一个牛逼的多级缓存实现方案！

迈不过友情╰ 2024-04-19 06:28 72阅读 0赞

公众号后台回复“**学习**”，获取作者独家秘制精品资料

![640?wx\_fmt=png][640_wx_fmt_png]

![640?wx\_fmt=jpeg][640_wx_fmt_jpeg]

扫描下方海报二维码，试听课程：

![640?wx\_fmt=jpeg][640_wx_fmt_jpeg 1]

![640?wx\_fmt=png][640_wx_fmt_png]

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 #

![640?wx\_fmt=jpeg][640_wx_fmt_jpeg 2]

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。

![640?wx\_fmt=other][640_wx_fmt_other]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 ##

## ![640?wx\_fmt=other][640_wx_fmt_other 1]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 ##

![640?wx\_fmt=other][640_wx_fmt_other 2]

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 **kafka**，**Hermes 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>`，对应业务含义映射为 `Map<appname,map>`。

## 热度滑窗 ##

## ![640?wx\_fmt=other][640_wx_fmt_other 3]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>< appname,map<="" code="">中取出 appName 对应的 Map Map>；`
 *  `遍历 Map>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。`

`END`

`如有收获，请划至底部，点击“在看”，谢谢！`

`欢迎长按下图关注公众号石杉的架构笔记`

`BAT架构经验倾囊相授`

[640_wx_fmt_png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/2eff32e3c7bb49c6b2c2236402246ebb.png
[640_wx_fmt_jpeg]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/7a7fd273e0804a229554559694da823a.png
[640_wx_fmt_jpeg 1]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/2b1073387df64771aa98d3d562a4bac9.png
[640_wx_fmt_jpeg 2]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/5442ee0fea9e43a1a51c22b6fb8140ff.png
[640_wx_fmt_other]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/bf402470004a4a9cb62937d974a9d297.png
[640_wx_fmt_other 1]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/3db97125ea7442d3acad6b72441ae639.png
[640_wx_fmt_other 2]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/c0b8fe4f540a4323b0ffbb7e27b3cfd5.png
[640_wx_fmt_other 3]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/bd85e816a3be4bf29d760a4a9e1c8814.png