如何正確使用 Redis ?

這個(gè)問題很微妙，可能這位同學(xué)內(nèi)心深處，覺得 Redis 是所有應(yīng)用緩存的標(biāo)配。 緩存的世界很廣闊，對于應(yīng)用系統(tǒng)來講，我們經(jīng)常將緩存劃分為本地緩存和分布式緩存。 本地緩存?：應(yīng)用中的緩存組件，緩存組件和應(yīng)用在同一進(jìn)程中，緩存的讀寫非?？?，沒有網(wǎng)絡(luò)開銷。但各應(yīng)用或集群的各節(jié)點(diǎn)都需要維護(hù)自己的單獨(dú)緩存，無法共享緩存。 分布式緩存：和應(yīng)用分離的緩存組件或服務(wù)，與本地應(yīng)用隔離，多個(gè)應(yīng)用可直接共享緩存。

1 緩存的本質(zhì)

我們常常會講：“加了緩存，我們的系統(tǒng)就會更快” 。 所謂的 “更快”，本質(zhì)上做到了如下兩點(diǎn)：

減小 CPU 消耗

將原來需要實(shí)時(shí)計(jì)算的內(nèi)容提前算好、把一些公用的數(shù)據(jù)進(jìn)行復(fù)用，這可以減少 CPU 消耗，從而提升響應(yīng)性能。

減小 I/O 消耗

將原來對網(wǎng)絡(luò)、磁盤等較慢介質(zhì)的讀寫訪問變?yōu)閷?nèi)存等較快介質(zhì)的訪問，從而提升響應(yīng)性能。

假如可以通過增強(qiáng) CPU、I/O 本身的性能來滿足需求的話，升級硬件往往是更好的解決方案，即使需要一些額外的投入成本，也通常要優(yōu)于引入緩存后可能帶來的風(fēng)險(xiǎn)。 從開發(fā)角度來說，引入緩存會提高系統(tǒng)復(fù)雜度，因?yàn)槟阋紤]緩存的失效、更新、一致性等問題。 從運(yùn)維角度來說，緩存會掩蓋掉一些缺陷，讓問題在更久的時(shí)間以后，出現(xiàn)在距離發(fā)生現(xiàn)場更遠(yuǎn)的位置上。 從安全角度來說，緩存可能泄漏某些保密數(shù)據(jù)，也是容易受到攻擊的薄弱點(diǎn)。 因此，緩存是把雙刃劍。

2 本地緩存 JDK Map

JDK Map 經(jīng)常用于緩存實(shí)現(xiàn)：

HashMap

HashMap 是一種基于哈希表的集合類，它提供了快速的插入、查找和刪除操作?？梢詫㈡I值對作為緩存項(xiàng)的存儲方式，將鍵作為緩存項(xiàng)的唯一標(biāo)識符，值作為緩存項(xiàng)的內(nèi)容。

ConcurrentHashMap

ConcurrentHashMap 是線程安全的 HashMap，它在多線程環(huán)境下可以保證高效的并發(fā)讀寫操作。

LinkedHashMap

LinkedHashMap 是一種有序的 HashMap ，它保留了元素插入的順序，可以按照插入順序或者訪問順序進(jìn)行遍歷。

TreeMap

TreeMap 是一種基于紅黑樹的有序 Map，它可以按照鍵的順序進(jìn)行遍歷。

筆者曾經(jīng)負(fù)責(zé)藝龍紅包系統(tǒng)，紅包活動就是存儲在?ConcurrentHashMap?中 ，通過定時(shí)任務(wù)刷新緩存?。

核心流程： 1、紅包系統(tǒng)啟動后，初始化一個(gè) ConcurrentHashMap 作為紅包活動緩存 ； 2、數(shù)據(jù)庫查詢所有的紅包活動，并將活動信息存儲在 Map 中； 3、定時(shí)任務(wù)每隔 30 秒 ，執(zhí)行緩存加載方法，刷新緩存。 為什么紅包系統(tǒng)會將紅包活動信息存儲在本地內(nèi)存 ConcurrentHashMap 呢 ？

