分布式緩存的最佳實踐案例分析

1、 分布式緩存的最佳實踐案例分析本文主要介紹使用分布式緩存的優(yōu)秀實踐和線上案例。這些案例是筆者在多家互聯(lián)網(wǎng)公司里積累并形成的優(yōu)秀實踐，能夠幫助大家在生產(chǎn)實踐中避免很多不必要的生產(chǎn)事故。一、緩存設(shè)計的核心要素我們在應(yīng)用中決定使用緩存時，通常需要進行詳細的設(shè)計，因為設(shè)計緩存架構(gòu)看似簡單，實則不然，里面蘊含了很多深奧的原理，如果使用不當，則會造成很多生產(chǎn)事故甚至是服務(wù)雪崩之類的嚴重問題。筆者在做設(shè)計評審的過程中，總結(jié)了所有與緩存設(shè)計相關(guān)的設(shè)計點，這里列出來供大家參考。1、容量規(guī)劃緩存內(nèi)容的大小緩存內(nèi)容的數(shù)量淘汰策略緩存的數(shù)據(jù)結(jié)構(gòu)每秒的讀峰值每秒的寫峰值2、性能優(yōu)化線程模型預熱方法緩存分片冷熱數(shù)據(jù)的比例

2、3、高可用復制模型失效轉(zhuǎn)移持久策略緩存重建4、緩存監(jiān)控緩存服務(wù)監(jiān)控緩存容量監(jiān)控緩存請求監(jiān)控緩存響應(yīng)時間監(jiān)控5、注意事項是否有可能發(fā)生緩存穿透是否有大對象是否使用緩存實現(xiàn)分布式鎖是否使用緩存支持的腳本（Lua）是否避免了Race Condition筆者在這里把這些設(shè)計點提供給讀者，請讀者在做緩存設(shè)計時把每一項作為一個思考的起點，思考我們在設(shè)計緩存時是否想到了這些點，以避免在設(shè)計的過程中因忽略某一項而導致嚴重的線上事故發(fā)生。二、緩存設(shè)計的優(yōu)秀實踐筆者在做設(shè)計評審的過程中，總結(jié)了一些開發(fā)人員在設(shè)計緩存系統(tǒng)時的優(yōu)秀實踐，如下所述：優(yōu)秀實踐1緩存系統(tǒng)主要消耗的是服務(wù)器的內(nèi)存，因此，在使用緩存時必須先對應(yīng)

3、用需要緩存的數(shù)據(jù)大小進行評估，包括緩存的數(shù)據(jù)結(jié)構(gòu)、緩存大小、緩存數(shù)量、緩存的失效時間，然后根據(jù)業(yè)務(wù)情況自行推算在未來一定時間內(nèi)的容量的使用情況，根據(jù)容量評估的結(jié)果來申請和分配緩存資源，否則會造成資源浪費或者緩存空間不夠。優(yōu)秀實踐2建議將使用緩存的業(yè)務(wù)進行分離，核心業(yè)務(wù)和非核心業(yè)務(wù)使用不同的緩存實例，從物理上進行隔離，如果有條件，則請對每個業(yè)務(wù)使用單獨的實例或者集群，以減小應(yīng)用之間互相影響的可能性。筆者就經(jīng)常聽說有的公司應(yīng)用了共享緩存，造成緩存數(shù)據(jù)被覆蓋以及緩存數(shù)據(jù)錯亂的線上事故。優(yōu)秀實踐3根據(jù)緩存實例提供的內(nèi)存大小推算應(yīng)用需要使用的緩存實例數(shù)量，一般在公司里會成立一個緩存管理的運維團隊，這個團

4、隊會將緩存資源虛擬成多個相同內(nèi)存大小的緩存實例。例如一個實例有4GB內(nèi)存，在應(yīng)用申請時可以按需申請足夠的實例數(shù)量來使用，對這樣的應(yīng)用需要進行分片，詳情請參考可伸縮服務(wù)架構(gòu)：框架與中間件中4.4.3的內(nèi)容。這里需要注意，如果我們使用了RDB備份機制，每個實例使用4GB內(nèi)存，則我們的系統(tǒng)需要大于8GB內(nèi)存，因為RDB備份時使用了 copy-on-write 機制，需要fork出一個子進程，并且復制一份內(nèi)存，因此需要雙份的內(nèi)存存儲大小。優(yōu)秀實踐4緩存一般是用來加速數(shù)據(jù)庫的讀操作的，一般先訪問緩存后訪問數(shù)據(jù)庫，所以緩存的超時時間的設(shè)置是很重要的。筆者曾經(jīng)在一家互聯(lián)網(wǎng)公司遇到過由于運維操作失誤導致緩存超

