知；
• 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：沖擊分布式緩存系統，大量占據內網帶寬，最終影響應用層系統穩定性；

為了應對以上問題，需要一個能夠 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 產生的原因。

1-3. 多級緩存解決方案的痛點

基於上述描述，我們總結了下列 多級緩存解決方案 需要解決的需求痛點：

• 熱點探測：如何快速且准確的發現 *熱點訪問 key * ？
• 數據一致性：前置在應用層的本地緩存，如何保障與分布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：整體解決方案如何減少對應用系統的入侵，做到快速平滑接入？

TMC 聚焦上述痛點，設計並實現了整體解決方案。以支持“熱點探測”和“本地緩存”，減少熱點訪問時對下游分布式緩存服務的沖擊，避免影響應用服務的性能及穩定性。

二、 TMC 整體架構

TMC 整體架構如上圖，共分為三層：

• 存儲層：提供基礎的kv數據存儲能力，針對不同的業務場景選用不同的存儲服務（ codis / zankv / aerospike ）；
• 代理層：為應用層提供統一的緩存使用入口及通信協議，承擔分布式數據水平切分后的路由功能轉發工作；
• 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。

三、 TMC 本地緩存

3-1. 如何透明

TMC 是如何減少對業務應用系統的入侵，做到透明接入的？

對於公司 Java 應用服務，在緩存客戶端使用方式上分為兩類：

• 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，最終通過JedisPool創建的Jedis對象與緩存服務端代理層做請求交互。

TMC 對原生jedis包的JedisPool和Jedis類做了改造，在JedisPool初始化過程中集成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，即可接入 TMC 使用“熱點發現”+“本地緩存”功能，做到了對應用系統的最小入侵。

3-2. 整體結構

3-2-1. 模塊划分

TMC 本地緩存整體結構分為如下模塊：

• 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 通過與它交互來集成相應能力；
• Hermes服務端集群：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 做本地緩存；
• 緩存集群：由代理層和存儲層組成，為應用客戶端提供統一的分布式緩存服務入口；
• 基礎組件： etcd 集群、 Apollo 配置中心，為 TMC 提供“集群推送”和“統一配置”能力；

3-2-2. 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 當前是否是 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 緩存集群 ，從而將訪問請求前置在應用層；
• 對於非 熱點key ，Hermes-SDK 會通過Callable回調 Jedis-Client 的原生接口，從 緩存集群 拿到 value 值；
• 對於 Jedis-Client 的每次 key 值訪問請求，Hermes-SDK 都會通過其 通信模塊 將 key訪問事件 異步上報給 Hermes服務端集群 ，以便其根據上報數據進行“熱點探測”；

2）key值過期

• Java 應用調用 Jedis-Client 的set() del() expire()接口時會導致對應 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 通信模塊 會異步將“ key 值失效”事件通過 etcd集群 推送給 Java 應用集群中其他 Hermes-SDK 節點；
• 其他Hermes-SDK節點的 通信模塊 收到 “ key 值失效”事件后，會調用 熱點模塊 將 key 在本地緩存的 value 值失效，以達到集群數據最終一致；

3）熱點發現

• Hermes服務端集群 不斷收集 Hermes-SDK上報的 key訪問事件，對不同業務應用集群的緩存訪問數據進行周期性（3s一次）分析計算，以探測業務應用集群中的熱點key列表；
• 對於探測到的熱點key列表，Hermes服務端集群 將其通過 etcd集群 推送給不同業務應用集群的 Hermes-SDK 通信模塊，通知其對熱點key列表進行本地緩存；

4）配置讀取

• Hermes-SDK 在啟動及運行過程中，會從 Apollo配置中心 讀取其關心的配置信息（如：啟動關閉配置、黑白名單配置、etcd地址...）；
• Hermes服務端集群 在啟動及運行過程中，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...）；

3-2-3. 穩定性

TMC本地緩存穩定性表現在以下方面：

• 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；
• 通信模塊線程隔離：Hermes-SDK 的 通信模塊 使用獨立線程池+有界隊列，保證事件上報&監聽的I/O操作與業務執行線程隔離，即使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，使其占用內存不超過 64MB（LRU），杜絕 JVM 堆內存溢出的可能；

