电子发烧友App
如今，缓存系统的应用非常广泛，能够用来提高并发数、数据吞吐量，提高快速响应能力。那么当数据量达到一定程度，单机环境可能就显得有些力不从心了，就需要一个分布式缓存系统。
1.缓存系统的选择
图1-1
1.1缓存分类
如上图所示，首先缓存大致可以分为四大类。
CDN缓存：CDN即内容分发网络，CDN边缘节点将数据缓存起来。
反向代理缓存：如Nginx的缓存。
本地缓存：代表的有EhCache和GuavaCache。
分布式缓存：各缓存系统。
1.2分布式缓存
本文主要探讨各分布式缓存系统，如图1-1所示，列出了五种：
其中EvCache和Aerospike使用场景不是那么通用和广泛。
EvCache：是Netflix的基于Memcached&Spymemcached的缓存方案。
Aerospike：是可基于SSD的KVNoSQL数据库。
除此之外，还有三种常见缓存系统。
Tair：阿里开源，跨机房、性能随结点添加线性上升、适用大数据量。Tair还有三种引擎。
LDB：基于googlelevelDB，支持KV和类HashMap结构，性能稍低，持久化可靠性最高。
MDB：基于Memcache，支持KV和类HashMap，性能最优，不支持持久化存储。
RDB：基于Redis。
Memcache：不支持数据同步、分布式支持较差。
Redis：社区活跃、使用最多。
综上所述，在一般情况下，考虑到适用性和稳定性，Redis是搭建缓存系统的最优选择。以下将基于Redis介绍。
2.Redis集群缓存方案
如顶部图1-1所示，列出了Redis的集群高可用的方案，基本可以分为三种。
2.1主从机制
常见的集群架构，搭建简单，主要实现读写分离和备份，可以由Master负责读写，Slave负责备份。但存在故障恢复复杂、水平拓展难、写能力受限等问题。结构图如下：
2.2哨兵机制
RedisSentinel是社区版本推出的原生高可用解决方案。由一或多个哨兵实例监视任意个主从服务器，且在Master宕机时，自动将宕机服务器属下的Slave服务器升级为主服务器，从而保证系统的可用性。较主从实现的监控、选主。但问题主要是要保证Master的HA切换。结构图如下：
2.3“分布式”
到这里以上两种机制其实只能算作“集群”，并非严格意义上的“分布式”。接着来看看分布式方案。
集群强调高可用，分布式在集群的基础上又强调协作。
3.Redis分布式缓存方案
任何分布式存储系统，首先面临的就是sharding（分片）问题，如顶部图1-1所示该问题有为三种解决方法。
3.1客户端分片
顾名思义，将数据分片的路由功能交给客户端，但这是一种静态分片，维护性差。基本是不予考虑的。
3.2代理分片
通过代理分发到具体的redis实例。有两个常用解决方案。
Twemproxy：Twitter开源，轻量级，不再维护，无法平滑地扩容/缩容，运维也不是很友好，性能一般。
Codis：豌豆荚开源，支持水平拓展，运维平台完善，性能较Twemproxy快。Codis在国内使用的较多，同时代理分片的思路也有很多公司在此基础开发了自己的二次方案。不过Codis也不再维护。
其实，这两种代理分片的方案，都是在Redis官方未推出良好的分布式方案时的产生的，在官方更新提供更优策略后都不再维护。
3.3服务器端分片
这就要谈到Redis官方方案Redis-cluster。
在Redis3.0之前是没有较好的分布式方案的，这也是第三方方案出现的原因。3.0开始，官方推出了去中心化的分布式方案。集群中包含16384个散列槽，每个节点负责其中一部分。
先看下拓扑图：
每个节点打开两个TCP连接，一个负责给客户端提供服务，一个负责节点间通信。
此刻要说说CAP了：Consistency（一致性）、Availability（可用性）、Partitiontolerance（分区容错性）。对分布式系统而言，CAP必须牺牲一者。RedisCluster的设计目标主要是高性能、高可用和高扩展，只好抛弃一部分数据一致性。
数据一致性：由于RedisCluster使用异步复制，在某些情况下如Master宕机但未同步至Slave，可能会导致丢失写入。在绝对需要支持同步写入时，可通过WAIT命令实现，可使得丢失写入的可能性大大降低。
可用性：当集群中一部分节点故障后，集群整体能响应客户端读写请求。
节点间定时互ping，当超过一半Master判定某节点失败，则标记为FAIL，且会向集群广播节点下线的消息。如下线节点是带有槽的主节点，则要从它的从节点选出一个替换。
高性能和拓展：操作某个key时，不会先找到节点再处理，而是直接直接重定向到该节点，同时相较代理分片也少了proxy的连接损耗。
但是在进行multiplekey操作时需要keys位于同一个slot上，需要使用hashtags，使用{}强制将某些key映射到每个slot，以便进行multiple。
