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:
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
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。
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
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
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?
<key,热度>
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<String,LongAdder>>
,对应业务含义映射为Map<appName,Map<uniqueKey,热度>>
。
热度滑窗
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<uniqueKey,热度>>
中取出 appName 对应的 Map?Map<uniqueKey,热度>>
; - 遍历?
Map<uniqueKey,热度>>
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
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
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。