一个有趣的分布式缓存实现 — groupcache
“ 你见过只有get，没有set的分布式缓存？能用来做啥？”
groupcache 架构设计
API 接口特点
client & server
缓存一致性
防击穿
group 的机制
协商填充
预热机制
热点数据多节点备份
使用例子
分布式系统中，各种场景都有缓存组件的应用身影。redis memcached 等作为内存缓存，可以缓存各种适合放到内存的元数据；cdn 也是一种缓存代理实现的产品形态（比如可以使用 nginx 来实现）；项目中，我们也经常实现自己的缓存，比如用 SSD 作为更好的磁盘介质来缓存 SATA 盘的数据。缓存经常要面对的一个重要问题，就是缓存更新导致的缓存一致性问题，今天介绍一个特殊的缓存实现——groupcache，只有 get，没有 set 的缓存，那么自然就没有更新导致的缓存一致性问题，因为你就更新不了。
groupcache
groupcache 是一个小巧的 kv 存储库，由 Brad Fitzpatrick （ memcached 的作者）实现，这里一个缓存库，注意是库，而非是一个开箱即用的 server 进程组件。groupcache 是一个非常有趣的缓存实现，最大的特点是没有删除接口，换句话说，kv 键值一旦设置进去了，那么用户端是没有主动的手段删除这个值的，这个值将不能被用户修改， k 的 v 不能修改，那么带来的好处就是没有覆盖更新带来的一致性问题，但正因为如此，所以这个库是有自己的特殊场景的，需要业务自己满足这种场景的使用。
先抛出 3 个自问自答的问题：
思考问题：groupcache 没有更新和删除接口，那么空间岂不是会越来越多？还有实用意义吗？
其实不是的，groupcache 没有 set，update，delete 接口只是让用户无法更新和删除已经缓存的内容而已，而不是说设置进去的 kv 要永久保存，缓存空间肯定不是无限的，groupcache 内部是通过 LRU 来管理内容的。
思考问题：groupcache 没有 set 接口，那内容是怎么设置进去的呢？
初始化的时候，就需要明确当 key miss 的时候，怎么获取到内容的手段，把这个手段配置好是前提； get 调用的时候，当 key miss 的时候，就会调用初始化的获取手段来获取数据，如果 hit 的话，那么就直接返回了；
思考问题：这种只能 get ，不能更新 key 的缓存有啥用？有什么适用场景？
这个其实是看用户的适用场景的，比如你缓存一些静态文件，用文件 md5 作为 key，value 就是文件。这种场景就很适合用 groupcache 这种缓存，因为 key 对应的 value 不需要变。
那么 groupcache 作为一个有趣的缓存库实现，有啥不一样呢？
如果是单机缓存的实现可以非常简单，通过内存中维护一个 cache map，当收到查询请求时，先查询 cache 是否命中，如果命中则直接返回，否则必须到存储系统执行查询，然后缓存一份，再返回结果。缓存系统一般要考虑缓存穿透，雪崩，击穿等问题：
穿透：指查询不一定存在的数据，此时从数据源查询不到结果，因此也无法对结果进行缓存，这直接导致此类型的查询请求每次都会落到后端，加大后端的压力；
击穿：指对于那些热点数据，在缓存失效的时候，高并发的请求会导致后端请求压力骤升。缓存失效可能是多种因素引起的：
比如扫描式的遍历 比如缓存时间到期 或者请求过大，不断的cache不断的淘汰导致
雪崩：穿透和击穿的场景可能引发进一步的雪崩，比如大量的缓存过期时间被设置为相同或者近似，缓存批量失效，一时间所有的查询都落到后端；
groupcache 架构设计
API 接口特点
groupcache 封装 Group 这个对象对外提供服务，这个服务只有三个极简的接口：
| 接口名 | 作用 |
|---|---|
| Get | 传入一个 key，获取 value |
| Name | Group 的名字，因为可以有多个 Group |
| CacheStats | 统计数据，比如命中率等 |
这三个就是完全的对外使用的 API，没有更改，删除的接口，缓存一旦写入，则永远不会变动（指的是用户）。
client & server
groupcache 实现的库是 client 也是 server ，这个怎么理解？groupcache 实现的是一个分布式的无中心化的缓存集群。每个节点，既作为 server ，对外提供 api 访问，返回 key 的数据，节点之间，也是相互访问的，是以 C/S 模式。
缓存一致性
groupcache 缓存一旦设置之后，没有更新和删除接口，也没有失效时间（完全是内部根据空间淘汰缓存，对外不感知），你根本无法更新，所以自然就没有更新导致的缓存一致性问题，不过注意了，这个要适配用户应用场景（这个要理解）。
