0
0

JetCache 缓存开源组件设计精要

​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

标签： 缓存 开源 java
本文转载自: https://blog.csdn.net/AlibabaTech1024/article/details/130076828
版权归原作者 阿里技术 所有， 如有侵权，请联系我们删除。
登录后发布评论

“JetCache 缓存开源组件设计精要”的评论:

还没有评论
关于作者
...
overfit同步小助手
文章同步
相关阅读

【Python爬虫实战】网络爬虫完整指南：HTTP/HTTPS协议与爬虫安全实践

华三服务器R4900 G5在图形界面使用PMC阵列卡（P460-B4）创建RAID，并安装系统（中文教程）

【一篇搞定配置】如何在Ubuntu上安装Hadoop（单机、伪分布配置）

配置vscode的C/C++环境

【PyCharm】从零到一：Python爬虫实战教程，小白、绕过反爬虫机制、实战案例全解析

RabbitMQ 高级特性——延迟队列

python从入门到精通：pyspark实战分析

文章导航