一個牛逼的 多級緩存 實現(xiàn)方案！
來源：https://tech.youzan.com
為什么要做 TMC
多級緩存解決方案的痛點
TMC 整體架構
TMC 本地緩存
如何透明
整體結構
熱點發(fā)現(xiàn)
整體流程
數據收集
熱度滑窗
熱度匯聚
熱點探測
特性總結
實戰(zhàn)效果
快手商家某次商品營銷活動
雙十一期間部分應用 TMC 效果展示**
功能展望
TMC，即“透明多級緩存（Transparent Multilevel Cache）”，是有贊 PaaS 團隊給公司內應用提供的整體緩存解決方案。
TMC 在通用“分布式緩存解決方案（如 CodisProxy + Redis，如有贊自研分布式緩存系統(tǒng) zanKV）”基礎上，增加了以下功能：
應用層熱點探測
應用層本地緩存
應用層緩存命中統(tǒng)計
以幫助應用層解決緩存使用過程中出現(xiàn)的熱點訪問問題。
為什么要做 TMC
使用有贊服務的電商商家數量和類型很多，商家會不定期做一些“商品秒殺”、“商品推廣”活動，導致“營銷活動”、“商品詳情”、“交易下單”等鏈路應用出現(xiàn)緩存熱點訪問的情況：
活動時間、活動類型、活動商品之類的信息不可預期，導致 緩存熱點訪問 情況不可提前預知；
緩存熱點訪問 出現(xiàn)期間，應用層少數 熱點訪問 key 產生大量緩存訪問請求：沖擊分布式緩存系統(tǒng)，大量占據內網帶寬，最終影響應用層系統(tǒng)穩(wěn)定性；
為了應對以上問題，需要一個能夠 自動發(fā)現(xiàn)熱點 并 將熱點緩存訪問請求前置在應用層本地緩存的解決方案，這就是 TMC 產生的原因。
多級緩存解決方案的痛點
基于上述描述，我們總結了下列 多級緩存解決方案需要解決的需求痛點：
熱點探測：如何快速且準確的發(fā)現(xiàn) 熱點訪問 key ？
數據一致性：前置在應用層的本地緩存，如何保障與分布式緩存系統(tǒng)的數據一致性？
效果驗證：如何讓應用層查看本地緩存命中率、熱點 key 等數據，驗證多級緩存效果？
透明接入：整體解決方案如何減少對應用系統(tǒng)的入侵，做到快速平滑接入？
TMC 聚焦上述痛點，設計并實現(xiàn)了整體解決方案。以支持“熱點探測”和“本地緩存”，減少熱點訪問時對下游分布式緩存服務的沖擊，避免影響應用服務的性能及穩(wěn)定性。
TMC 整體架構
TMC 整體架構如上圖，共分為三層：
存儲層：提供基礎的 kv 數據存儲能力，針對不同的業(yè)務場景選用不同的存儲服務（codis/zankv/aerospike）；
代理層：為應用層提供統(tǒng)一的緩存使用入口及通信協(xié)議，承擔分布式數據水平切分后的路由功能轉發(fā)工作；
應用層：提供統(tǒng)一客戶端給應用服務使用，內置“熱點探測”、“本地緩存”等功能，對業(yè)務透明；
本篇聚焦在應用層客戶端的“熱點探測”、“本地緩存”功能。
TMC 本地緩存
如何透明
TMC 是如何減少對業(yè)務應用系統(tǒng)的入侵，做到透明接入的？對于公司 Java 應用服務，在緩存客戶端使用方式上分為兩類：
基于
spring.data.redis包，使用RedisTemplate編寫業(yè)務代碼；基于
youzan.framework.redis包，使用RedisClient編寫業(yè)務代碼；
不論使用以上那種方式，最終通過 JedisPool創(chuàng)建的 Jedis對象與緩存服務端代理層做請求交互。
TMC 對原生 jedis 包的 JedisPool和 Jedis類做了改造，在 JedisPool 初始化過程中集成 TMC“熱點發(fā)現(xiàn)”+“本地緩存”功能 Hermes-SDK包的初始化邏輯
使 Jedis客戶端與緩存服務端代理層交互時先與 Hermes-SDK交互，從而完成 “熱點探測”+“本地緩存”功能的透明接入。
對于 Java 應用服務，只需使用特定版本的 jedis-jar 包，無需修改代碼，即可接入 TMC 使用“熱點發(fā)現(xiàn)”+“本地緩存”功能，做到了對應用系統(tǒng)的最小入侵。
整體結構
模塊劃分
TMC 本地緩存整體結構分為如下模塊：
Jedis-Client：Java 應用與緩存服務端交互的直接入口，接口定義與原生 Jedis-Client 無異；
Hermes-SDK：自研“熱點發(fā)現(xiàn)+本地緩存”功能的 SDK 封裝，Jedis-Client 通過與它交互來集成相應能力；
Hermes 服務端集群：接收 Hermes-SDK 上報的緩存訪問數據，進行熱點探測，將熱點 key 推送給 Hermes-SDK 做本地緩存；