没有缓存失效时间，那么就不存在因为时间到期，导致批量缓存失效，从而引发大量击穿相关的问题。
防击穿
在使用缓存的场景，有一个必须要考虑的：当出现缓存失效的时候，会不会导致突发大量的缓存击穿流量？
比如，一个 k-v 存储，客户端先看是否有 k 的缓存，如果有，那么直接给用户返回，如果没有，则向后端存储请求。比如，突然来了1万个这样的请求，发现都是 miss，那么都去后端拉数据了，这种就可能会一下导致后端压力暴涨。其实，这种场景，只要第一个人发下去了就行了，其他的请求等着这个请求返回就好了，大家都是请求同一个值。
内部实现了 singlefilght 就是解决这个问题的，原理很简单，这里就讲一个变形实现：
首先，封装一个请求结构
type call interface { wg sync.WaitGroup val interface{} err error}这个接口要能做这几个事情：
能够存值，第一个请求回来的时候，值赋给 val要能够同步，第一个请求下去之后，后面的请求发现有同名 key下去了，那么就地等待，这里通过 wg 来同步这个行为。第一个请求回来之后，通过 wg 来唤醒要能够存 error ，如果有错误，那么要能存起来
其次，要有个 map 结构
type Group struct { mu sync.Mutex m map[string]*call}map 结构是用来存储 k-v 的，key 是用户请求 key ，value 是下去的请求，抽象为了 call 。
最后就是防止击穿的逻辑了：
如果 map里面有同名key已经下去了，那么就地等待，等唤醒之后，直接返回值如果 map没有同名key，那么说明该这个请求亲自下去了创建一个 call对象，把自己的 key 放进去，这样别人就能感知到他已经去服务端拿数据了
func (g *Group) Do(key string, fn func() (interface{}, error)) (interface{}, error) { g.mu.Lock() if g.m == nil { g.m = make(map[string]*call) } // 如果已经有人去拿数据了，那么等 if c, ok := g.m[key]; ok { g.mu.Unlock() c.wg.Wait() return c.val, c.err } // 否则，自己下去 c := new(call) c.wg.Add(1) g.m[key] = c g.mu.Unlock()
c.val, c.err = fn() c.wg.Done()
g.mu.Lock() delete(g.m, key) g.mu.Unlock()
return c.val, c.err}group 的机制
所谓 group 其实是一个命名空间的设计，不同的命名空间是相互隔离的。
协商填充
固定的 key 由固定的节点服务，这个相当于一个绑定。举个例子，A，B，C 三个节点，如果请求发给了 A，节点 A 哈希计算发现这个请求应该是 B 节点执行，那么会转给 B 执行。这样只需要 B 节点把这个请求处理好即可，这样能防止在缓存 miss 的时候，整个系统节点的惊群效应。
通过这种协商才能保证请求聚合发到 B，同一时间 B 收到大量相同 key 的请求，无论自己有没有，都能很好处理，因为有之前说的防击穿的措施：
如果 B 有，立马返回就行； 如果没有也只是放一个请求下去，后端压力可以很小的；
预热机制
这个其实是和协商填充一起达到的效果，请求实现了节点绑定，那么在分布式集群的模式下，很容易实现预热的效果，你这个请求大概率是已经被其他节点缓存了的。
热点数据多节点备份
分布式缓存系统中，一般需要从两个层面考虑热点均衡的问题：
大量的 key 是否均衡的分布到节点； 这个指请求数量的分布均衡 某些 key 的访问频率也是有热点的，也是不均衡的；
针对第一点，不同节点会负责特定的 key 集合的查询请求，一般来讲只要哈希算法还行， key 的分布是均衡的，但是针对第二点，如果某些 key 属于热点数据而被大量访问，这很会导致压力全都在某个节点上。
groupcache 有一个热点数据自动扩展机制用来解决这个问题，针对每个节点，除了会缓存本节点存在且大量访问的 key 之外，也会缓存那些不属于节点的（但是被频繁访问）的 key，缓存这些 key 的对象被称为 hotcache。
协商机制和多节点备份这两个特性是 groupcache 的杀手级特性。
使用例子
网上有一个非常好的使用例子：https://capotej.com/blog/2013/07/28/playing-with-groupcache/
架构图如下：
坚持思考，方向比努力更重要。关注我：奇伢云存储