vlambda博客
学习文章列表

1. 缓存系统的选择

图1-1 

1.1 缓存分类

• 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。

1.2 分布式缓存

• EvCache：是 Netflix 的基于 Memcached & Spymemcached 的缓存方案。
• Aerospike：是可基于 SSD 的 KV 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。

2. Redis 集群缓存方案

2.1 主从机制

2.2 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：

2.3 "分布式"

到这里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，分布式在集群的基础上又强调协作。

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 所示该问题有为三种解决方法。

3.1 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。基本是不予考虑的。

3.2 代理分片

• Twemproxy：Twitter 开源，轻量级，不再维护，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 在国内使用的较多，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。

3.3 服务器端分片

这就要谈到 Redis 官方方案 Redis-cluster 。

在 Redis 3.0 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，可能会导致丢失写入。在绝对需要支持同步写入时，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，则标记为 FAIL，且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。

4. 缓存常见问题

4.1. 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。

4.2. 缓存击穿

• 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。

4.3. 缓存雪崩

• 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。

4.4. 缓存更新与一致性

• 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。

4.5. 热点数据

• 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。

4.6. 缓存预热

4.7. 缓存降级

5. Redis Cluster 使用

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 node 和 cluster info 命令查看集群、节点信息。

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。

6. 总结

参考资料

• Redis Cluster Specification：https://redis.io/topics/cluster-spec
• 深入理解分布式系统中的缓存架构：https://juejin.im/entry/5b514768f265da0fa21a800f
• 缓存更新的套路：https://coolshell.cn/articles/17416.html
• 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 ：https://kns.cnki.net/KCMS/detail/detail.aspx?dbcode=CJFQ&dbname=CJFDLAST2018&filename=XTYY201810014
  
  

全文完

以下文章您可能也会感兴趣：

我们正在招聘 Java 工程师，欢迎有兴趣的同学投递简历到 [email protected] 。