緩存集群：由代理層和存儲層組成，為應用客戶端提供統(tǒng)一的分布式緩存服務入口；
基礎組件：etcd 集群、Apollo 配置中心，為 TMC 提供“集群推送”和“統(tǒng)一配置”能力；
基本流程
1）key 值獲取
Java 應用調用 Jedis-Client 接口獲取 key 的緩存值時，Jedis-Client 會詢問 Hermes-SDK 該 key 當前是否是 熱點key；
對于 熱點key ，直接從 Hermes-SDK 的 熱點模塊 獲取熱點 key 在本地緩存的 value 值，不去訪問 緩存集群 ，從而將訪問請求前置在應用層；
對于非 熱點key ，Hermes-SDK 會通過
Callable回調 Jedis-Client 的原生接口，從 緩存集群 拿到 value 值；對于 Jedis-Client 的每次 key 值訪問請求，Hermes-SDK 都會通過其 通信模塊 將 key 訪問事件 異步上報給 Hermes 服務端集群 ，以便其根據上報數據進行“熱點探測”；
2）key 值過期
Java 應用調用 Jedis-Client 的
set()del()expire()接口時會導致對應 key 值失效，Jedis-Client 會同步調用 Hermes-SDK 的invalid()方法告知其“key 值失效”事件；對于 熱點 key ，Hermes-SDK 的 熱點模塊 會先將 key 在本地緩存的 value 值失效，以達到本地數據強一致。同時 通信模塊 會異步將“key 值失效”事件通過 etcd 集群 推送給 Java 應用集群中其他 Hermes-SDK 節(jié)點；
其他 Hermes-SDK 節(jié)點的 通信模塊 收到 “key 值失效”事件后，會調用 熱點模塊 將 key 在本地緩存的 value 值失效，以達到集群數據最終一致；
3）熱點發(fā)現(xiàn)
Hermes 服務端集群 不斷收集 Hermes-SDK上報的 key 訪問事件，對不同業(yè)務應用集群的緩存訪問數據進行周期性（3s 一次）分析計算，以探測業(yè)務應用集群中的熱點 key列表；
對于探測到的熱點 key列表，Hermes 服務端集群 將其通過 etcd 集群 推送給不同業(yè)務應用集群的 Hermes-SDK 通信模塊，通知其對熱點 key列表進行本地緩存；
4）配置讀取
Hermes-SDK 在啟動及運行過程中，會從 Apollo 配置中心 讀取其關心的配置信息（如：啟動關閉配置、黑白名單配置、etcd 地址…）；
Hermes 服務端集群 在啟動及運行過程中，會從 Apollo 配置中心 讀取其關心的配置信息（如：業(yè)務應用列表、熱點閾值配置、etcd 地址…）
穩(wěn)定性
TMC 本地緩存穩(wěn)定性表現(xiàn)在以下方面：
數據上報異步化：Hermes-SDK 使用
rsyslog技術對“key 訪問事件”進行異步化上報，不會阻塞業(yè)務；通信模塊線程隔離：Hermes-SDK 的 通信模塊 使用獨立線程池+有界隊列，保證事件上報&監(jiān)聽的 I/O 操作與業(yè)務執(zhí)行線程隔離，即使出現(xiàn)非預期性異常也不會影響基本業(yè)務功能；
緩存管控：Hermes-SDK 的 熱點模塊 對本地緩存大小上限進行了管控，使其占用內存不超過 64MB（LRU），杜絕 JVM 堆內存溢出的可能；
一致性
TMC 本地緩存一致性表現(xiàn)在以下方面：
Hermes-SDK 的 熱點模塊 僅緩存 熱點 key 數據，絕大多數非熱點 key數據由 緩存集群 存儲；
熱點 key 變更導致 value 失效時，Hermes-SDK 同步失效本地緩存，保證 本地強一致；
熱點 key 變更導致 value 失效時，Hermes-SDK 通過 etcd 集群 廣播事件，異步失效業(yè)務應用集群中其他節(jié)點的本地緩存，保證 集群最終一致；
熱點發(fā)現(xiàn)
整體流程
TMC 熱點發(fā)現(xiàn)流程分為四步：
數據收集：收集 Hermes-SDK 上報的 key 訪問事件；
熱度滑窗：對 App 的每個 Key，維護一個時間輪，記錄基于當前時刻滑窗的訪問熱度；
熱度匯聚：對 App 的所有 Key，以 的形式進行 熱度排序匯總；
熱點探測：對 App，從 熱 Key 排序匯總 結果中選出 TopN 的熱點 Key ，推送給 Hermes-SDK；
數據收集
Hermes-SDK通過本地 rsyslog將 key 訪問事件以協(xié)議格式放入 kafka，Hermes 服務端集群的每個節(jié)點消費 kafka 消息，實時獲取 key 訪問事件。
訪問事件協(xié)議格式如下：
