陳小強(qiáng)

摘要：分布式緩存作為支撐海量數(shù)據(jù)處理的關(guān)鍵技術(shù)方案，近年來(lái)受到了廣泛關(guān)注和應(yīng)用。本文從分布式緩存系統(tǒng)的工程實(shí)踐出發(fā)，研究了分布式緩存系統(tǒng)處理Hot Key的關(guān)鍵技術(shù)，提出了一種分布式緩存系統(tǒng)優(yōu)化設(shè)計(jì)，通過動(dòng)態(tài)識(shí)別、自動(dòng)重分布等設(shè)計(jì)，解決了Hot Key問題，同時(shí)提高了分布式緩存系統(tǒng)的性能、穩(wěn)定性和適用性。實(shí)驗(yàn)驗(yàn)證和商用環(huán)境實(shí)際效果證明，相比傳統(tǒng)分布式緩存系統(tǒng)，采用上述技術(shù)優(yōu)化后分布式緩存系統(tǒng)提升是有效的。

關(guān)鍵詞：數(shù)據(jù)庫(kù)；分布式緩存；NoSQL；云計(jì)算；Hot Key；熱點(diǎn)數(shù)據(jù)

1分布式緩存系統(tǒng)Hot Key優(yōu)化設(shè)計(jì)及關(guān)鍵技術(shù)

分布式緩存[1]基于鍵-值型（Key-Value）[2]數(shù)據(jù)模型，是業(yè)界目前最廣泛的一種NoSQL[3]，其最大的優(yōu)勢(shì)在于對(duì)高并發(fā)的支持和它的可擴(kuò)展性。分布式緩存的代表有開源的Redis[4]、memcached[5]，亞馬遜的dynamo[6]，淘寶的Tair等。這些分布式緩存系統(tǒng)使用的數(shù)據(jù)分布算法主要有一致性Hash[7]或基于Range分區(qū)兩種，但是只能保證數(shù)據(jù)分布的均衡，不能保證分布式緩存系統(tǒng)運(yùn)行中實(shí)際數(shù)據(jù)訪問的均衡，即存在Hot Key，常見場(chǎng)景有兩類：

1）新聞APP中的熱點(diǎn)新聞內(nèi)容

2）電子商城秒殺系統(tǒng)中，最吸引用戶眼球，性價(jià)比最高的商品信息

Hot Key導(dǎo)致主要問題是緩存雪崩：大量的客戶端，大量的讀請(qǐng)求集中同時(shí)訪問分布式緩存系統(tǒng)的某個(gè)服務(wù)節(jié)點(diǎn)，導(dǎo)致服務(wù)節(jié)點(diǎn)響應(yīng)時(shí)延逐漸加大，直至不能對(duì)外提供服務(wù)，即緩存雪崩。針對(duì)上述痛點(diǎn)，本文提出了一種優(yōu)化的分布式緩存系統(tǒng)設(shè)計(jì)，創(chuàng)新的功能有動(dòng)態(tài)識(shí)別Hot Key，識(shí)別出的Hot Key在分布式緩存系統(tǒng)中自動(dòng)重分布，用更多節(jié)點(diǎn)、更多線程承擔(dān)Hot Key的讀取請(qǐng)求，這樣系統(tǒng)地解決了Hot Key帶來(lái)的緩存雪崩。下面介紹這些關(guān)鍵技術(shù)的原理和實(shí)現(xiàn)。

1.1動(dòng)態(tài)識(shí)別

為了動(dòng)態(tài)統(tǒng)計(jì)Key的訪問情況，在描述Key的結(jié)構(gòu)中增加訪問時(shí)間和訪問頻率兩個(gè)成員，動(dòng)態(tài)識(shí)別Hot Key流程如下：

1）Client向分布式緩存系統(tǒng)的服務(wù)節(jié)點(diǎn)發(fā)起一個(gè)讀請(qǐng)求

2）服務(wù)節(jié)點(diǎn)在索引中查詢Key

3）Key沒有查詢到，直接給Client回響應(yīng)，流程結(jié)束

4）Key查詢到了，將Key的訪問計(jì)數(shù)加1，更新訪問時(shí)間

5）如果訪問時(shí)間中統(tǒng)計(jì)周期發(fā)生變化（統(tǒng)計(jì)周期缺省是分鐘），并且訪問計(jì)數(shù)小于配置的最大QPS（每秒最大訪問量），則給Client回響應(yīng)，否則執(zhí)行下一步

6）識(shí)別出一個(gè)Hot Key，將Key訪問計(jì)數(shù)清零，開始一個(gè)新的統(tǒng)計(jì)周期

7）Hot Key開始自動(dòng)重分布

8）給Client回響應(yīng)，響應(yīng)中包含Hot Key最新的分布節(jié)點(diǎn)信息以及過期時(shí)間，后續(xù)Client訪問該Key時(shí)，如果Key沒有過期則需要根據(jù)最新的分布節(jié)點(diǎn)信息重新計(jì)算服務(wù)節(jié)點(diǎn)

1.2自動(dòng)重分布

動(dòng)態(tài)識(shí)別出Hot Key后，必須進(jìn)一步將Hot Key自動(dòng)重新分布，分布到更多節(jié)點(diǎn)上，并分配更多的線程負(fù)責(zé)Hot Key的讀取，為此在描述Key的結(jié)構(gòu)中增加節(jié)點(diǎn)和線程信息：[< Node1，Thread1>......]