3-2-4. 一致性

TMC 本地緩存一致性表現在以下方面：

• 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 緩存集群 存儲；
• 熱點key 變更導致 value 失效時，Hermes-SDK 同步失效本地緩存，保證 本地強一致；
• 熱點key 變更導致 value 失效時，Hermes-SDK 通過 etcd集群 廣播事件，異步失效業務應用集群中其他節點的本地緩存，保證 集群最終一致；

四、TMC熱點發現

4-1. 整體流程

TMC 熱點發現流程分為四步：

• 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 的所有 Key ，以<key,熱度>的形式進行 熱度排序匯總；
• 熱點探測：對 App ，從 熱Key排序匯總 結果中選出 TopN的熱點Key ，推送給 Hermes-SDK；

4-2. 數據收集

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

訪問事件協議格式如下：

• appName：集群節點所屬業務應用
• 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服務端集群 節點將收集到的 key訪問事件 存儲在本地內存中，內存數據結構為Map<String, Map<String, LongAdder>>，對應業務含義映射為Map< appName , Map< uniqueKey , 熱度 >>。

4-3. 熱度滑窗

4-3-1. 時間滑窗

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

• 時間輪中共10個 時間片，每個時間片記錄當前 key 對應 3 秒時間周期的總訪問次數；
• 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；

4-3-2. 映射任務

Hermes服務端集群 節點，對每個 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 內容如下：

• 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 ，對每個 key 取出其熱度存入其 時間輪 對應的時間片中；

4-4. 熱度匯聚

完成第二步“熱度滑窗”后，映射任務 繼續對當前 App 進行“熱度匯聚”工作：

• 遍歷 App 的 key ，將每個 key 的 時間輪 熱度進行匯總（即30秒時間窗口內總熱度）得到探測時刻 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；

4-5. 熱點探測

• 在前幾步，每3秒 一次的 映射任務 執行，對每個 App 都會產生一份當前時刻的 熱度匯聚結果 ；
• Hermes服務端集群 中的“熱點探測”節點，對每個 App ，只需周期性從其最近一份 熱度匯聚結果 中取出達到熱度閾值的 TopN 的 key 列表，即可得到本次探測的 熱點key列表；

TMC 熱點發現整體流程如下圖：

4-6. 特性總結

4-6-1. 實時性

Hermes-SDK基於rsyslog + kafka 實時上報 key訪問事件。 映射任務 3秒一個周期完成“熱度滑窗” + “熱度匯聚”工作，當有 熱點訪問場景 出現時最長3秒即可探測出對應 熱點key。

4-6-2. 准確性

key 的熱度匯聚結果由“基於時間輪實現的滑動窗口”匯聚得到，相對准確地反應當前及最近正在發生訪問分布。

4-6-3.擴展性

Hermes服務端集群 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。

五、TMC實戰效果

5-1. 快手商家某次商品營銷活動

有贊商家通過快手直播平台為某商品搞活動，造成該商品短時間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如下：

5-1-1. 某核心應用的緩存請求&命中率曲線圖

* 上圖藍線為應用集群調用get()方法訪問緩存次數 * 上圖綠線為獲取緩存操作命中 TMC 本地緩存的次數* 上圖為本地緩存命中率曲線圖

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

5-1-2. 熱點緩存對應用訪問的加速效果

* 上圖為應用接口QPS曲線* 上圖為應用接口RT曲線

可以看出活動期間應用接口的請求量有明顯增長，由於 TMC 本地緩存的效果應用接口的 RT 反而出現下降。

5-2. 雙十一期間部分應用 TMC 效果展示

5-2-1. 商品域核心應用效果

5-2-2. 活動域核心應用效果

六、TMC功能展望

在有贊， TMC 目前已為商品中心、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，后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，也為應用服務提供了靈活的配置選擇，應用服務可以結合實際業務情況在“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。

最后， TMC 的迭代還在持續進行中...