摘要: 對于高并發(fā)架構(gòu)，毫無疑問緩存是最重要的一環(huán)，對于大量的高并發(fā)，可以采用三層緩存架構(gòu)來實現(xiàn)，nginx+redis+ehcache
Nginx
對于中間件nginx常用來做流量的分發(fā)，同時nginx本身也有自己的緩存（容量有限），我們可以用來緩存熱點數(shù)據(jù)，讓用戶的請求直接走緩存并返回，減少流向服務(wù)器的流量
一、模板引擎
通常我們可以配合使用freemaker/velocity等模板引擎來抗住大量的請求
小型系統(tǒng)可能直接在服務(wù)器端渲染出所有的頁面并放入緩存，之后的相同頁面請求就可以直接返回，不用去查詢數(shù)據(jù)源或者做數(shù)據(jù)邏輯處理
對于頁面非常之多的系統(tǒng)，當(dāng)模板有改變，上述方法就需要重新渲染所有的頁面模板，毫無疑問是不可取的。因此配合nginx+lua（OpenResty），將模板單獨保存在nginx緩存中，同時對于用來渲染的數(shù)據(jù)也存在nginx緩存中，但是需要設(shè)置一個緩存過期的時間，以盡可能保證模板的實時性
二、雙層nginx來提升緩存命中率
對于部署多個nginx而言，如果不加入一些數(shù)據(jù)的路由策略，那么可能導(dǎo)致每個nginx的緩存命中率很低。因此可以部署雙層nginx
分發(fā)層nginx負責(zé)流量分發(fā)的邏輯和策略，根據(jù)自己定義的一些規(guī)則，比如根據(jù)productId進行hash，然后對后端nginx數(shù)量取模將某一個商品的訪問請求固定路由到一個nginx后端服務(wù)器上去
后端nginx用來緩存一些熱點數(shù)據(jù)到自己的緩存區(qū)（分發(fā)層只能配置1個嗎）
Redis
用戶的請求，在nginx沒有緩存相應(yīng)的數(shù)據(jù)，那么會進入到redis緩存中，redis可以做到全量數(shù)據(jù)的緩存，通過水平擴展能夠提升并發(fā)、高可用的能力
一、持久化機制
持久化機制：將redis內(nèi)存中的數(shù)據(jù)持久化到磁盤中，然后可以定期將磁盤文件上傳至S3(AWS)或者ODPS（阿里云）等一些云存儲服務(wù)上去。
如果同時使用RDB和AOF兩種持久化機制，那么在redis重啟的時候，會使用AOF來重新構(gòu)建數(shù)據(jù)，因為AOF中的數(shù)據(jù)更加完整，建議將兩種持久化機制都開啟，用AO F來保證數(shù)據(jù)不丟失，作為數(shù)據(jù)恢復(fù)的第一選擇；用RDB來作不同程度的冷備，在AOF文件都丟失或損壞不可用的時候來快速進行數(shù)據(jù)的恢復(fù)。
實戰(zhàn)踩坑：對于想從RDB恢復(fù)數(shù)據(jù)，同時AOF開關(guān)也是打開的，一直無法正?；謴?fù)，因為每次都會優(yōu)先從AOF獲取數(shù)據(jù)（如果臨時關(guān)閉AOF，就可以正?；謴?fù)）。此時首先停止redis，然后關(guān)閉AOF，拷貝RDB到相應(yīng)目錄，啟動redis之后熱修改配置參數(shù)redis config set appendonly yes，此時會自動生成一個當(dāng)前內(nèi)存數(shù)據(jù)的AOF文件，然后再次停止redis，打開AOF配置，再次啟動數(shù)據(jù)就正常啟動
二、redis集群
replication
一主多從架構(gòu)，主節(jié)點負責(zé)寫，并且將數(shù)據(jù)同步到其他salve節(jié)點（異步執(zhí)行），從節(jié)點負責(zé)讀，主要就是用來做讀寫分離的橫向擴容架構(gòu)。這種架構(gòu)的master節(jié)點數(shù)據(jù)一定要做持久化，否則，當(dāng)master宕機重啟之后內(nèi)存數(shù)據(jù)清空，那么就會將空數(shù)據(jù)復(fù)制到slave，導(dǎo)致所有數(shù)據(jù)消失