Node：Hot Key分布的節(jié)點(diǎn)。

Thread：節(jié)點(diǎn)上負(fù)責(zé)這個(gè)Hot key的讀取線程數(shù)。

舉個(gè)例子，一個(gè)擁有5個(gè)節(jié)點(diǎn)，數(shù)據(jù)是3副本的分布式緩存系統(tǒng)中，對(duì)一個(gè)非Hot Key來(lái)說其分布信息：[< Node1，1>，，]，為了節(jié)省內(nèi)存和磁盤空間，非Hot Key的分布信息被省略，分布式緩存系統(tǒng)會(huì)進(jìn)行默認(rèn)處理。如果一個(gè)Key被識(shí)別為Hot Key，其分布信息形式：[< Node1，2>，，，，]即Hot Key從原先分布在3個(gè)節(jié)點(diǎn)，重分布到5個(gè)節(jié)點(diǎn)，即分布在集群所有節(jié)點(diǎn)上，每個(gè)節(jié)點(diǎn)上有兩個(gè)線程，數(shù)據(jù)有兩個(gè)副本，即該Hot Key現(xiàn)在有10個(gè)副本，有10個(gè)線程負(fù)責(zé)讀取。需要注意的是重分布時(shí)數(shù)據(jù)需要跨節(jié)點(diǎn)復(fù)制，網(wǎng)絡(luò)傳輸會(huì)加大的響應(yīng)時(shí)延。

2總結(jié)

本文從實(shí)際工程問題和需求出發(fā)，針對(duì)分布式緩存系統(tǒng)處理Hot Key的關(guān)鍵技術(shù)進(jìn)行研究。通過動(dòng)態(tài)識(shí)別、自動(dòng)重分布等設(shè)計(jì)，提高了分布式緩存系統(tǒng)的性能和穩(wěn)定性，能更好地適應(yīng)Hot Key場(chǎng)景。通過和傳統(tǒng)分布式緩存系統(tǒng)對(duì)比實(shí)驗(yàn)驗(yàn)證，以及商用生產(chǎn)環(huán)境的實(shí)際使用效果，都證明了采用上述關(guān)鍵技術(shù)后的分布式緩存系統(tǒng)提升是有效的。優(yōu)化后的分布式緩存系統(tǒng)在動(dòng)態(tài)識(shí)別Hot Key時(shí)QPS閾值等是固定配置好的，不滿足業(yè)務(wù)場(chǎng)景的多樣化，還有進(jìn)一步的優(yōu)化空間，可以引入人工智能確定QPS閾值，動(dòng)態(tài)識(shí)別向智能識(shí)別演進(jìn)是我們下一步的工作方向。

參考文獻(xiàn)

[1]于君澤 曹洪偉 邱碩等. 深入分布式緩存從原理到實(shí)踐[M].北京：機(jī)械工業(yè)出版社，2018

[2]馬文龍，朱妤晴，蔣德鈞等. Key-Value型NoSQL本地存儲(chǔ)系統(tǒng)研究[J]. 計(jì)算機(jī)學(xué)報(bào)，2018，41（8）：1722-1751.

[3]NoSQL. Wikipedia. 2017. https：//en.wikipedia.org/wiki/NoSQL

[4]姚經(jīng)緯，楊福軍. Redis分布式緩存技術(shù)在Hadoop平臺(tái)上的應(yīng)用[J]. 計(jì)算機(jī)技術(shù)與發(fā)展，2017，27（6）：146-150.

[5]安仲奇，杜昊，李強(qiáng)等.基于高性能I/O技術(shù)的Memcached優(yōu)化研究[J].計(jì)算機(jī)研究與發(fā)展，2018，55（4）：864-874.

[6]Decandia G，Hastorun D，Jampani M，et al. Dynamo：amazon's highly available key-value store[J]. ACM SIGOPS Operating Systems Review，2007，41（6）：205-220.

[7]Robert Sedgewick.《算法》英文版第4版[M].人民郵電出版社，2012，ISBN：9787115271464.

（作者單位：中興通訊股份有限公司）