用戶訪問一個(gè)熱Key該如何優(yōu)化緩存架構(gòu)

本篇文章給大家分享的是有關(guān)用戶訪問一個(gè)熱Key該如何優(yōu)化緩存架構(gòu)，小編覺得挺實(shí)用的，因此分享給大家學(xué)習(xí)，希望大家閱讀完這篇文章后可以有所收獲，話不多說，跟著小編一起來看看吧。

為什么要用緩存集群

啥叫熱 Key 和大 Value 呢?簡單來說，熱 Key，就是你的緩存集群中的某個(gè) Key 瞬間被數(shù)萬甚至十萬的并發(fā)請求打爆。

大 Value，就是你的某個(gè) Key 對應(yīng)的 Value 可能有 GB 級的大小，導(dǎo)致查詢 Value 的時(shí)候出現(xiàn)網(wǎng)絡(luò)相關(guān)的故障問題。

先來看看下面的一幅圖：

簡單來說，假設(shè)你手頭有個(gè)系統(tǒng)，他本身是集群部署的，然后后面有一套緩存集群，這個(gè)集群不管你用 Redis Cluster，還是  Memcached，或者是公司自研緩存集群，都可以。

那么，這套系統(tǒng)用緩存集群干什么呢?很簡單，在緩存里放一些平時(shí)不怎么變動(dòng)的數(shù)據(jù)，然后用戶在查詢大量的平時(shí)不怎么變動(dòng)的數(shù)據(jù)的時(shí)候，不就可以直接從緩存里走了嗎?

緩存集群的并發(fā)能力是很強(qiáng)的，而且讀緩存的性能是很高的。舉個(gè)例子，假設(shè)你每秒有 2 萬請求，但是其中 90% 都是讀請求，那么每秒 1.8  萬請求都是在讀一些不太變化的數(shù)據(jù)，而不是寫數(shù)據(jù)。

那此時(shí)你把數(shù)據(jù)都放在數(shù)據(jù)庫里，然后每秒發(fā)送 2 萬請求到數(shù)據(jù)庫上讀寫數(shù)據(jù)，你覺得合適嗎?

當(dāng)然不太合適了，如果你要用數(shù)據(jù)庫承載每秒 2 萬請求的話，那么不好意思，你很可能就得搞分庫分表 + 讀寫分離。

比如你得分 3 個(gè)主庫，承載每秒 2000 的寫入請求，然后每個(gè)主庫掛 3 個(gè)從庫，一共 9 個(gè)從庫承載每秒 1.8 萬的讀請求。

這樣的話，你可能就需要一共是 12 臺高配置的數(shù)據(jù)庫服務(wù)器，這是很耗費(fèi)錢的，成本非常高，而且很不合適。

大家看看下面的圖，來體會(huì)下這種情況：

所以，此時(shí)你完全就可以把平時(shí)不太變化的數(shù)據(jù)放在緩存集群里，緩存集群可以采用 2 主 2 從，主節(jié)點(diǎn)用來寫入緩存，從節(jié)點(diǎn)用來讀緩存。

以緩存集群的性能，2 個(gè)從節(jié)點(diǎn)完全可以用來承載每秒 1.8 萬的大量讀了，然后 3 個(gè)數(shù)據(jù)庫主庫就是承載每秒 2000  的寫請求和少量其他讀請求就可以了。

大家看看下面的圖，你耗費(fèi)的機(jī)器瞬間變成了 4 臺緩存機(jī)器 + 3 臺數(shù)據(jù)庫機(jī)器 = 7 臺機(jī)器，是不是比之前的 12 臺機(jī)器減少了很大的資源開銷?

沒錯(cuò)，緩存其實(shí)在系統(tǒng)架構(gòu)里是非常重要的組成部分。很多時(shí)候，對于那些很少變化但是大量高并發(fā)讀的數(shù)據(jù)，通過緩存集群來抗高并發(fā)讀，是非常合適的。

這里所有的機(jī)器數(shù)量、并發(fā)請求量都是一個(gè)示例，大家主要是體會(huì)一下這個(gè)意思就好，其目的主要是給一些不太熟悉緩存相關(guān)技術(shù)的同學(xué)一點(diǎn)背景性的闡述，讓這些同學(xué)能夠理解在系統(tǒng)里用緩存集群承載讀請求是什么意思。

20 萬用戶同時(shí)訪問一個(gè)熱點(diǎn)緩存的問題

好了，背景是已經(jīng)給大家解釋清楚了，那么現(xiàn)在就可以給大家說說今天重點(diǎn)要討論的問題：熱點(diǎn)緩存。

我們來做一個(gè)假設(shè)，你現(xiàn)在有 10 個(gè)緩存節(jié)點(diǎn)來抗大量的讀請求。正常情況下，讀請求應(yīng)該是均勻的落在 10 個(gè)緩存節(jié)點(diǎn)上的，對吧!