sentinal哨兵
哨兵是redis集群架構(gòu)中很重要的一個組件，負責(zé)監(jiān)控redis master和slave進程是否正常工作，當(dāng)某個redis實例故障時，能夠發(fā)送消息報警通知給管理員，當(dāng)master node宕機能夠自動轉(zhuǎn)移到slave node上，如果故障轉(zhuǎn)移發(fā)生來，會通知client客戶端新的master地址。sentinal至少需要3個實例來保證自己的健壯性，并且能夠更好地進行quorum投票以達到majority來執(zhí)行故障轉(zhuǎn)移。
前兩種架構(gòu)方式最大的特點是，每個節(jié)點的數(shù)據(jù)是相同的，無法存取海量的數(shù)據(jù)。因此哨兵集群的方式使用與數(shù)據(jù)量不大的情況
redis cluster
redis cluster支撐多master node，每個master node可以掛載多個slave node，如果mastre掛掉會自動將對應(yīng)的某個slave切換成master。需要注意的是redis cluster架構(gòu)下slave節(jié)點主要是用來做高可用、故障主備切換的，如果一定需要slave能夠提供讀的能力，修改配置也可以實現(xiàn)（同時也需要修改jedis源碼來支持該情況下的讀寫分離操作）。redis cluster架構(gòu)下，master就是可以任意擴展的，直接橫向擴展master即可提高讀寫吞吐量。slave節(jié)點能夠自動遷移（讓master節(jié)點盡量平均擁有slave節(jié)點），對整個架構(gòu)過載冗余的slave就可以保障系統(tǒng)更高的可用性。
ehcache
tomcat jvm堆內(nèi)存緩存，主要是抗redis出現(xiàn)大規(guī)模災(zāi)難。如果redis出現(xiàn)了大規(guī)模的宕機，導(dǎo)致nginx大量流量直接涌入數(shù)據(jù)生產(chǎn)服務(wù)，那么最后的tomcat堆內(nèi)存緩存也可以處理部分請求，避免所有請求都直接流向DB
針對上面的技術(shù)我特意整理了一下，有很多技術(shù)不是靠幾句話能講清楚，所以干脆找朋友錄制了一些視頻，很多問題其實答案很簡單，但是背后的思考和邏輯不簡單，要做到知其然還要知其所以然。如果想學(xué)習(xí)Java工程化、高性能及分布式、深入淺出。微服務(wù)、Spring，MyBatis，Netty源碼分析的朋友可以加我的Java進階群：694549689，群里有阿里大牛直播講解技術(shù)，以及Java大型互聯(lián)網(wǎng)技術(shù)的視頻免費分享給大家。
緩存數(shù)據(jù)更新策略
對時效性要求高的緩存數(shù)據(jù)，當(dāng)發(fā)生變更的時候，直接采取數(shù)據(jù)庫和redis緩存雙寫的方案，讓緩存時效性最高。
對時效性不高的數(shù)據(jù)，當(dāng)發(fā)生變更之后，采取MQ異步通知的方式，通過數(shù)據(jù)生產(chǎn)服務(wù)來監(jiān)聽MQ消息，然后異步去拉取服務(wù)的數(shù)據(jù)更新tomcat jvm緩存和redis緩存，對于nginx本地緩存過期之后就可以從redis中拉取新的數(shù)據(jù)并更新到nginx本地。
經(jīng)典的緩存+數(shù)據(jù)庫讀寫的模式，cache aside pattern