5、時設(shè)置得較長，從而拖垮服務(wù)的線程池，最終導致服務(wù)雪崩的情況。優(yōu)秀實踐5所有的緩存實例都需要添加監(jiān)控，這是非常重要的，我們需要對慢查詢、大對象、內(nèi)存使用情況做可靠的監(jiān)控。優(yōu)秀實踐6我們不推薦多個業(yè)務(wù)共享一個緩存實例，但是由于成本控制的原因，這種情況經(jīng)常出現(xiàn)，我們需要通過規(guī)范來限制各個應(yīng)用使用的key有唯一的前綴，并進行隔離設(shè)計，避免產(chǎn)生緩存互相覆蓋的問題。優(yōu)秀實踐7任何緩存的key都必須設(shè)定緩存失效時間，且失效時間不能集中在某一點，否則會導致緩存占滿內(nèi)存或者緩存雪崩。優(yōu)秀實踐8低頻訪問的數(shù)據(jù)不要放在緩存中，如我們前面所說的，我們使用緩存的主要目的是提高讀取性能。曾經(jīng)有個小伙伴設(shè)計了一套定時的批處

6、理系統(tǒng)，由于批處理系統(tǒng)需要對一個大的數(shù)據(jù)模型進行計算，所以該小伙伴把這個數(shù)據(jù)模型保存在每個節(jié)點的本地緩存中，并通過消息隊列接收更新的消息來維護本地緩存中模型的實時性，但是這個模型每個月只用了一次，所以這樣使用緩存是很浪費的。既然是批處理任務(wù)，就需要把任務(wù)進行分割，進行批量處理，采用分而治之、逐步計算的方法，得出最終的結(jié)果即可。優(yōu)秀實踐9緩存的數(shù)據(jù)不易過大，尤其是Redis，因為Redis使用的是單線程模型，在單個緩存key的數(shù)據(jù)過大時，會阻塞其他請求的處理。優(yōu)秀實踐10對于存儲較多value的key，盡量不要使用HGETALL等集合操作，該操作會造成請求阻塞，影響其他應(yīng)用的訪問。優(yōu)秀實踐11緩

7、存一般用于在交易系統(tǒng)中加速查詢的場景，有大量的更新數(shù)據(jù)時，尤其是批量處理時，請使用批量模式，但是這種場景較少。優(yōu)秀實踐12如果對性能的要求不是非常高，則盡量使用分布式緩存，而不要使用本地緩存，因為本地緩存在服務(wù)的各個節(jié)點之間復制，在某一時刻副本之間是不一致的，如果這個緩存代表的是開關(guān)，而且分布式系統(tǒng)中的請求有可能會重復，就會導致重復的請求走到兩個節(jié)點，一個節(jié)點的開關(guān)是開，一個節(jié)點的開關(guān)是關(guān)，如果請求處理沒有做到冪等，就會造成處理重復，在嚴重情況下會造成資金損失。優(yōu)秀實踐13在寫緩存時一定要寫入完全正確的數(shù)據(jù)，如果緩存數(shù)據(jù)的一部分有效、一部分無效，則寧可放棄緩存，也不要把部分數(shù)據(jù)寫入緩存，否則會

8、造成空指針、程序異常等。優(yōu)秀實踐14在通常情況下，讀的順序是先緩存，后數(shù)據(jù)庫；寫的順序是先數(shù)據(jù)庫，后緩存。優(yōu)秀實踐15在使用本地緩存（如Ehcache）時，一定要嚴格控制緩存對象的個數(shù)及聲明周期。由于JVM的特性，過多的緩存對象會極大影響JVM的性能，甚至導致內(nèi)存溢出等。優(yōu)秀實踐16在使用緩存時，一定要有降級處理，尤其是對關(guān)鍵的業(yè)務(wù)環(huán)節(jié)，緩存有問題或者失效時也要能回源到數(shù)據(jù)庫進行處理。三、關(guān)于常見的緩存問題的線上案例筆者在多家互聯(lián)網(wǎng)公司負責架構(gòu)方案評審和線上事故復盤，這里列舉其中的一些典型案例，供大家參考和借鑒。案例1現(xiàn)象：某應(yīng)用程序的數(shù)據(jù)庫負載瞬時升高。原因：在應(yīng)用程序中對使用的大量緩存ke

9、y設(shè)置了同一個固定的失效時間，當緩存失效時，會造成在一段時間內(nèi)同時訪問數(shù)據(jù)庫，造成數(shù)據(jù)庫的壓力較大?？偨Y(jié)：在使用緩存時需要進行緩存設(shè)計，要充分考慮如何避免常見的緩存穿透、緩存雪崩、緩存并發(fā)等問題，尤其是對于高并發(fā)的緩存使用，需要對key的過期時間進行隨機設(shè)置，例如，將過期時間設(shè)置為10秒+random(2)，也就是將過期時間隨機設(shè)置成1012秒。案例2現(xiàn)象：導致遷移前后兩個系統(tǒng)的核心操作重復。原因：在遷移的過程中，重復的流量進入了不同的節(jié)點，由于使用了本地緩存存儲遷移開關(guān)，而遷移開關(guān)在開關(guān)打開的瞬間導致各個節(jié)點的開關(guān)狀態(tài)不一致，有的是開、有的是關(guān)，所以對于不同節(jié)點的流量的處理重復，一個走了開關(guān)

