分布式高并发缓存设计系统

作者：程序猿小秘圈 2017-12-12 14:51:15

存储

存储软件

分布式 缓存在wiki上的定义：用于存储数据的硬件或软件的组成部分，以使得后续更快访问相应的数据。缓存中的数据可能是提前计算好的结果、数据的副本等。典型的应用场景：有cpu cache, 磁盘cache等。本文中提及到缓存主要是指互联网应用中所使用的缓存组件。

概述

缓存概述

什么是缓存

缓存在wiki上的定义：用于存储数据的硬件或软件的组成部分，以使得后续更快访问相应的数据。缓存中的数据可能是提前计算好的结果、数据的副本等。典型的应用场景：有cpu cache, 磁盘cache等。本文中提及到缓存主要是指互联网应用中所使用的缓存组件。

为什么引入缓存

传统的后端业务场景中，访问量以及对响应时间的要求均不高，通常只使用DB即可满足要求。这种架构简单，便于快速部署，很多网站发展初期均考虑使用这种架构。但是随着访问量的上升，以及对响应时间的要求提升，单DB无法再满足要求。这时候通常会考虑DB拆分(sharding)、读写分离、甚至硬件升级(SSD)等以满足新的业务需求。但是这种方式仍然会面临很多问题，主要体现在：

性能提升有限，很难达到数量级上的提升，尤其在互联网业务场景下，随着网站的发展，访问量经常会面临十倍、百倍的上涨。

成本高昂，为了承载N倍的访问量，通常需要N倍的机器，这个代价难以接受。

一丶分布式高并发缓存设计系统

总体架构图

1.2自定义的客户端协议

业务模块采用自定义应用层协议和cacheProxy交互

整个cache后端采用什么协议，什么存储(redis，memcached等)对业务模块透明

cache后端和业务端进行了隔离，修改互不影响

1.2负载均衡与容错机制

采用一致性hash算法，即使部分节点down机，也不会导致全部的缓存失效，新增节点也不会导致大量缓存失效和重建

一份缓存数据保留两份，当前hash节点和下一个真实的hash节点，单个节点down机时，缓存也不会马上失效

cacheMan是一个弱的管理节点，负责监控，删除节点，新增节点，可以任意启停

1.3缓存维护与淘汰机制

redis原生超时机制+三层LRU缓存架构，减少最终穿透到redis实例上的请求。

客户端LRU缓存

cacheProxy代理LRU缓存

redis实例内存总量限制+LRU缓存

1.4安全机制

redis实例都会开启auth功能

redis实例都监听在内网ip

1.5核心流程

新增redis节点

删除redis节点

set缓存

get缓存

二、问题

任何平台随着用户规模的扩大、功能不断的添加，持久化数据库层承受的读写压力会越来越大，一旦数据库承压过大会导致读写性能陡然下降，严重时会导致大量的业务请求超时，进而发生“雪崩”引发严重的故障。

三、解决方案

在业务层和数据库持久层之间引入一层内存缓存层，对于复杂且业务逻辑上不会变化的查询结果进行缓存，业务请求再次发起时，每次都先从缓存层中查询，从而大大减少对数据库的查询，减小对数据库的压力。

四、分布式内存缓存、本地单点缓存、应用层缓存对比

类型稳定性扩展性通用性对代码的侵入性

应用层缓存应用会频繁重启更新，缓存易丢失，稳定性不佳差，受限于进程的资源限制差，不同应用难以复用代码侵入性小，无网络操作，只需要操作应用进程内存

本地单点缓存独立的缓存应用(redis、memcached等)，不会频繁重启，稳定性一般，但有单点故障问题一般，受限于单服务器资源限制一般，业务应用和缓存应用有强耦合代码侵入性一般，需要引入对应的api通常有网络操作

分布式内存缓存分布式系统，具备故障自动恢复功能，无单点故障问题，稳定性佳好，支持水平扩展好，对业务层提供通用接口，后端具体的缓存应用对业务透明代码侵入性一般，需要引入通用的api通常有网络操作。