讀的時候，先讀緩存，緩存沒有的話，那么就讀數(shù)據(jù)庫，然后取出數(shù)據(jù)后放入緩存，同時返回響應(yīng)
更新的時候，先刪除緩存，然后再更新數(shù)據(jù)庫
之所以更新的時候只是刪除緩存，因為對于一些復(fù)雜有邏輯的緩存數(shù)據(jù)，每次數(shù)據(jù)變更都更新一次緩存會造成額外的負擔(dān)，只是刪除緩存，讓該數(shù)據(jù)下一次被使用的時候再去執(zhí)行讀的操作來重新緩存，這里采用的是懶加載的策略。舉個例子，一個緩存涉及的表的字段，在1分鐘內(nèi)就修改了20次，或者是100次，那么緩存跟新20次，100次；但是這個緩存在1分鐘內(nèi)就被讀取了1次，因此每次更新緩存就會有大量的冷數(shù)據(jù)，對于緩存符合28黃金法則，20%的數(shù)據(jù)，占用了80%的訪問量
數(shù)據(jù)庫和redis緩存雙寫不一致的問題
最初級的緩存不一致問題以及解決方案
問題：如果先修改數(shù)據(jù)庫再刪除緩存，那么當(dāng)緩存刪除失敗來，那么會導(dǎo)致數(shù)據(jù)庫中是最新數(shù)據(jù)，緩存中依舊是舊數(shù)據(jù)，造成數(shù)據(jù)不一致。
解決方案：可以先刪除緩存，再修改數(shù)據(jù)庫，如果刪除緩存成功但是數(shù)據(jù)庫修改失敗，那么數(shù)據(jù)庫中是舊數(shù)據(jù)，緩存是空不會出現(xiàn)不一致
比較復(fù)雜的數(shù)據(jù)不一致問題分析
問題：對于數(shù)據(jù)發(fā)生來變更，先刪除緩存，然后去修改數(shù)據(jù)庫，此時數(shù)據(jù)庫中的數(shù)據(jù)還沒有修改成功，并發(fā)的讀請求到來去讀緩存發(fā)現(xiàn)是空，進而去數(shù)據(jù)庫查詢到此時的舊數(shù)據(jù)放到緩存中，然后之前對數(shù)據(jù)庫數(shù)據(jù)的修改成功來，就會造成數(shù)據(jù)不一致
解決方案：將數(shù)據(jù)庫與緩存更新與讀取操作進行異步串行化。當(dāng)更新數(shù)據(jù)的時候，根據(jù)數(shù)據(jù)的唯一標(biāo)識，將更新數(shù)據(jù)操作路由到一個jvm內(nèi)部的隊列中，一個隊列對應(yīng)一個工作線程，線程串行拿到隊列中的操作一條一條地執(zhí)行。當(dāng)執(zhí)行隊列中的更新數(shù)據(jù)操作，刪除緩存，然后去更新數(shù)據(jù)庫，此時還沒有完成更新的時候過來一個讀請求，讀到了空的緩存那么可以先將緩存更新的請求發(fā)送至路由之后的隊列中，此時會在隊列積壓，然后同步等待緩存更新完成，一個隊列中多個相同數(shù)據(jù)緩存更新請求串在一起是沒有意義的，因此可以做過濾處理。等待前面的更新數(shù)據(jù)操作完成數(shù)據(jù)庫操作之后，才會去執(zhí)行下一個緩存更新的操作，此時會從數(shù)據(jù)庫中讀取最新的數(shù)據(jù)，然后寫入緩存中，如果請求還在等待時間范圍內(nèi)，不斷輪詢發(fā)現(xiàn)可以取到緩存中值就可以直接返回（此時可能會有對這個緩存數(shù)據(jù)的多個請求正在這樣處理）；如果請求等待事件超過一定時長，那么這一次的請求直接讀取數(shù)據(jù)庫中的舊值
對于這種處理方式需要注意一些問題：
讀請求長時阻塞：由于讀請求進行來非常輕度的異步化，所以對超時的問題需要格外注意，超過超時時間會直接查詢DB，處理不好會對DB造成壓力，因此需要測試系統(tǒng)高峰期QPS來調(diào)整機器數(shù)以及對應(yīng)機器上的隊列數(shù)最終決定合理的請求等待超時時間
