作者:张隆 阿里电影演出技术中心团队
本文将为大家介绍JetCache缓存开源组件的前世今生,并剖析了JetCache的工作原理及设计优势。
一、JetCache的前世今生
1.1 诞生-阿里彩票JetCache的伊甸园
-
2013年,JetCache诞生于 [ 阿里彩票 ],作者是 [ huangli ] 凭借得天独厚的Tair支持和丰富的Spring生态注解支持,赢得了大家的喜爱。
-
2015年,随着SpringBoot的大热和集团内PandoraBoot的彻底铺开,JetCache以Starter的形式实现了扩展,优化了配置项,在架构设计和性能上更上一层楼。
-
2015年同年,JetCache开源至Github,作为alibaba的开源缓存框架,其易用性和设计先进性吸引了大批国内外用户,截止当前在github上累计3.7k star,870 fork。
-
2018年JetCache最大版本更新,对整体的设计进行了调整,修改了默认的序列化方式,集成支持了SpringData,RedisLettuce,Redisson等更加高效以及功能更加灵活且高级的三方SDK。
1.2 整合-开源界大放异彩
-
JetCache原生支持的远程缓存是Tair,但是Tair在集团外并不可用。JetCache为了拥抱开源,实现了时下主流的GuavaCache, CaffeineCache, Redis,MemCache基本覆盖了国内的主流缓存中间件。
-
在功能性方面,JetCache满足了用户一行注解解决Method缓存的刚需,同时也能通过叠加注解的方式非常高效的处理缓存穿透,缓存击穿,缓存雪崩,缓存失效等经典分布式缓存的问题,这让用户充分体验到了缓存框架的效率优势和设计先进性。
-
在扩展性方面,JetCache满足了用户一行注解解决Method缓存的刚需,也提供了优秀的扩展能力。想要实现一个新的Cache类型,只需要实现AbstractEmbeddedCache或者AbstractExternalCache就可以以非常低廉的成本实现一个新的缓存框架。
1.3 挑战-SpringCache江湖地位
-
在2015年最火的框架是SpringBoot,SpringBoot提供了非常丰富的组件支持以及模块化的组件管理,其中就包括基于JSR-107--JCacheAPI实现的SpringCache框架。
-
SpringCache框架很好的实现了JCacheAPI,在当时占据了非常有力的位置,几乎所有的SpringBoot初创项目,都选择了使用SpringCache来作为他们的第一个缓存框架。但随着软件工程的规模越来越大,分布式场景的经典问题也接踵而至,显然SpringCache在应对分布式环境的经典问题时显得太过于稚嫩。
对于分布式场景,缓存穿透,缓存击穿,缓存雪崩 等经典问题,缺少足够成熟的方案。
高级特性上,如 分布式锁,多级缓存滑动窗口,缓存序列化,异步API支持等实际工作场景经常会需要用到的核心能力,要么没有,要么不够用。
对于扩展性上,设计的不够开放和正交,很难低成本的完成一些高级功能的扩展。
-
JetCache在这方面做的就不错,并且在迁移缓存方面基本上可以做到换注解平替,所以一旦工程规模达到一定量级,很多架构师会选择从SpringCache的方式切换到JetCache上。
二、JetCache是如何工作的
完整的组件串联文档:
https://app.heptabase.com/w/db02907915c401c6e33ddcc47e4d67a589047a846be16f30de1644501d939787
2.1 JSR-107--缓存JCache标准抽象实现
Java在2012的JSR-107协议中新增了关于缓存的抽象设计标准--JCache。
2.2 丰富注解-无侵入抽象设计
2.3 启动器和配置-Bean方式
@Configuration
@EnableMethodCache(basePackages = "com.taobao.film.tfmind")
@EnableCreateCacheAnnotation
public class JetCacheConfig {
@Bean
public GlobalCacheConfig config(
@Qualifier("ldbTairManager") TairManager tairLdbManager,
@Qualifier("mdbTairManager") TairManager tairMdbManager,
@Qualifier("rdb3CacheCompose") Rdb3CacheCompose rdb3CacheCompose) {
Map<String, CacheBuilder> localBuilders = new HashMap<>();
Map<String, CacheBuilder> remoteBuilders = new HashMap<>();
// 本地缓存 CaffeineCache
EmbeddedCacheBuilder<?> localBuilder = CaffeineCacheBuilder
.createCaffeineCacheBuilder()
.keyConvertor(FastjsonKeyConvertor.INSTANCE);
localBuilders.put(CacheConsts.DEFAULT_AREA, localBuilder);
// 远程缓存 LDB
TairCacheBuilder<?> ldbCacheBuilder = TairCacheBuilder.createTairCacheBuilder()
