您的位置:首页 > 数据库 > Redis

Redis(开发与运维):55---缓存设计之(无底洞问题及优化)

2020-06-04 15:36 633 查看

一、无底洞问题

  • 2010年,Facebook的Memcache节点已经达到了3000个,承载着TB级别的缓存数据。但开发和运维人员发现了一个问题,为了满足业务要求添加了大量新Memcache节点,但是发现性能不但没有好转反而下降了,当时将这 种现象称为缓存的“无底洞”现象。
  • 那么为什么会产生这种现象呢,通常来说添加节点使得Memcache集群性能应该更强了,但事实并非如此。键值数据库由于通常采用哈希函数将 key映射到各个节点上,造成key的分布与业务无关,但是由于数据量和访问量的持续增长,造成需要添加大量节点做水平扩容,导致键值分布到更多的节点上,所以无论是Memcache还是Redis的分布式,批量操作通常需要从不同节点上获取,相比于单机批量操作只涉及一次网络操作,分布式批量操作会涉及多次网络时间
  • 下图展示了在分布式条件下,一次mget操作需要访问多个Redis节点, 需要多次网络时间

  • 而下图由于所有键值都集中在一个节点上,所以一次批量操作只需要 一次网络时间

  • 无底洞问题分析: 客户端一次批量操作会涉及多次网络操作,也就意味着批量操作会随 着节点的增多,耗时会不断增大
  • 网络连接数变多,对节点的性能也有一定影响
  • 用一句通俗的话总结就是,更多的节点不代表更高的性能,所谓“无底 洞”就是说投入越多不一定产出越多。但是分布式又是不可以避免的,因为 访问量和数据量越来越大,一个节点根本抗不住,所以如何高效地在分布式缓存中批量操作是一个难点
  • 优化思路

    • 下面介绍如何在分布式条件下优化批量操作。在介绍具体的方法之前, 我们来看一下常见的IO优化思路: 命令本身的优化,例如优化SQL语句等
    • 减少网络通信次数
    • 降低接入成本,例如客户端使用长连/连接池、NIO等
  • 这里我们假设命令、客户端连接已经为最优,重点讨论减少网络操作次数
  • 以Redis批量获取n个字符串为例,有三种实现方法,如下图所示:
      客户端n次get:n次网络+n次get命令本身
    • 客户端1次pipeline get:1次网络+n次get命令本身
    • 客户端1次mget:1次网络+1次mget命令本身

    • 上面已经给出了IO的优化思路以及单个节点的批量操作优化方式,下面我们将结合Redis Cluster的一些特性对四种分布式的批量操作方式进行说明
  • 二、串行命令

    • 由于n个key是比较均匀地分布在Redis Cluster的各个节点上,因此无法使用mget命令一次性获取,所以通常来讲要获取n个key的值,最简单的方法就是逐次执行n个get命令,这种操作时间复杂度较高,它的操作时间=n次网络时间+n次命令时间,网络次数是n
    • 很显然这种方案不是最优的,但是实现起来比较简单,如下图所示

    • Jedis客户端示例代码如下:
    [code]List<String> serialMGet(List<String> keys) {
    // 结果集
    List<String> values = new ArrayList<String>();
    // n次串行get
    for (String key : keys) {
    String value = jedisCluster.get(key);
    values.add(value);
    }
    return values;
    }

    三、串行IO

    • Redis Cluster使用CRC16算法计算出散列值,再取对16383的余数就可以算出slot值,同时前面文章https://www.geek-share.com/detail/2801939965.html我们提到过Smart客户端会保存slot和节点的对应关系,有了这两个数据就可以将属于同一个节点的key进行归档,得到每个节点的key子列表,之后对每个节点执行mget或者Pipeline操作
    • 它的操作时间=node次网络时间+n次命令时间,网络次数是node的个数
    • 整个过程如下图所示,很明显这种方案比第一种要好很多,但是如果节点数太多,还是有一定的性能问题

    • Jedis客户端示例代码如下:
    [code]Map<String, String> serialIOMget(List<String> keys) {
    // 结果集
    Map<String, String> keyValueMap = new HashMap<String, String>();
    // 属于各个节点的key列表,JedisPool要提供基于ip和port的hashcode方法
    Map<JedisPool, List<String>> nodeKeyListMap = new HashMap<JedisPool, List<String>>();
    // 遍历所有的key
    for (String key : keys) {
    // 使用CRC16本地计算每个key的slot
    int slot = JedisClusterCRC16.getSlot(key);
    // 通过jedisCluster本地slot->node映射获取slot对应的node
    JedisPool jedisPool = jedisCluster.getConnectionHandler().getJedisPoolFromSlot(slot);
    // 归档
    if (nodeKeyListMap.containsKey(jedisPool)) {
    nodeKeyListMap.get(jedisPool).add(key);
    } else {
    List<String> list = new ArrayList<String>();
    list.add(key);
    nodeKeyListMap.put(jedisPool, list);
    }
    }
    // 从每个节点上批量获取,这里使用mget也可以使用pipeline
    for (Entry<JedisPool, List<String>> entry : nodeKeyListMap.entrySet()) {
    JedisPool jedisPool = entry.getKey();
    List<String> nodeKeyList = entry.getValue();
    // 列表变为数组
    String[] nodeKeyArray = nodeKeyList.toArray(new String[nodeKeyList.size()]);
    // 批量获取,可以使用mget或者Pipeline
    List<String> nodeValueList = jedisPool.getResource().mget(nodeKeyArray);
    // 归档
    for (int i = 0; i < nodeKeyList.size(); i++) {
    keyValueMap.put(nodeKeyList.get(i), nodeValueList.get(i));
    }
    }
    return keyValueMap;
    }

    四、并行IO

    • 此方案是将方案2中的最后一步改为多线程执行,网络次数虽然还是节点个数,但由于使用多线程网络时间变为O(1),这种方案会增加编程的复杂度
    • 它的操作时间为:
    [code]max_slow(node网络时间)+n次命令时间
    • 整个过程如下图所示:

    五、hash_tag实现

    • 如下图所示,所有key属于node2节点

    • Jedis客户端示例代码如下:
    [code]List<String> hashTagMget(String[] hashTagKeys) {
    return jedisCluster.mget(hashTagKeys);
    }

    六、总结

    • 上面已经对批量操作的四种方案进行了介绍,最后通过下图来对四种方案的优缺点、网络IO次数进行一个总结

    • 实际开发中可以根据上图给出的优缺点进行分析,没有最好的方案只有最合适的方案
    内容来自用户分享和网络整理,不保证内容的准确性,如有侵权内容,可联系管理员处理 点击这里给我发消息
    标签: 
    相关文章推荐