查看原文
其他

分布式缓存的选择

点击上方☝SpringForAll社区 轻松关注!

及时获取有趣有料的技术文章

本文来源:http://r6d.cn/RHpz


分布式缓存的选择和问题

如今,缓存系统的应用非常广泛,能够用来提高并发数、数据吞吐量,提高快速响应能力。那么当数据量达到一定程序,单机环境可能就显得有些力不从心了,就需要一个分布式缓存系统。

1. 缓存系统的选择


图1-1

如上图所示,首先缓存大致可以分为四大类。

  • CDN缓存:CDN即内容分发网络,CDN边缘节点将数据缓存起来。
  • 反向代理缓存:如Nginx的缓存。
  • 本地缓存:代表的有EhCache和Guava Cache
  • 分布式缓存:各缓存系统

本文主要探讨各分布式缓存系统,如下图所示,列出了五种:

之后对MemCache、Tair、Redis做出对比


其中EvCacheAerospike使用场景不是那么通用和广泛。

  • EvCache:是Netflix的基于memcached & spymemcached的缓存方案。
  • Aerospike:是可基于SSD的K-V NoSQL数据库。

除此之外,还有三种常见缓存系统。

  • Tair:阿里开源,跨机房、性能随结点添加线性上升、适用大数据量。Tair还有三种引擎
    • LDB: 基于google levelDB,支持kv和类hashmap结构,性能稍低,持久化可靠性最高。
    • MDB: 基于memcache,支持kv和类hashMap,性能最优,不支持持久化存储。
    • RDB: 基于Redis.
  • Memcache: 不支持数据同步、分布式支持较差。
  • Redis: 社区活跃、使用最多。

综上所述,在一般情况下,考虑到适用性和稳定性,Redis 是搭建缓存系统的最优选择。以下将基于 Redis 介绍。

2. Redis集群缓存方案

如顶部图所示,列出了Redis的集群高可用的方案,基本可以分为三种。

主从机制

常见的集群的架构,搭建简单,主要实现读写分离和备份,可以由 Master 负责读写,Slave 负责备份。但存在故障恢复复杂、水平拓展难、写能力受限等问题。结构图如下:


哨兵机制

Redis Sentinel 是社区版本推出的原生高可用解决方案。由一或多个哨兵实例监视任意个主从服务器,且在 Master 宕机时,自动将宕机服务器属下的 Slave 服务器升级为 主服务器,从而保证系统的可用性。较主从实现的监控、选主。但问题主要是要保证Master的HA切换。结构图如下:


“分布式”

到这里其实以上两种机制其实只能算作“集群”,并非严格意义上的“分布式”。接着来看看分布式方案。

集群强调高可用,分布式又强调协作。

3. Redis分布式缓存方案

任何分布式存储系统,首先面临的就是 sharding(分片)问题,如顶部图1-1所示可分为三种方式。

客户端分片

顾名思义,将数据分片的路由功能交给客户端,但这是一种静态分片,维护性差。基本而言是不予考虑的。

代理分片

通过代理分发到具体的redis实例。有两个常用解决方案。- Twemproxy Twitter开源,轻量级,但不再维护,也无法平滑地扩容/缩容,运维也不是很友好,性能一般。- Codis 豌豆荚开源,支持水平拓展,运维平台完善,性能较 Twemproxy 快。Codis在国内使用较多,同时代理分片的思路也有很多公司在此基础开发了自己的二次方案。不过Codis也不再维护。

其实,这两种代理分片的方案,都是在 Redis 官方未推出良好的分布式方案时的策略,在官方更新后都不再维护。

服务器端分片

这就要谈到 Redis 官方的方案 Redis-cluster 。

在 Redis3.0 之前是没有较好的分布式方案的,这也是第三方方案出现的原因。3.0 开始,官方推出了去中心化的分布式方案。集群中包含16384个散列槽,每个节点负责其中一部分。

先看下拓扑图:

每个节点打开两个TCP连接,一个负责给客户端提供服务,一个负责节点间通信。

此刻要说说 CAP了 :Consistency(一致性)、Availability(可用性)、Partition tolerance(分区容错性) 。对分布式系统而言,CAP 必须牺牲一者。Redis Cluster 的设计目标主要是高性能、高可用和高扩展, 只好抛弃一部分数据一致性.

  • 数据一致性:由于Redis Cluster 使用异步复制, 在某些情况下如Master宕机但未同步至Slave, 可能会丢失写入。在绝对需要时支持同步写入的时候, 可通过 WAIT 命令实现, 可使得丢失写入的可能性大大降低。
  • 可用性:当集群中一部分节点故障后, 集群整体能响应客户端读写请求。
    • 节点间定时互 ping , 当超过一半Master 判定某节点失败,则标为 FAIL, 会向集群广播节点下线的消息。如下线节点是带有槽的主节点,则要从它的从节点选出一个替换。

  • 高性能和拓展:操作某个 key时,不会先找到节点再处理,而是直接直接重定向到该节点, 同时相较代理分片也少了 proxy 的连接损耗。
    • 但是在进行multiple key操作时需要keys位于同一个slot上,需要使用hash tags,使用{}强制将某些key映射到每个slot,以便进行multiple
    • 在拓展方面,Redis Cluster 最大支持线性拓展1000个节点,将新节点加入集群后可以通过命令指定和平均的从已有节点分配slot。