.keyConvertor(FastjsonKeyConvertor.INSTANCE)
.valueEncoder(KryoValueEncoder.INSTANCE)
.valueDecoder(KryoValueDecoder.INSTANCE)
.tairManager(tairLdbManager)
.namespace(SysConstants.NEW_TAIR_AREA)
.cacheNullValue(true);
remoteBuilders.put(CacheConsts.DEFAULT_AREA, ldbCacheBuilder);
// 远程缓存 MDB
TairCacheBuilder<?> ldbCacheBuilder = TairCacheBuilder.createTairCacheBuilder()
.keyConvertor(FastjsonKeyConvertor.INSTANCE)
.valueEncoder(KryoValueEncoder.INSTANCE)
.valueDecoder(KryoValueDecoder.INSTANCE)
.tairManager(tairLdbManager)
.namespace(SysConstants.NEW_TAIR_AREA)
.cacheNullValue(true);
remoteBuilders.put("MDB", mdbCacheBuilder);
// 远程缓存 RDB
TairRdb3CacheBuilder<?> rdb3CacheBuilder = TairRdb3CacheBuilder.createRedisCacheBuilder()
.keyConvertor(FastjsonKeyConvertor.INSTANCE)
.valueEncoder(KryoValueEncoder.INSTANCE)
.valueDecoder(KryoValueDecoder.INSTANCE)
.jedisPool(rdb3CacheCompose.getJedisPool())
.cacheNullValue(true);
remoteBuilders.put("RDB3", rdb3CacheBuilder);
// 构建全局缓存配置
GlobalCacheConfig globalCacheConfig = new GlobalCacheConfig();
globalCacheConfig.setConfigProvider(springConfigProvider());
globalCacheConfig.setLocalCacheBuilders(localBuilders);
globalCacheConfig.setRemoteCacheBuilders(remoteBuilders);
globalCacheConfig.setStatIntervalMinutes(5);
globalCacheConfig.setAreaInCacheName(false);
return globalCacheConfig;
}
}
2.4 注解模式-AOP-缓存
基于AOP的方法级缓存,最常用最直观的CacheAside模式。
public interface UserService {
@Cached(expire = 3600, cacheType = CacheType.REMOTE)
User getUserById(long userId);
}
2.5 注解模式-Cache-API 缓存
基于CacheAPI的缓存形式,复杂场景下最灵活的模式。
@CreateCache(expire = 3600, cacheType = CacheType.REMOTE)
private Cache<Long, UserDO> userCache;
2.6 高级API模式-手动创建CacheAPI
@Autowired
private CacheManager cacheManager;
private Cache<String, UserDO> userCache;
public UserDO getTestCacheValue() {
if(userCache == null) {
QuickConfig qc = QuickConfig.newBuilder("userCache")
.expire(Duration.ofSeconds(100))
.cacheType(CacheType.BOTH)
.syncLocal(true) // invalidate local cache in all jvm process after update
.build();
userCache = cacheManager.getOrCreateCache(qc);
}
return userCache.get("TestCacheKey")
}
2.7 Cache基础缓存操作
// 数据存储
void put(K key, V value); // 数据录入
void putAll(Map<? extends K,? extends V> map); // 批量数据录入
boolean putIfAbsent(K key, V value); // 卫语句的数据存储
// 数据读取
V get(K key); // 数据读取
Map<K,V> getAll(Set<? extends K> keys); // 批量数据读取
// 数据删除
void remove(K key);