appName：集群節(jié)點所屬業(yè)務應用
uniqueKey：業(yè)務應用 key 訪問事件 的 key
sendTime：業(yè)務應用 key 訪問事件 的發(fā)生時間
weight：業(yè)務應用 key 訪問事件 的訪問權值
Hermes 服務端集群節(jié)點將收集到的 key 訪問事件存儲在本地內存中，內存數據結構為 Map<string,map，對應業(yè)務含義映射為 Map<appname,map。
熱度滑窗
時間滑窗
Hermes 服務端集群節(jié)點，對每個 App 的每個 key，維護了一個 時間輪：
時間輪中共 10 個 時間片，每個時間片記錄當前 key 對應 3 秒時間周期的總訪問次數；
時間輪 10 個時間片的記錄累加即表示當前 key 從當前時間向前 30 秒時間窗口內的總訪問次數；
映射任務
Hermes 服務端集群節(jié)點，對每個 App 每 3 秒 生成一個 映射任務，交由節(jié)點內 “緩存映射線程池” 執(zhí)行。映射任務內容如下：
對當前 App，從
Map<appname,map>< appname,map<="" code="">中取出 appName 對應的 MapMap；遍歷Map中的 key，對每個 key 取出其熱度存入其 時間輪 對應的時間片中；
熱度匯聚
完成第二步“熱度滑窗”后，映射任務繼續(xù)對當前 App 進行“熱度匯聚”工作：
遍歷 App 的 key，將每個 key 的 時間輪 熱度進行匯總（即 30 秒時間窗口內總熱度）得到探測時刻 滑窗總熱度；將< key , 滑窗總熱度 >以排序集合的方式存入 Redis 存儲服務 中，即 熱度匯聚結果；
熱點探測
在前幾步，每 3 秒 一次的 映射任務 執(zhí)行，對每個 App 都會產生一份當前時刻的 熱度匯聚結果Hermes 服務端集群 中的“熱點探測”節(jié)點，對每個 App，只需周期性從其最近一份 熱度匯聚結果 中取出達到熱度閾值的 TopN 的 key 列表，即可得到本次探測的 熱點 key 列表；
TMC 熱點發(fā)現(xiàn)整體流程如下圖：
特性總結
實時性
Hermes-SDK 基于rsyslog + kafka 實時上報 key 訪問事件。映射任務3 秒一個周期完成“熱度滑窗” + “熱度匯聚”工作，當有 熱點訪問場景出現(xiàn)時最長 3 秒即可探測出對應 熱點 key。
準確性
key 的熱度匯聚結果由“基于時間輪實現(xiàn)的滑動窗口”匯聚得到，相對準確地反應當前及最近正在發(fā)生訪問分布。
擴展性
Hermes 服務端集群節(jié)點無狀態(tài)，節(jié)點數可基于 kafka 的 partition 數量橫向擴展。
“熱度滑窗” + “熱度匯聚” 過程基于 App 數量，在單節(jié)點內多線程擴展。
實戰(zhàn)效果
快手商家某次商品營銷活動
有贊商家通過快手直播平臺為某商品搞活動，造成該商品短時間內被集中訪問產生訪問熱點，活動期間 TMC 記錄的實際熱點訪問效果數據如下：
某核心應用的緩存請求&命中率曲線圖**
上圖藍線為應用集群調用get()方法訪問緩存次數上圖綠線為獲取緩存操作命中TMC本地緩存的次數
上圖為本地緩存命中率曲線圖
可以看出活動期間緩存請求量及本地緩存命中量均有明顯增長，本地緩存命中率達到近 80%（即應用集群中 80% 的緩存查詢請求被 TMC 本地緩存攔截）。
熱點緩存對應用訪問的加速效果**
上圖為應用接口 QPS 曲線
上圖為應用接口 RT 曲線
可以看出活動期間應用接口的請求量有明顯增長，由于 TMC 本地緩存的效果應用接口的 RT 反而出現(xiàn)下降。
雙十一期間部分應用 TMC 效果展示**
商品域核心應用效果
活動域核心應用效果
功能展望
TMC 目前已為商品中心、物流中心、庫存中心、營銷活動、用戶中心、網關&消息等多個核心應用模塊提供服務，后續(xù)應用也在陸續(xù)接入中。
TMC 在提供“熱點探測” + “本地緩存”的核心能力同時，也為應用服務提供了靈活的配置選擇，應用服務可以結合實際業(yè)務情況在“熱點閾值”、“熱點 key 探測數量”、“熱點黑白名單”維度進行自由配置以達到更好的使用效果。
END
順便給大家推薦一個GitHub項目，這個 GitHub 整理了上千本常用技術PDF，絕大部分核心的技術書籍都可以在這里找到，
GitHub地址：https://github.com/javadevbooks/books
Gitee地址：https://gitee.com/javadevbooks/books
電子書已經更新好了，你們需要的可以自行下載了，記得點一個star，持續(xù)更新中..