紅包系統(tǒng)是高并發(fā)應(yīng)用，快速將請求結(jié)果響應(yīng)給前端，大大提升用戶體驗(yàn)；

紅包活動數(shù)量并不多，就算全部放入到 Map 里也不會產(chǎn)生內(nèi)存溢出的問題；

定時(shí)任務(wù)刷新緩存并不會影響紅包系統(tǒng)的業(yè)務(wù)。

筆者見過很多單體應(yīng)用都使用這種方案，該方案的特點(diǎn)是簡潔易用，工程實(shí)現(xiàn)也容易 。

3 本地緩存框架

雖然使用 JDK Map 能快捷構(gòu)建緩存，但緩存的功能還是比較孱弱的。 因?yàn)楝F(xiàn)實(shí)場景里，我們可能需要給緩存添加緩存統(tǒng)計(jì)、過期失效、淘汰策略等功能。 于是，本地緩存框架應(yīng)運(yùn)而生。 流行的 Java 緩存框架包括：Ehcache , Google Guava , Caffine Cache 。

下圖展示了 Caffine 框架的使用示例。

雖然本地緩存框架的功能很強(qiáng)大，但是本地緩存的缺陷依然明顯。 1、高并發(fā)的場景，應(yīng)用重啟之后，本地緩存就失效了，系統(tǒng)的負(fù)載就比較大，需要花較長的時(shí)間才能恢復(fù)； 2、每個(gè)應(yīng)用節(jié)點(diǎn)都會維護(hù)自己的單獨(dú)緩存，緩存同步比較頭疼。

4 分布式緩存

分布式緩存是指將緩存數(shù)據(jù)分布在多臺機(jī)器上，以提高緩存容量和并發(fā)讀寫能力的緩存系統(tǒng)。分布式緩存通常由多臺機(jī)器組成一個(gè)集群，每臺機(jī)器上都運(yùn)行著相同的緩存服務(wù)進(jìn)程，緩存數(shù)據(jù)被均勻地分布在集群中的各個(gè)節(jié)點(diǎn)上。 Redis 是分布式緩存的首選，甚至我們一提到緩存，很多后端工程師首先想到的就它。 下圖是神州專車訂單的 Redis 集群架構(gòu) 。將 Redis 集群拆分成四個(gè)分片，每個(gè)分片包含一主一從，主從可以切換。應(yīng)用 A 根據(jù)不同的緩存 key 訪問不同的分片。

與本地緩存相比，分布式緩存具有以下優(yōu)點(diǎn)： 1、容量和性能可擴(kuò)展 通過增加集群中的機(jī)器數(shù)量，可以擴(kuò)展緩存的容量和并發(fā)讀寫能力。同時(shí)，緩存數(shù)據(jù)對于應(yīng)用來講都是共享的。 2、高可用性 由于數(shù)據(jù)被分布在多臺機(jī)器上，即使其中一臺機(jī)器故障，緩存服務(wù)也能繼續(xù)提供服務(wù)。 但是分布式緩存的缺點(diǎn)同樣不容忽視。 1、網(wǎng)絡(luò)延遲 分布式緩存通常需要通過網(wǎng)絡(luò)通信來進(jìn)行數(shù)據(jù)讀寫，可能會出現(xiàn)網(wǎng)絡(luò)延遲等問題，相對于本地緩存而言，響應(yīng)時(shí)間更長。 2、復(fù)雜性 分布式緩存需要考慮序列化、數(shù)據(jù)分片、緩存大小等問題，相對于本地緩存而言更加復(fù)雜。 筆者曾經(jīng)也認(rèn)為無腦上緩存 ，系統(tǒng)就一定更快，但直到一次事故，對于分布式緩存的觀念才徹底改變。 2014 年，同事開發(fā)了比分直播的系統(tǒng)，所有的請求都是從分布式緩存 Memcached 中獲取后直接響應(yīng)。常規(guī)情況下，從緩存中查詢數(shù)據(jù)非?？欤诰€用戶稍微多一點(diǎn)，整個(gè)系統(tǒng)就會特別卡。 通過 jstat 命令發(fā)現(xiàn) GC 頻率極高，幾次請求就將新生代占滿了，而且 CPU 的消耗都在 GC 線程上。初步判斷是緩存值過大導(dǎo)致的，果不其然，緩存大小在 300k 到 500k 左右。 解決過程還比較波折，分為兩個(gè)步驟：