void removeAll(Set<? extends K> keys);
// 异步高级缓存API
V computeIfAbsent(K key, Function<K, V> loader);
V computeIfAbsent(K key, Function<K, V> loader, boolean cacheNullWhenLoaderReturnNull);
V computeIfAbsent(K key, Function<K, V> loader, boolean cacheNullWhenLoaderReturnNull, long expire, TimeUnit timeUnit);
// 分布式锁
AutoReleaseLock tryLock(K key, long expire, TimeUnit timeUnit);
boolean tryLockAndRun(K key, long expire, TimeUnit timeUnit, Runnable action);
// 原始缓存API (一般不用)
CacheGetResult<V> GET(K key);
MultiGetResult<K, V> GET_ALL(Set<? extends K> keys);
CacheResult PUT(K key, V value);
CacheResult PUT(K key, V value, long expireAfterWrite, TimeUnit timeUnit);
CacheResult PUT_ALL(Map<? extends K, ? extends V> map);
CacheResult PUT_ALL(Map<? extends K, ? extends V> map, long expireAfterWrite, TimeUnit timeUnit);
CacheResult REMOVE(K key);
CacheResult REMOVE_ALL(Set<? extends K> keys);
CacheResult PUT_IF_ABSENT(K key, V value, long expireAfterWrite, TimeUnit timeUnit);
2.8 分布式-缓存穿透
-
分布式场景下的热点数据通常都保存在缓存当中,以减少数据库的压力,提升服务的性能。
-
缓存击穿是指,攻击者利用随机访问的方式短时间大量的访问不存在的数据,由于数据不存在,所以缓存中查不到,请求越过缓存层直达数据库,造成数据库的压力激增。
-
通常的解法有:[空值缓存] 及 [布隆过滤器]
-
JetCache使用了较为轻量级的 [空值缓存] 方式,来解决这个问题。
@Cached(cacheNullValue=true)
、@CreateCache(cacheNullValue=true)
// AbstractCache.class
static <K, V> V computeIfAbsentImpl(K key, Function<K, V> loader, boolean cacheNullWhenLoaderReturnNull,
long expireAfterWrite, TimeUnit timeUnit, Cache<K, V> cache) {
.......
Consumer<V> cacheUpdater = (loadedValue) -> {
if(needUpdate(loadedValue, cacheNullWhenLoaderReturnNull, newLoader)) {
if (timeUnit != null) {
cache.PUT(key, loadedValue, expireAfterWrite, timeUnit).waitForResult();
} else {
cache.PUT(key, loadedValue).waitForResult();
}
}
};
......
}
2.9 分布式-缓存击穿
-
CacheAside模式的缓存由于本身有淘汰策略,在数据失效后,缓存组件会直接访问数据库尝试重建缓存。
-
在大规模分布式热点的情况下,一旦热点数据失效,会有大量的请求同时尝试重建缓存,这不但会导致资源浪费,更加危险的是会造成数据库瞬时极大的压力。
-
JetCache通过注解
@CachePenetrationProtect
实现了JVM内存锁级的击穿保护,使并发重建的请求限制到可控范围。( 如果数据利用率高还可以使用@CacheRefresh
的方式来实现基于分布式锁的缓存重建能力 )
// AbstractCache.class
static <K, V> V computeIfAbsentImpl(K key, Function<K, V> loader, boolean cacheNullWhenLoaderReturnNull,
long expireAfterWrite, TimeUnit timeUnit, Cache<K, V> cache) {
....
if (cache.config().isCachePenetrationProtect()) {
loadedValue = synchronizedLoad(cache.config(), abstractCache, key, newLoader, cacheUpdater);
} else {
loadedValue = newLoader.apply(key);
cacheUpdater.accept(loadedValue);
}
....