3. 缓存常见问题

以上介绍了简单介绍了常见缓存系统,并具体列出了基于Redis的集群方案。下面谈一谈缓存系统常见的问题。

如下图所示,列出七个常见问题。


3.1. 缓存穿透

指访问不存在的数据,从而绕过缓存,直接请求到了数据源,当请求过多,就会对 DB 造成压力。

  • 空 key:指对于不存在的数据也将 key 存空值入缓存系统,这样下次访问也会得到返回。但只适用于空数据key有限、key 重复请求概率高,如果量大且不重复,就会造成很多无用 key 的创建。
  • 布隆过滤器:布隆过滤器是一个很长的二进制向量和一系列随机映射函数。可用于检索一个元素是否在一个集合中加一层对空值的过滤器,空间和时间效率都很高。但由于 hash 产生的碰撞可能存在误判,以及因不存储 key 导致的无法删除。适用于空数据key各不同、重复请求概率低。

3.2. 缓存击穿

缓存击穿实际是缓存雪崩的一个特例。指当某些热点key过期时,就会有大量的请求击穿到DB。

  • 互斥锁 在缓存失效的时候,不立即load db,可以先用如SETNX等命令去set一个mutex key,当操作返回成功时,说明拿到锁,此刻该线程进行load db的操作并更新缓存;否则未拿到锁就(可休眠一段)重试 get 缓存的方法。但要注意死锁风险。
  • 不过期
    • 这里的不过期有两个概念,一个指未设过期时间,那是真的不过期,那没事了~~
    • 另一个是指通过业务逻辑,将 key 的过期时间进行存储,请求是判断是否小于值,是则后台异步更新。

3.3. 缓存雪崩

同一时刻大量缓存失效(故障), 请求到了DB。

  • 随机时间:在设置过期时间时,可以在基础时间上 + 一个随机的时间,等于实现了分批过期。
  • 后台更新:将更新失效的工作交给后台定时线程。
  • 限流+本地缓存:如 ehcache本地缓存 + Hystrix限流
  • 双缓存:类似于设置主从缓存,从key不过期。

3.4. 缓存更新与一致性

如果保证数据一致性。列出四种更新策略:

  • Cache Aside:最常用的。失效时回源取数据,更新;命中时,返回缓存数据;更新时先数据源更新,再跟你更新缓存。
  • Write Back:更新数据时,只更新缓存,不更新数据源。缓存异步批量更新数据库
  • Read/Write Through
    • Write Through :当有数据更新时,如未命中缓存,直接更新数据库,并返回。如命中缓存,则更新缓存,再由 Cache 自己更新数据库。
    • Read Through :更新数据源由缓存系统操作,读取数据时如缓存失效,则取回源数据更新缓存。

3.5. 热点数据

对于热点数据的处理方法。

  • 拆分复杂结构:如二级数据结构,进行拆分,这样热点key就被拆为若干个的 key 分布到不同节点。
  • 迁移热点:对于Redis Cluster 而言可以将热点 key 所在的 slot 单独迁移到一个节点,降低其他节点压力。
  • 多副本:复制多份缓存副本,将请求分散到多个节点上,减轻单台缓存服务器压力,适合多读少写。

3.6. 缓存预热

指可以将某些的缓存数据提前加载到缓存系统。提前避免在如热点数据大量请求到库。

3.7. 缓存降级

指当访问量剧增、服务出现问题或非核心服务影响到核心流程的性能时,仍需保证主服务可用。可根据一些关键数据自动降级,也可配置开关人工降级。

4. Redis Cluster使用

对于Redis Cluster环境的搭建和基础使用非常简单。

无论基于何种方式,只要搭建好n台 redis 服务并保证各服务间可以互相通讯后,任意进入一个redis 服务键入:

redis-cli --cluster create IP1:port1 IP2:port2 IP3:port3 IP4:port4 IP5:port5 IP6:port6 ... --cluster-replicas 1

即可。之后可以使用 cluster nodecluster info查看集群、节点信息。

而对于广大 JAVA 服务器端开发,Spring Data Redis 从1.7起即支持Redis Cluster,只需配置Master节点地址(和密码)。

spring.redis.cluster.nodes=ip1:port1,ip2:port2,ip3:port3

加入依赖

 compile("org.springframework.boot:spring-boot-starter-data-redis")

即可通过 RedisTemplate 使用。

5. 总结

本文从缓存系统的选择出发,基于 Redis 介绍了几种集群方案并重点说明了 Redis Cluster 方案。之后列出缓存系统常见问题及常见解决方案,最后对使用做了简单说明。

当然,如何去落地,如何解决这些问题还需要根据实际场景具体分析和处理。

参考资源

  • Redis Cluster Specification
  • 深入理解分布式系统中的缓存架构
  • 缓存更新的套路
  • [一种高效的Redis Cluster的分布式缓存系统J].计算机系统应用,2018,27(10):91-98.

墙裂推荐

【深度】互联网技术人的社群,点击了解!




● 后端接口如何提高性能?从MySQL、ES、HBASE等技术一起探讨下!

● 微服务测试之Mockito的使用及实现原理

● Slf4j适配日志原理

● SpringBoot2.x 官方推荐缓存框架-Caffeine高性能设计剖析



关注公众号,回复“spring”有惊喜!!!

如果资源对你有帮助的话

❤️给个「在看」,是最大的支持❤️


    您可能也对以下帖子感兴趣

    文章有问题?点此查看未经处理的缓存