這 10 個(gè)緩存節(jié)點(diǎn)，每秒承載 1 萬請求是差不多的。然后我們再做一個(gè)假設(shè)，你一個(gè)節(jié)點(diǎn)承載 2 萬請求是極限，所以一般你就限制一個(gè)節(jié)點(diǎn)正常承載 1  萬請求就 OK 了，稍微留一點(diǎn) Buffer 出來。

好，所謂的熱點(diǎn)緩存問題是什么意思呢?很簡單，就是突然因?yàn)槟脑?，出現(xiàn)大量的用戶訪問同一條緩存數(shù)據(jù)。

舉個(gè)例子，某個(gè)明星突然宣布跟某某結(jié)婚，這個(gè)時(shí)候是不是會(huì)引發(fā)可能短時(shí)間內(nèi)每秒都是數(shù)十萬的用戶去查看這個(gè)明星跟某某結(jié)婚的那條新聞?

那么假設(shè)那條新聞就是一個(gè)緩存，然后對應(yīng)就是一個(gè)緩存 Key，就存在一臺緩存機(jī)器上，此時(shí)瞬時(shí)假設(shè)有 20 萬請求奔向那一臺機(jī)器上的一個(gè) Key。

此時(shí)會(huì)如何?我們看看下面的圖，來體會(huì)一下這種絕望的感受：

這個(gè)時(shí)候很明顯了，我們剛才假設(shè)的是一個(gè)緩存 Slave 節(jié)點(diǎn)最多每秒就是 2 萬的請求，當(dāng)然實(shí)際緩存單機(jī)承載 5 萬~10  萬讀請求也是可能的，我們這里就是一個(gè)假設(shè)。

結(jié)果此時(shí)，每秒突然奔過來 20 萬請求到這臺機(jī)器上，會(huì)怎么樣?很簡單，上面圖里那臺被 20 萬請求指向的緩存機(jī)器會(huì)過度操勞而宕機(jī)的。

那么如果緩存集群開始出現(xiàn)機(jī)器的宕機(jī)，此時(shí)會(huì)如何?接著，讀請求發(fā)現(xiàn)讀不到數(shù)據(jù)，會(huì)從數(shù)據(jù)庫里提取原始數(shù)據(jù)，然后放入剩余的其他緩存機(jī)器里去。

但是接踵而來的每秒 20 萬請求，會(huì)再次壓垮其他的緩存機(jī)器。以此類推，最終導(dǎo)致緩存集群全盤崩潰，引發(fā)系統(tǒng)整體宕機(jī)。

咱們看看下面的圖，再感受一下這個(gè)恐怖的現(xiàn)場：

基于流式計(jì)算技術(shù)的緩存熱點(diǎn)自動(dòng)發(fā)現(xiàn)

其實(shí)這里關(guān)鍵的一點(diǎn)，就是對于這種熱點(diǎn)緩存，你的系統(tǒng)需要能夠在熱點(diǎn)緩存突然發(fā)生的時(shí)候，直接發(fā)現(xiàn)他，然后瞬間立馬實(shí)現(xiàn)毫秒級的自動(dòng)負(fù)載均衡。

那么我們就先來說說，你如何自動(dòng)發(fā)現(xiàn)熱點(diǎn)緩存問題?首先你要知道，一般出現(xiàn)緩存熱點(diǎn)的時(shí)候，你的每秒并發(fā)肯定是很高的，可能每秒都幾十萬甚至上百萬的請求量過來，這都是有可能的。

所以，此時(shí)完全可以基于大數(shù)據(jù)領(lǐng)域的流式計(jì)算技術(shù)來進(jìn)行實(shí)時(shí)數(shù)據(jù)訪問次數(shù)的統(tǒng)計(jì)，比如 Storm、Spark  Streaming、Flink，這些技術(shù)都是可以的。

然后一旦在實(shí)時(shí)數(shù)據(jù)訪問次數(shù)統(tǒng)計(jì)的過程中，比如發(fā)現(xiàn)一秒之內(nèi)，某條數(shù)據(jù)突然訪問次數(shù)超過了  1000，就直接立馬把這條數(shù)據(jù)判定為是熱點(diǎn)數(shù)據(jù)，可以將這個(gè)發(fā)現(xiàn)出來的熱點(diǎn)數(shù)據(jù)寫入比如 Zookeeper 中。

當(dāng)然，你的系統(tǒng)如何判定熱點(diǎn)數(shù)據(jù)，可以根據(jù)自己的業(yè)務(wù)還有經(jīng)驗(yàn)值來就可以了。

大家看看下面這張圖，看看整個(gè)流程是如何進(jìn)行的：

當(dāng)然肯定有人會(huì)問，那你的流式計(jì)算系統(tǒng)在進(jìn)行數(shù)據(jù)訪問次數(shù)統(tǒng)計(jì)的時(shí)候，會(huì)不會(huì)也存在說單臺機(jī)器被請求每秒幾十萬次的問題呢?