}
2.10 分布式-缓存雪崩
-
缓存雪崩与缓存击穿类似,但是情况更为危机后果更为严重,有可能导致整个集群服务瘫痪。
-
当大量热点缓存同时失效的时候,大量的缓存重建请求会直达数据库,造成服务节点瘫痪形成服务雪崩。
-
缓存雪崩的处理方式较为复杂,但简单来说:
可以建立多级缓存,通过设置不同的过期时间,形成重叠数据滑动窗口。
通过服务主动维护异步任务的形式,维护一块永固缓存,防止热点失效。
-
JetCache 可以通过
多级缓存
来避免这种情况。 -
JetCache 还提供了
@CacheRefresh
和CacheLoader
的方式,使服务有能力创建内建的时间块任务,来达到维护分布式环境下永固缓存的目的。
// RefreshCache.class
public void run() {
try {
if (config.getRefreshPolicy() == null || (loader == null && !hasLoader())) {
cancel();
return;
}
long now = System.currentTimeMillis();
long stopRefreshAfterLastAccessMillis = config.getRefreshPolicy().getStopRefreshAfterLastAccessMillis();
if (stopRefreshAfterLastAccessMillis > 0) {
if (lastAccessTime + stopRefreshAfterLastAccessMillis < now) {
logger.debug("cancel refresh: {}", key);
cancel();
return;
}
}
logger.debug("refresh key: {}", key);
Cache concreteCache = concreteCache();
if (concreteCache instanceof AbstractExternalCache) {
externalLoad(concreteCache, now);
} else {
load();
}
} catch (Throwable e) {
logger.error("refresh error: key=" + key, e);
}
}
2.11 分布式-缓存失效/更新
-
缓存数据也需要维护,尤其是缓存和实际数据不一致的情况下。
-
例如用户数据,就非常需要缓存失效和缓存更新的能力,及时的在用户做了数据操作之后更新公共缓存的数据。
-
JetCache通过
@CacheInvalid
和@CacheUpdate
提供了这种能力,极大程度的避免了缓存数据不一致的情况,同时也增强了缓存操作的灵活性。
public interface UserService {
@Cached(name="userCache.", key="#userId", expire = 3600)
User getUserById(long userId);
@CacheUpdate(name="userCache.", key="#user.userId", value="#user")
void updateUser(User user);
@CacheInvalidate(name="userCache.", key="#userId")
void deleteUser(long userId);
}
三、JetCache框架设计剖析优势有哪些?
3.1 支持多种KV序列化方式
-
CacheKey Convertor :用来进行缓存Key的加工处理
环境隔离: CacheKey在影演使用最广泛方式,抽象实现环境前缀Convertor就可以当前环境进行缓存前缀的拼接,从而达到数据隔离的目的。
长短缓存: 长短缓存通常使用对象缓存作为Key,为了容灾短缓存和长缓存通常使用了不同的缓存Key。通过实现长短缓存Convertor可以实现相同对象,可以控制长、短缓存的Key使用对象中的不同属性构造,从而达到短缓存提升性能,长缓存降级的目的。
-
ValueEncode、ValueDecode:用来提升缓存性能的绝佳方式
高性能序列化:选择JavaSerialize、kyro、Kyro5的序列化方式可以极大程度的提升我们系统对性能的要求,很适合应对高并发环境的大流量压力。
兼容性序列化:选择JSON(FastJson、FastJson2、Jackson)的方式,可以为缓存提供良好的兼容性。在架构设计的初期,完全可以采用这种方式来实现平稳迭代。
加密序列化:当我们使用外部数据库的时候,我们可以自己实现ValueEncode和ValueDecode来保障我们数据的安全。
3.2 支持多种本地,远程缓存
3.3 多级缓存-乐高积木
-
长短缓存:通过多级缓存加上KeyConvertor可以快速构建成本最低效率最高的长短缓存组件。
-
用户缓存:互动用户数据很多,配合用户路由,可以结合 LocalCache + LDB 的方式既保证数据的可靠性,又能将性能从10ms -> 1ms 级。
-
自定义多级“缓存”:由于JetCache缓存的实现相当方便,我们甚至可以实现 Mysql,Opensearch 的Cache实现,并且把它组转到多级缓存之中,形成一种结构稳固的数据读写组件。
3.4 高级特性-加载器
// AOP 缓存 Example
@Cached(expireTime= 5 * 60)
public Long loadOrderSumFromDatabase(String orderType);
@CreateCache(expireTime= 5 * 60)
private Cache<String, Order> orderSumCache;
// 每分钟拉取订单总数,形成持久缓存
@PostConstruct
public void init(){
RefreshPolicy policy = RefreshPolicy.newPolicy(1, TimeUnit.MINUTES)
.stopRefreshAfterLastAccess(30, TimeUnit.MINUTES);
orderSumCache.config().setLoader(this::loadOrderSumFromDatabase);
