热点问题概述

产生原因

热点问题产生的原因大致有以下两种:

  • 用户消费的数据远大于生产的数据(热卖商品、热点新闻、热点评论、明星直播)。

    在日常工作生活中一些突发的的事件,例如:双十一期间某些热门商品的降价促销,当这其中的某一件商品被数万次点击浏览或者购买时,会形成一个较大的需求量,这种情况下就会造成热点问题。同理,被大量刊发、浏览的热点新闻、热点评论、明星直播等,这些典型的读多写少的场景也会产生热点问题。

  • 请求分片集中,超过单Server的性能极限。

    在服务端读数据进行访问时,往往会对数据进行分片切分,此过程中会在某一主机Server上对相应的Key进行访问,当访问超过Server极限时,就会导致热点Key问题的产生。

热点问题的危害



  • 流量集中,达到物理网卡上限。
  • 请求过多,缓存分片服务被打垮。
  • DB击穿,引起业务雪崩。

如前文讲到的,当某一热点Key的请求在某一主机上超过该主机网卡上限时,由于流量的过度集中,会导致服务器中其它服务无法进行。如果热点过于集中,热点Key的缓存过多,超过目前的缓存容量时,就会导致缓存分片服务被打垮现象的产生。当缓存服务崩溃后,此时再有请求产生,会缓存到后台DB上,由于DB本身性能较弱,在面临大请求时很容易发生请求穿透现象,会进一步导致雪崩现象,严重影响设备的性能。

常见解决方案

通常的解决方案主要集中在对客户端和Server端进行相应的改造。

服务端缓存方案



首先Client会将请求发送至Server上,而Server又是一个多线程的服务,本地就具有一个基于Cache LRU策略的缓存空间。当Server本身就拥堵时,Server不会将请求进一步发送给DB而是直接返回,只有当Server本身畅通时才会将Client请求发送至DB,并且将该数据重新写入到缓存中。此时就完成了缓存的访问跟重建。

但该方案也存在以下问题:

  • 缓存失效,多线程构建缓存问题

  • 缓存丢失,缓存构建问题

  • 脏读问题

使用Memcache、Redis方案



该方案通过在客户端单独部署缓存的方式来解决热点Key问题。使用过程中Client首先访问服务层,再对同一主机上的缓存层进行访问。该种解决方案具有就近访问、速度快、没有带宽限制的优点,但是同时也存在以下问题。

  • 内存资源浪费

  • 脏读问题

使用本地缓存方案

使用本地缓存则存在以下问题:

  • 需要提前获知热点

  • 缓存容量有限

  • 不一致性时间增长

  • 热点Key遗漏

传统的热点解决方案都存在各种各样的问题,那么究竟该如何解决热点问题呢?

阿里云数据库解热点之道

读写分离方案解决热读



架构中各节点的作用如下:

  • SLB层做负载均衡

  • Proxy层做读写分离自动路由

  • Master负责写请求

  • ReadOnly节点负责读请求

  • Replica节点和Master节点做高可用

实际过程中Client将请求传到SLB,SLB又将其分发至多个Proxy内,通过Proxy对请求的识别,将其进行分类发送。例如,将同为Write的请求发送到Master模块内,而将Read的请求发送至ReadOnly模块。而模块中的只读节点可以进一步扩充,从而有效解决热点读的问题。读写分离同时具有可以灵活扩容读热点能力、可以存储大量热点Key、对客户端友好等优点。

热点数据解决方案



该方案通过主动发现热点并对其进行存储来解决热点Key的问题。首先Client也会访问SLB,并且通过SLB将各种请求分发至Proxy中,Proxy会按照基于路由的方式将请求转发至后端的Redis中。

在热点key的解决上是采用在服务端增加缓存的方式进行。具体来说就是在Proxy上增加本地缓存,本地缓存采用LRU算法来缓存热点数据,后端db节点增加热点数据计算模块来返回热点数据。

Proxy架构的主要有以下优点:

  • Proxy本地缓存热点,读能力可水平扩展

  • DB节点定时计算热点数据集合

  • DB反馈 Proxy 热点数据

  • 对客户端完全透明,不需做任何兼容

热点key处理

热点数据的读取



在热点Key的处理上主要分为写入跟读取两种形式,在数据写入过程当SLB收到数据K1并将其通过某一个Proxy写入一个Redis,完成数据的写入。假若经过后端热点模块计算发现K1成为热点key后, Proxy会将该热点进行缓存,当下次客户端再进行访问K1时,可以不经Redis。最后由于proxy是可以水平扩充的,因此可以任意增强热点数据的访问能力。

热点数据的发现



对于db上热点数据的发现,首先会在一个周期内对Key进行请求统计,在达到请求量级后会对热点Key进行热点定位,并将所有的热点Key放入一个小的LRU链表内,在通过Proxy请求进行访问时,若Redis发现待访点是一个热点,就会进入一个反馈阶段,同时对该数据进行标记。

DB计算热点时,主要运用的方法和优势有:

  • 基于统计阀值的热点统计

  • 基于统计周期的热点统计

  • 基于版本号实现的无需重置初值统计方法

  • DB 计算同时具有对性能影响极其微小、内存占用极其微小等优点

两种方案对比

通过上述对比分析可以看出,阿里云在解决热点Key上较传统方法相比都有较大的提高,无论是基于读写分离方案还是热点数据解决方案,在实际处理环境中都可以做灵活的水平能力扩充、都对客户端透明、都有一定的数据不一致性。此外读写分离模式可以存储更大量的热点数据,而基于Proxy的模式有成本上的优势。