分布式缓存

叁歲伎倆 2021-11-23 00:12 325阅读 0赞

### 分布式产生场景： ###

高并发环境下，大量的读写请求涌向数据库的请求，数据库的压力会很大，数据的数据是保存在磁盘上的，磁盘的处理速度与内存的显然不在一个量级，从减轻数据库的压力和提供系统的响应速度两个角度来看，一般都会在数据库之前加一层缓存。由于单台机器的内存资源以及承载能力有限，并且大量使用本地缓存也会使相同的数据被不同的节点存储多份，对内存资源造成比较大的浪费。这样就催生了分布式缓存系统。

分布式缓存意味着要进行一次额外的请求，如果数据保存在本地就从本地拿取。

### 缓存的分布式架构 ###

memcache本身并不是一种分布式的缓存系统，它的分布式，是由访问它的客户端来实现的。一种比较简单的实现方式是根据缓存的key来进行hash，当后端有N台缓存服务器时，访问的服务器为

hash(key)%N，这样可以将前端的请求均衡的映射到后端的缓存服务器。

![aHR0cHM6Ly9ub3RlLnlvdWRhby5jb20veXdzL3B1YmxpYy9yZXNvdXJjZS9jNzY1MWI1ZmZjMWFlMDYxMzI0MWMxYjJiNDAyZjcyYy94bWxub3RlL0EyQTU3OUU5NkQ3RjQ3MkJCQkM1ODY1RjRDRjE3RjNFLzEzOENFQUE3MEMzQzQ1N0JBRDYyQkYwNEVCRDE5NkYxLzE0MDk3][]

### 对于缓存 ###

缓存的数据是可以丢失的，因为缓存只是用来提高查询速度的，因为我们最终用来保证数据的一致性的数据都存在DB里面，对普通的应用来说，缓存挂了就挂了，大不了缓存在重启一次，对缓存有强烈依赖的应用来说，它很难来容忍大规模的key重新分布导致缓存失效，或者是引起的雪崩效应。对于这种情况就需要用到一致性hash算法。（最关键的区别就是，对节点和数据，都做一次哈希运算，然后比较节点和数据的哈希值，数据取和节点最相近的节点做为存放节点。）

![aHR0cHM6Ly9ub3RlLnlvdWRhby5jb20veXdzL3B1YmxpYy9yZXNvdXJjZS9jNzY1MWI1ZmZjMWFlMDYxMzI0MWMxYjJiNDAyZjcyYy94bWxub3RlL0EyQTU3OUU5NkQ3RjQ3MkJCQkM1ODY1RjRDRjE3RjNFL0U3RTJFM0UxNjJCRjRBQkVCRjE5NUQyMDNDNjlGMjAxLzE0MTMz][]

### 缓存的容灾 ###

业务强依赖缓存，缓存需做到容灾：

1.双机房互相备份

2.数据复制多份（业务层直接写多次，这种比较傻瓜式，但也可以行的通），单台缓存失效，集群间能够自动复制和备份（memcache本身不支持，对memcache进行二次开发就可以实现）

3.数据库留有余量（不能满打满算）

4.万兆网卡（对网卡要求高）

[aHR0cHM6Ly9ub3RlLnlvdWRhby5jb20veXdzL3B1YmxpYy9yZXNvdXJjZS9jNzY1MWI1ZmZjMWFlMDYxMzI0MWMxYjJiNDAyZjcyYy94bWxub3RlL0EyQTU3OUU5NkQ3RjQ3MkJCQkM1ODY1RjRDRjE3RjNFLzEzOENFQUE3MEMzQzQ1N0JBRDYyQkYwNEVCRDE5NkYxLzE0MDk3]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9ub3RlLnlvdWRhby5jb20veXdzL3B1YmxpYy9yZXNvdXJjZS9jNzY1MWI1ZmZjMWFlMDYxMzI0MWMxYjJiNDAyZjcyYy94bWxub3RlL0EyQTU3OUU5NkQ3RjQ3MkJCQkM1ODY1RjRDRjE3RjNFLzEzOENFQUE3MEMzQzQ1N0JBRDYyQkYwNEVCRDE5NkYxLzE0MDk3
[aHR0cHM6Ly9ub3RlLnlvdWRhby5jb20veXdzL3B1YmxpYy9yZXNvdXJjZS9jNzY1MWI1ZmZjMWFlMDYxMzI0MWMxYjJiNDAyZjcyYy94bWxub3RlL0EyQTU3OUU5NkQ3RjQ3MkJCQkM1ODY1RjRDRjE3RjNFL0U3RTJFM0UxNjJCRjRBQkVCRjE5NUQyMDNDNjlGMjAxLzE0MTMz]: /images/20211122/73778cf04af24bea897d98aea69bdd81.png