答案是否，因?yàn)榱魇接?jì)算技術(shù)，尤其是 Storm  這種系統(tǒng)，他可以做到同一條數(shù)據(jù)的請求過來，先分散在很多機(jī)器里進(jìn)行本地計(jì)算，***再匯總局部計(jì)算結(jié)果到一臺機(jī)器進(jìn)行全局匯總。

所以幾十萬請求可以先分散在比如 100 臺機(jī)器上，每臺機(jī)器統(tǒng)計(jì)了這條數(shù)據(jù)的幾千次請求。

然后 100 條局部計(jì)算好的結(jié)果匯總到一臺機(jī)器做全局計(jì)算即可，所以基于流式計(jì)算技術(shù)來進(jìn)行統(tǒng)計(jì)是不會(huì)有熱點(diǎn)問題的。

熱點(diǎn)緩存自動(dòng)加載為 JVM 本地緩存

我們自己的系統(tǒng)可以對 Zookeeper 指定的熱點(diǎn)緩存對應(yīng)的 Znode 進(jìn)行監(jiān)聽，如果有變化他立馬就可以感知到了。

此時(shí)系統(tǒng)層就可以立馬把相關(guān)的緩存數(shù)據(jù)從數(shù)據(jù)庫加載出來，然后直接放在自己系統(tǒng)內(nèi)部的本地緩存里即可。

這個(gè)本地緩存，你用  Ehcache、Hashmap，其實(shí)都可以，一切都看自己的業(yè)務(wù)需求，主要說的就是將緩存集群里的集中式緩存，直接變成每個(gè)系統(tǒng)自己本地實(shí)現(xiàn)緩存即可，每個(gè)系統(tǒng)自己本地是無法緩存過多數(shù)據(jù)的。

因?yàn)橐话氵@種普通系統(tǒng)單實(shí)例部署機(jī)器可能就一個(gè) 4 核 8G  的機(jī)器，留給本地緩存的空間是很少的，所以用來放這種熱點(diǎn)數(shù)據(jù)的本地緩存是最合適的，剛剛好。

假設(shè)你的系統(tǒng)層集群部署了 100 臺機(jī)器，那么好了，此時(shí)你 100 臺機(jī)器瞬間在本地都會(huì)有一份熱點(diǎn)緩存的副本。

然后接下來對熱點(diǎn)緩存的讀操作，直接系統(tǒng)本地緩存讀出來就給返回了，不用再走緩存集群了。

這樣的話，也不可能允許每秒 20 萬的讀請求到達(dá)緩存機(jī)器的一臺機(jī)器上讀一個(gè)熱點(diǎn)緩存了，而是變成 100  臺機(jī)器每臺機(jī)器承載數(shù)千請求，那么那數(shù)千請求就直接從機(jī)器本地緩存返回?cái)?shù)據(jù)了，這是沒有問題的。

我們再來畫一幅圖，一起來看看這個(gè)過程：

限流熔斷保護(hù)

除此之外，在每個(gè)系統(tǒng)內(nèi)部，還應(yīng)該專門加一個(gè)對熱點(diǎn)數(shù)據(jù)訪問的限流熔斷保護(hù)措施。

每個(gè)系統(tǒng)實(shí)例內(nèi)部，都可以加一個(gè)熔斷保護(hù)機(jī)制，假設(shè)緩存集群最多每秒承載4萬讀請求，那么你一共有 100 個(gè)系統(tǒng)實(shí)例。

你自己就該限制好，每個(gè)系統(tǒng)實(shí)例每秒最多請求緩存集群讀操作不超過 400  次，一超過就可以熔斷掉，不讓請求緩存集群，直接返回一個(gè)空白信息，然后用戶稍后會(huì)自行再次重新刷新頁面之類的。

通過系統(tǒng)層自己直接加限流熔斷保護(hù)措施，可以很好的保護(hù)后面的緩存集群、數(shù)據(jù)庫集群之類的不要被打死，我們來看看下面的圖：

總結(jié)

具體要不要在系統(tǒng)里實(shí)現(xiàn)這種復(fù)雜的緩存熱點(diǎn)優(yōu)化架構(gòu)呢?這個(gè)還要看你們自己的系統(tǒng)有沒有這種場景了。

如果你的系統(tǒng)有熱點(diǎn)緩存問題，那么就要實(shí)現(xiàn)類似本文的復(fù)雜熱點(diǎn)緩存支撐架構(gòu)。

但是如果沒有的話，那么也別過度設(shè)計(jì)，其實(shí)你的系統(tǒng)可能根本不需要這么復(fù)雜的架構(gòu)。

以上就是用戶訪問一個(gè)熱Key該如何優(yōu)化緩存架構(gòu)，小編相信有部分知識點(diǎn)可能是我們?nèi)粘９ぷ鲿?huì)見到或用到的。希望你能通過這篇文章學(xué)到更多知識。更多詳情敬請關(guān)注億速云行業(yè)資訊頻道。