多實例部署的請求路由：可能這個服務(wù)會部署多個實例，那么必須保證對應(yīng)的請求都通過nginx服務(wù)器路由到相同的服務(wù)實例上
熱點數(shù)據(jù)的路由導(dǎo)師請求的傾斜：因為只有在商品數(shù)據(jù)更新的時候才會清空緩存，然后才會導(dǎo)致讀寫并發(fā)，所以更新頻率不是太高的話，這個問題的影響并不是特別大，但是的確可能某些機器的負載會高一些
分布式緩存重建并發(fā)沖突解決方案
對于緩存生產(chǎn)服務(wù)，可能部署在多臺機器，當(dāng)redis和ehcache對應(yīng)的緩存數(shù)據(jù)都過期不存在時，此時可能nginx過來的請求和kafka監(jiān)聽的請求同時到達，導(dǎo)致兩者最終都去拉取數(shù)據(jù)并且存入redis中，因此可能產(chǎn)生并發(fā)沖突的問題，可以采用redis或者zookeeper類似的分布式鎖來解決，讓請求的被動緩存重建與監(jiān)聽主動的緩存重建操作避免并發(fā)的沖突，當(dāng)存入緩存的時候通過對比時間字段廢棄掉舊的數(shù)據(jù)，保存最新的數(shù)據(jù)到緩存
緩存冷啟動以及緩存預(yù)熱解決方案
當(dāng)系統(tǒng)第一次啟動，大量請求涌入，此時的緩存為空，可能會導(dǎo)致DB崩潰，進而讓系統(tǒng)不可用，同樣當(dāng)redis所有緩存數(shù)據(jù)異常丟失，也會導(dǎo)致該問題。因此，可以提前放入數(shù)據(jù)到redis避免上述冷啟動的問題，當(dāng)然也不可能是全量數(shù)據(jù)，可以根據(jù)類似于當(dāng)天的具體訪問情況，實時統(tǒng)計出訪問頻率較高的熱數(shù)據(jù)，這里熱數(shù)據(jù)也比較多，需要多個服務(wù)并行的分布式去讀寫到redis中（所以要基于zk分布式鎖）
通過nginx+lua將訪問流量上報至kafka中，storm從kafka中消費數(shù)據(jù)，實時統(tǒng)計處每個商品的訪問次數(shù)，訪問次數(shù)基于LRU（apache commons collections LRUMap）內(nèi)存數(shù)據(jù)結(jié)構(gòu)的存儲方案，使用LRUMap去存放是因為內(nèi)存中的性能高，沒有外部依賴，每個storm task啟動的時候基于zk分布式鎖將自己的id寫入zk同一個節(jié)點中，每個storm task負責(zé)完成自己這里的熱數(shù)據(jù)的統(tǒng)計，每隔一段時間就遍歷一下這個map，然后維護一個前1000的數(shù)據(jù)list，然后去更新這個list，最后開啟一個后臺線程，每隔一段時間比如一分鐘都將排名的前1000的熱數(shù)據(jù)list同步到zk中去，存儲到這個storm task對應(yīng)的一個znode中去
部署多個實例的服務(wù)，每次啟動的時候就會去拿到上述維護的storm task id列表的節(jié)點數(shù)據(jù)，然后根據(jù)taskid，一個一個去嘗試獲取taskid對應(yīng)的znode的zk分布式鎖，如果能夠獲取到分布式鎖，再去獲取taskid status的鎖進而查詢預(yù)熱狀態(tài)，如果沒有被預(yù)熱過，那么就將這個taskid對應(yīng)的熱數(shù)據(jù)list取出來，從而從DB中查詢出來寫入緩存中，如果taskid分布式鎖獲取失敗，快速拋錯進行下一次循環(huán)獲取下一個taskid的分布式鎖即可，此時就是多個服務(wù)實例基于zk分布式鎖做協(xié)調(diào)并行的進行緩存的預(yù)熱
緩存熱點導(dǎo)致系統(tǒng)不可用解決方案