修改新生代大小，從原來的 2G 修改成 4G，并精簡緩存數(shù)據(jù)大小 (從平均 300k 左右降為 80k 左右)；

把緩存拆成兩個(gè)部分，第一部分是全量數(shù)據(jù)，第二部分是增量數(shù)據(jù)（數(shù)據(jù)量很小）。頁面第一次請求拉取全量數(shù)據(jù)，當(dāng)比分有變化的時(shí)候，通過 websocket 推送增量數(shù)據(jù)。

經(jīng)過這次優(yōu)化，筆者理解到：緩存雖然可以提升整體速度，但是在高并發(fā)場景下，緩存對象大小依然是需要關(guān)注的點(diǎn)，稍不留神就會產(chǎn)生事故。另外我們也需要合理地控制讀取策略，最大程度減少 GC 的頻率，從而提升整體性能。

5 多級緩存

開源中國網(wǎng)站最開始完全是用本地緩存框架 Ehcache 。 后來隨著訪問量的激增，出現(xiàn)了一個(gè)可怕的問題：“因?yàn)?Java 程序更新很頻繁，每次更新的時(shí)候都要重啟。一旦重啟后，整個(gè) Ehcache 緩存里的數(shù)據(jù)都被清掉。重啟后若大量訪問進(jìn)來的話，開源中國的數(shù)據(jù)庫基本上很快就會崩掉”。 于是，開源中國開發(fā)了多級緩存框架?J2Cache，使用了多級緩存?Ehcache + Redis?。 多級緩存有如下優(yōu)勢：

離用戶越近，速度越快；

減少分布式緩存查詢頻率，降低序列化和反序列化的 CPU 消耗；

大幅度減少網(wǎng)絡(luò) IO 以及帶寬消耗。

本地緩存做為一級緩存，分布式緩存做為二級緩存，首先從一級緩存中查詢，若能查詢到數(shù)據(jù)則直接返回，否則從二級緩存中查詢，若二級緩存中可以查詢到數(shù)據(jù)，則回填到一級緩存中，并返回?cái)?shù)據(jù)。若二級緩存也查詢不到，則從數(shù)據(jù)源中查詢，將結(jié)果分別回填到一級緩存，二級緩存中。

2018 年，筆者服務(wù)的一家電商公司需要進(jìn)行 app 首頁接口的性能優(yōu)化。筆者花了大概兩天的時(shí)間完成了整個(gè)方案，采取的是兩級緩存模式，同時(shí)利用了 Guava 的惰性加載機(jī)制，整體架構(gòu)如下圖所示：

