往期热门文章：

1、《往期精选优秀博文都在这里了！》
2、分库分表？如何做到永不迁移数据和避免热点？
3、36 张图梳理 Intellij IDEA 常用设置，写代码贼爽！
4、2020年国内互联网公司的薪酬排名！
5、不要再封装各种Util工具类了，这个神级框架值得拥有！

来源：https://tech.youzan.com

为什么要做 TMC

多级缓存解决方案的痛点

TMC 整体架构
TMC 本地缓存

如何透明
整体结构

热点发现

整体流程
数据收集
热度滑窗
热度汇聚
热点探测
特性总结

实战效果

快手商家某次商品营销活动
双十一期间部分应用 TMC 效果展示**

功能展望

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：

应用层热点探测
应用层本地缓存
应用层缓存命中统计

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>，对应业务含义映射为 Map<appname,map>。

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>< appname,map<="" code="">中取出 appName 对应的 Map Map>；
遍历 Map>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

上图为本地缓存命中率曲线图

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**`

上图为应用接口 QPS 曲线

上图为应用接口 RT 曲线

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。

往期热门文章：
1、《历史文章分类导读列表！精选优秀博文都在这里了！》
2、阿里一面：如何保障消息100%投递成功、消息幂等性？
3、GitHub 热榜：被网友疯狂恶搞的「蚂蚁呀嘿」项目终于开源了！
4、记住！看小电影前一定要检查一下域名是不是 HTTPS 的，不然....
5、拿到年终奖后马上辞职，厚道吗？
6、Redis 内存满了怎么办？
7、在 IDE 中玩转 GitHub
8、死磕18个Java8日期处理，工作必用！
9、把我坑惨的一个MySQL双引号！
10、2021年 我辞职了！

一个牛逼的 多级缓存 实现方案！