orderSumCache.config().setRefreshPolicy(policy);
}
3.5 高级特性-监听器
官方实现-数据报告
// 数据报告Monitor的代码实现
public class DefaultCacheMonitor implements CacheMonitor {
public synchronized void afterOperation(CacheEvent event) {
if (event instanceof CacheGetEvent) {
CacheGetEvent e = (CacheGetEvent) event;
afterGet(e.getMillis(), e.getKey(), e.getResult());
} else if (event instanceof CachePutEvent) {
CachePutEvent e = (CachePutEvent) event;
afterPut(e.getMillis(), e.getKey(), e.getValue(), e.getResult());
} else if (event instanceof CacheRemoveEvent) {
CacheRemoveEvent e = (CacheRemoveEvent) event;
afterRemove(e.getMillis(), e.getKey(), e.getResult());
} else if (event instanceof CacheLoadEvent) {
CacheLoadEvent e = (CacheLoadEvent) event;
afterLoad(e.getMillis(), e.getKey(), e.getLoadedValue(), e.isSuccess());
} else if (event instanceof CacheGetAllEvent) {
CacheGetAllEvent e = (CacheGetAllEvent) event;
afterGetAll(e.getMillis(), e.getKeys(), e.getResult());
} else if (event instanceof CacheLoadAllEvent) {
CacheLoadAllEvent e = (CacheLoadAllEvent) event;
afterLoadAll(e.getMillis(), e.getKeys(), e.getLoadedValue(), e.isSuccess());
} else if (event instanceof CachePutAllEvent) {
CachePutAllEvent e = (CachePutAllEvent) event;
afterPutAll(e.getMillis(), e.getMap(), e.getResult());
} else if (event instanceof CacheRemoveAllEvent) {
CacheRemoveAllEvent e = (CacheRemoveAllEvent) event;
afterRemoveAll(e.getMillis(), e.getKeys(), e.getResult());
}
}
}
// 数据报告Monitor 的注册
public void addMonitors(CacheManager cacheManager, Cache cache, QuickConfig quickConfig) {
if (metricsManager == null) {
return;
}
DefaultCacheMonitor monitor = new DefaultCacheMonitor(quickConfig.getName());
cache.config().getMonitors().add(monitor);
}
效果:
四、影演之路:影演如何发展了JetCache
Jetcache在开源界如此火,离不开它遵循了JSR107标准,遵从于原则的设计和对原则的扩充使得它在学习效率上非常高效,代码结构上也非常优秀,并且它也在开放性和扩展性下足了功夫,真正实现了架构上的 ”正交“。
在电影演出BU内部,由于要应对业务的复杂性,所以需要针对Jetcache做一些比较定制化的扩展,其中有关于核心底层tair的支持,也有关于分布式场景管理的诉求,更有对业务瓶颈挑战的通用设计。
通过这些新的场景设计,我们极大的丰富了Jetcache的应用场景以及让它重新再集团中间件的环境之下,长出了新的分支,非常好的支撑的业务发展。
4.1 通用高并发三级缓存熔断组件
4.2 缓存后置写(Cache Write-Back)
缓存后置写是一种 Cache Write-Back 模式的实现:
1)缓存后置写由JetCache的Monitor来实现活跃事件的监控以及记录,每当有事件产生,后置写监控器就会被触发。
2)将需要缓存后置写的Cache实例通过Config.Monitor的方式添加好默认后置写监控器。
3)活跃Event 将会被不同的 缓存后置写实现捕获,并会将CacheKey缓存在一个唯一分布式队列中,等待调度。
4)我们通过了 ScheduleX 实现了分布式调度器,每分钟都会进行触发(当然每个后置写实现可能会有不同的触发频率)
目前影演使用缓存后置写实现了非常多的实用应用,包括:
-
影演评分数据准实时合并入库,同步至淘票票,大麦三方业务库。( 准实时并发写方案,数据同步方案)
-
线上、预发缓存准实时同步。 (环境数据一致性)
-
数据变更对比,趋势数据记录。 ( 数据对账,数据趋势图 )
-
本地缓存广播器。( 本地缓存一致性,避免数据波动)
4.3 本地缓存广播器(LocalCache Distribute)
4.4 稀疏列表缓存实现(MultiListCache)
五、面向未来:JetCache还有哪些不足
文章来源:https://www.toymoban.com/news/detail-413727.html
文章来源地址https://www.toymoban.com/news/detail-413727.html
到了这里,关于JetCache 缓存开源组件设计精要的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!