在拓展方面，RedisCluster最大支持线性拓展1000个节点，将新节点加入集群后可以通过命令指定和平均的从已有节点分配slot。
4.缓存常见问题
以上介绍了简单介绍了常见缓存系统，并具体列出了基于Redis的集群方案。下面谈一谈缓存系统常见的问题。
如下图所示，列出七个常见问题。
4.1.缓存穿透
指访问不存在的数据，从而绕过缓存，直接请求到了数据源，当请求过多，就会对DB造成压力。
空key：指对于不存在的数据也将key存空值入缓存系统，这样下次访问也会得到返回。但只适用于空数据key有限、key重复请求概率高，如果量大且不重复，就会造成很多无用key的创建。
布隆过滤器：布隆过滤器是一个很长的二进制向量和一系列随机映射函数。可用于检索一个元素是否在一个集合中加一层对空值的过滤器，空间和时间效率都很高。但由于hash产生的碰撞可能存在误判，以及因不存储key导致的无法删除。适用于空数据key各不同、重复请求概率低。
4.2.缓存击穿
缓存击穿实际是缓存雪崩的一个特例。指当某些热点key过期时，就会有大量的请求击穿到DB。
互斥锁：在缓存失效的时候，不立即loaddb，可以先用如SETNX等命令去set一个mutexkey，当操作返回成功时，说明拿到锁，此刻该线程进行loaddb的操作并更新缓存；否则未拿到锁就（可休眠一段）重试get缓存的方法。但要注意死锁风险。
不过期
这里的不过期有两个概念，一个指未设过期时间，那是真的不过期，那没事了。
另一个是指通过业务逻辑，将key的过期时间进行存储，请求是判断是否小于值，是则后台异步更新。
4.3.缓存雪崩
同一时刻大量缓存失效（故障），请求到了DB。
随机时间：在设置过期时间时，可以在基础时间上+一个随机的时间，等于实现了分批过期。
后台更新：将更新失效的工作交给后台定时线程。
限流+本地缓存：如ehcache本地缓存+Hystrix限流。
双缓存：类似于设置主从缓存，从key不过期。
4.4.缓存更新与一致性
如果保证数据一致性。列出四种更新策略：
CacheAside：最常用的。失效时回源取数据，更新；命中时，返回缓存数据；更新时先数据源更新，再更新缓存。
WriteBack：更新数据时，只更新缓存，不更新数据源。缓存异步批量更新数据库。
Read/WriteThrough
WriteThrough：当有数据更新时，如未命中缓存，直接更新数据库，并返回。如命中缓存，则更新缓存，再由Cache自己更新数据库。
ReadThrough：更新数据源由缓存系统操作，读取数据时如缓存失效，则取回源数据更新缓存。
4.5.热点数据
对于热点数据的处理方法。
拆分复杂结构：如二级数据结构，进行拆分，这样热点key就被拆为若干个的key分布到不同节点。
迁移热点：对于RedisCluster而言可以将热点key所在的slot单独迁移到一个节点，降低其他节点压力。
多副本：复制多份缓存副本，将请求分散到多个节点上，减轻单台缓存服务器压力，适合多读少写。
4.6.缓存预热
指可以将某些的缓存数据提前加载到缓存系统，提前避免在如热点数据大量请求到库。
4.7.缓存降级
指当访问量剧增、服务出现问题或非核心服务影响到核心流程的性能时，仍需保证主服务可用。可根据一些关键数据自动降级，也可配置开关人工降级。
5.RedisCluster使用
对于RedisCluster环境的搭建和基础使用非常简单。
无论基于何种方式，只要搭建好n台redis服务并保证各服务间可以互相通讯后，任意进入一个redis服务键入：
redis-cli--clustercreateIP1:port1IP2:port2IP3:port3IP4:port4IP5:port5IP6:port6。。。--cluster-replicas1即可。之后可以使用clusternode和clusterinfo命令查看集群、节点信息。
而对于广大JAVA开发，SpringDataRedis从1.7起即支持RedisCluster，只需配置Master节点地址（和密码）。
spring.redis.cluster.nodes=ip1:port1，ip2:port2，ip3:port3
加入依赖
compile（“org.springframework.boot:spring-boot-starter-data-redis”）即可通过RedisTemplate使用。
6.总结
本文从缓存系统的选择出发，基于Redis介绍了几种集群方案并重点说明了RedisCluster方案。之后列出缓存系统常见问题及常见解决方案，最后对使用做了简单说明。
当然，如何去落地，如何解决这些问题还需要根据实际场景具体分析和处理。
责任编辑人：CC
工商网监
评论