10、開的邏輯，一個走了開關(guān)關(guān)的邏輯。總結(jié)：避免使用本地緩存來存儲遷移開關(guān)，遷移開關(guān)應(yīng)該在有狀態(tài)的訂單上標記。案例3現(xiàn)象：某模塊設(shè)計使用了緩存加速數(shù)據(jù)庫的讀操作的性能，但發(fā)現(xiàn)數(shù)據(jù)庫負載并沒有明顯下降。原因：由于這個模塊的使用方查詢請求的數(shù)據(jù)在數(shù)據(jù)庫中不存在，是非法的數(shù)據(jù)，所以導致緩存沒有命中，每次都穿透到數(shù)據(jù)庫，且量級較大?？偨Y(jié)：在使用緩存時需要進行緩存設(shè)計，要充分考慮如何避免常見的緩存穿透、緩存雪崩、緩存并發(fā)等問題，尤其是對高并發(fā)的緩存使用，需要對無效的key進行緩存，以抵擋惡意的或者無意的對無效緩存查詢的攻擊或影響。案例4現(xiàn)象：監(jiān)控系統(tǒng)報警，Redis中單個哈希鍵占用的空間巨大。原因：應(yīng)用系統(tǒng)使

11、用了哈希鍵，哈希鍵本身有過期時間，但是哈希鍵里面的每個鍵值對沒有過期時間?？偨Y(jié)：在設(shè)計Redis的過程中，如果有大量的鍵值對要保存，則請使用字符串鍵的數(shù)據(jù)庫類型，并對每個鍵都設(shè)置過期時間，請不要在哈希鍵內(nèi)部存儲一個沒有邊界的集合數(shù)據(jù)。實際上，無論是對緩存、內(nèi)存還是對數(shù)據(jù)庫的設(shè)計，如果使用任意一個集合的數(shù)據(jù)結(jié)構(gòu)，則都要考慮為它設(shè)置最大限制，避免內(nèi)存用光，最常見的是集合溢出導致的內(nèi)存溢出的問題。案例5現(xiàn)象：某業(yè)務(wù)項目由于緩存宕機導致業(yè)務(wù)邏輯中斷，數(shù)據(jù)不一致。原因：Redis進行主備切換，導致瞬間內(nèi)應(yīng)用連接Redis異常，應(yīng)用并沒有對緩存做降級處理?？偨Y(jié)：對于核心業(yè)務(wù)，在使用緩存時一定要有降級方案。

12、常見的降級方案是在數(shù)據(jù)庫層次預留足夠的容量，在某一部分緩存出現(xiàn)問題時，可以讓應(yīng)用暫時回源到數(shù)據(jù)庫繼續(xù)業(yè)務(wù)邏輯，而不應(yīng)該中斷業(yè)務(wù)邏輯，但是這需要嚴格的容量評估，請參考分布式服務(wù)架構(gòu)：原理設(shè)計與實戰(zhàn)第3章的內(nèi)容。案例6現(xiàn)象：某應(yīng)用系統(tǒng)負載升高，響應(yīng)變慢，發(fā)現(xiàn)應(yīng)用進行頻繁GC，甚至出現(xiàn)OutOfMemroyError: GC overhead limt exceed的錯誤日志。原因：因為這個項目是個歷史項目，使用了Hibernate ORM框架，在Hibernate中開啟了二級緩存，使用了Ehcache；但是在Ehcache中沒有控制緩存對象的個數(shù)，緩存對象增多，導致內(nèi)存緊張，所以進行了頻繁的GC操

13、作。總結(jié)：使用本地緩存（如Ehcache、OSCache、應(yīng)用內(nèi)存）時，一定要嚴格控制緩存對象的個數(shù)及聲明周期。案例7現(xiàn)象：某個正常運行的應(yīng)用突然報警線程數(shù)過高，之后很快就出現(xiàn)了內(nèi)存溢出。原因：由于緩存連接數(shù)達到最大限制，應(yīng)用無法連接緩存，并且超時時間設(shè)置得較大，導致訪問緩存的服務(wù)都在等待緩存操作返回，由于緩存負載較高，處理不完所有的請求，但是這些服務(wù)都在等待緩存操作返回，服務(wù)這時在等待，并沒有超時，就不能降級并繼續(xù)訪問數(shù)據(jù)庫。這在BIO模式下線程池就會撐滿，使用方的線程池也都撐滿；在NIO模式下一樣會使服務(wù)的負載增加，服務(wù)響應(yīng)變慢，甚至使服務(wù)被壓垮。總結(jié)：在使用遠程緩存（如Redis、Memcached）時，一定要對操作超時時間進行設(shè)置，這是非常關(guān)鍵的，一般我們設(shè)計緩存作為加速數(shù)據(jù)庫讀取的手段，也會對緩存操作做降級處理，因此推薦使用更短的緩存超時時間，如果一定要給出一個數(shù)字，則希望是100毫秒以內(nèi)。案例8現(xiàn)象：某項目使用緩存存儲業(yè)務(wù)數(shù)據(jù)，上線后出現(xiàn)錯誤問題，開發(fā)人員束手無策。原因：開發(fā)人員不知道如何發(fā)現(xiàn)、排查、定位和解決緩存問題?？偨Y(jié)：在設(shè)計緩存