對于瞬間大量的相同數(shù)據(jù)的請求涌入，可能導(dǎo)致該數(shù)據(jù)經(jīng)過hash策略之后對應(yīng)的應(yīng)用層nginx被壓垮，如果請求繼續(xù)就會影響至其他的nginx，最終導(dǎo)致所有nginx出現(xiàn)異常整個系統(tǒng)變得不可用。
基于nginx+lua+storm的熱點緩存的流量分發(fā)策略自動降級來解決上述問題的出現(xiàn)，可以設(shè)定訪問次數(shù)大于后95%平均值n倍的數(shù)據(jù)為熱點，在storm中直接發(fā)送http請求到流量分發(fā)的nginx上去，使其存入本地緩存，然后storm還會將熱點對應(yīng)的完整緩存數(shù)據(jù)沒發(fā)送到所有的應(yīng)用nginx服務(wù)器上去，并直接存放到本地緩存。
對于流量分發(fā)nginx，訪問對應(yīng)的數(shù)據(jù)，如果發(fā)現(xiàn)是熱點標(biāo)識就立即做流量分發(fā)策略的降級，對同一個數(shù)據(jù)的訪問從hash到一臺應(yīng)用層nginx降級成為分發(fā)至所有的應(yīng)用層nginx。storm需要保存上一次識別出來的熱點List，并同當(dāng)前計算出來的熱點list做對比，如果已經(jīng)不是熱點數(shù)據(jù)，則發(fā)送對應(yīng)的http請求至流量分發(fā)nginx中來取消對應(yīng)數(shù)據(jù)的熱點標(biāo)識
緩存雪崩解決方案
redis集群徹底崩潰，緩存服務(wù)大量對redis的請求等待，占用資源，隨后緩存服務(wù)大量的請求進入源頭服務(wù)去查詢DB，使DB壓力過大崩潰，此時對源頭服務(wù)的請求也大量等待占用資源，緩存服務(wù)大量的資源全部耗費在訪問redis和源服務(wù)無果，最后使自身無法提供服務(wù)，最終會導(dǎo)致整個網(wǎng)站崩潰。
事前的解決方案，搭建一套高可用架構(gòu)的redis cluster集群，主從架構(gòu)、一主多從，一旦主節(jié)點宕機，從節(jié)點自動跟上，并且最好使用雙機房部署集群。
事中的解決方案，部署一層ehcache緩存，在redis全部實現(xiàn)情況下能夠抗住部分壓力；對redis cluster的訪問做資源隔離，避免所有資源都等待，對redis cluster的訪問失敗時的情況去部署對應(yīng)的熔斷策略，部署redis cluster的降級策略；對源服務(wù)訪問的限流以及資源隔離
事后的解決方案：redis數(shù)據(jù)做了備份可以直接恢復(fù)，重啟redis即可；redis數(shù)據(jù)徹底失敗來或者數(shù)據(jù)過舊，可以快速緩存預(yù)熱，然后讓redis重新啟動。然后由于資源隔離的half-open策略發(fā)現(xiàn)redis已經(jīng)能夠正常訪問，那么所有的請求將自動恢復(fù)
緩存穿透解決方案
對于在多級緩存中都沒有對應(yīng)的數(shù)據(jù)，并且DB也沒有查詢到數(shù)據(jù)，此時大量的請求都會直接到達DB，導(dǎo)致DB承載高并發(fā)的問題。解決緩存穿透的問題可以對DB也沒有的數(shù)據(jù)返回一個空標(biāo)識的數(shù)據(jù)，進而保存到各級緩存中，因為有對數(shù)據(jù)修改的異步監(jiān)聽，所以當(dāng)數(shù)據(jù)有更新，新的數(shù)據(jù)會被更新到緩存匯中。
Nginx緩存失效導(dǎo)致redis壓力倍增
可以在nginx本地，設(shè)置緩存數(shù)據(jù)的時候隨機緩存的有效期，避免同一時刻緩存都失效而大量請求直接進入redis
這個過程值得我們?nèi)ド钊雽W(xué)習(xí)和思考。