緩存讀取流程如下： 1、業(yè)務(wù)網(wǎng)關(guān)剛啟動時(shí)，本地緩存沒有數(shù)據(jù)，讀取 Redis 緩存，如果 Redis 緩存也沒數(shù)據(jù)，則通過 RPC 調(diào)用導(dǎo)購服務(wù)讀取數(shù)據(jù)，然后再將數(shù)據(jù)寫入本地緩存和 Redis 中；若 Redis 緩存不為空，則將緩存數(shù)據(jù)寫入本地緩存中。 2、由于步驟 1 已經(jīng)對本地緩存預(yù)熱，后續(xù)請求直接讀取本地緩存，返回給用戶端。 3、Guava 配置了 refresh 機(jī)制，每隔一段時(shí)間會調(diào)用自定義 LoadingCache 線程池（5 個(gè)最大線程，5 個(gè)核心線程）去導(dǎo)購服務(wù)同步數(shù)據(jù)到本地緩存和 Redis 中。 優(yōu)化后，性能表現(xiàn)很好，平均耗時(shí)在 5ms 左右。最開始我以為出現(xiàn)問題的幾率很小，可是有一天晚上，突然發(fā)現(xiàn) app 端首頁顯示的數(shù)據(jù)時(shí)而相同，時(shí)而不同。 也就是說：雖然 LoadingCache 線程一直在調(diào)用接口更新緩存信息，但是各個(gè) 服務(wù)器本地緩存中的數(shù)據(jù)并非完成一致。說明了兩個(gè)很重要的點(diǎn)： 1、惰性加載仍然可能造成多臺機(jī)器的數(shù)據(jù)不一致 2、LoadingCache 線程池?cái)?shù)量配置的不太合理，導(dǎo)致了線程堆積 最終，我們的解決方案是： 1、惰性加載結(jié)合消息機(jī)制來更新緩存數(shù)據(jù)，也就是：當(dāng)導(dǎo)購服務(wù)的配置發(fā)生變化時(shí)，通知業(yè)務(wù)網(wǎng)關(guān)重新拉取數(shù)據(jù)，更新緩存。 2、適當(dāng)調(diào)大 LoadigCache 的線程池參數(shù)，并在線程池埋點(diǎn)，監(jiān)控線程池的使用情況，當(dāng)線程繁忙時(shí)能發(fā)出告警，然后動態(tài)修改線程池參數(shù)。

6 沒有銀彈

沒有銀彈是 Fred Brooks 在 1987 年所發(fā)表的一篇關(guān)于軟件工程的經(jīng)典論文。 論文強(qiáng)調(diào)真正的銀彈并不存在，而所謂的銀彈則是指沒有任何一項(xiàng)技術(shù)或方法可以能讓軟件工程的生產(chǎn)力在十年內(nèi)提高十倍。 通俗來講：在技術(shù)領(lǐng)域中沒有一種通用的解決方案可以解決所有問題。 技術(shù)本質(zhì)上是為了解決問題而存在的，每個(gè)問題都有其獨(dú)特的環(huán)境和限制條件，沒有一種通用的技術(shù)或工具可以完美地解決所有問題。 雖然技術(shù)不斷發(fā)展和進(jìn)步，但是對于復(fù)雜的問題，仍需要結(jié)合多種技術(shù)和方法，進(jìn)行系統(tǒng)性的思考和綜合性的解決方案設(shè)計(jì)，才能得到最優(yōu)解決方案。 回到文章開頭的問題 ，如何說服技術(shù)老大用 Redis ？ 假如應(yīng)用就是一個(gè)單體應(yīng)用，緩存可以不共享，通過定時(shí)任務(wù)刷新緩存對業(yè)務(wù)沒有影響，而且本地內(nèi)存可以 Hold 住緩存的對象大小，那么你的技術(shù)老大的方案沒有問題。 假如應(yīng)用業(yè)務(wù)比較復(fù)雜，需要使用緩存提升系統(tǒng)的性能，同時(shí)分布式緩存共享的特性對于研發(fā)來講開發(fā)更加快捷，Redis 確實(shí)是個(gè)不錯的選擇，可以從研發(fā)成本、代碼維護(hù)、人力模型等多個(gè)角度和技術(shù)老大提出自己的觀點(diǎn)。 總而言之，在技術(shù)領(lǐng)域中，沒有銀彈。我們需要不斷探索和研究新的技術(shù)，但同時(shí)也需要認(rèn)識到技術(shù)的局限性，不盲目追求所謂的 “銀彈”，而是結(jié)合具體問題和需求，選擇最適合的解決方案。

?

編輯：黃飛

?