[[320532]]

背景

在 Redis 中，熱 key 指的是那些在一段時間內(nèi)訪問頻次比較高的鍵值，具體到業(yè)務(wù)上，商品的限時搶購、瞬時的新聞熱點或某個全局性的資源，都極有可能產(chǎn)生熱點 key。

熱點 key 的出現(xiàn)可能會對系統(tǒng)的穩(wěn)定性和可用性造成影響，比如對應(yīng)節(jié)點的網(wǎng)卡帶寬被打滿，出現(xiàn)丟包重傳，請求波動耗時大幅上升，甚至影響到業(yè)務(wù)的正常使用，引發(fā)用戶的不滿。因此，在日常的工作中，我們需要著重避免這種情況的出現(xiàn)，比如在設(shè)計和編碼階段避免引入全局性熱 key，或者在設(shè)計時考慮熱 key 出現(xiàn)時的應(yīng)對方案。

可能的方案

熱點 key 即使我們在設(shè)計和開發(fā)時已經(jīng)極力避免，然而在真實的生產(chǎn)環(huán)境中還是可能依舊存在的，導(dǎo)致其繼續(xù)出現(xiàn)的原因有以下幾種:

• 有一些邊界 case 沒有考慮到
• 異常或非預(yù)期的流量

既然不可能完全避免，我們就需要有一種方法能夠在出問題的時候快速定位有沒有熱 key 以及熱 key 具體是啥，來幫助業(yè)務(wù)快速排障，定位問題的根源。如果要設(shè)計定位方案的話，我們可以從 Redis 請求路徑上的節(jié)點來著手，比如在客戶端、中間層和服務(wù)端，具體來說如下:

1.客戶端收集上報

改動 Redis SDK，記錄每個請求，定時把收集到的數(shù)據(jù)上報，然后由一個統(tǒng)一的服務(wù)進行聚合計算。方案直觀簡單，但沒法適應(yīng)多語言架構(gòu)，一方面多語言 SDK 對齊是個問題，另外一方面后期 SDK 的維護升級會面臨比較大的困難，成本很高。

2.代理層收集上報

如果所有的 Redis 請求都經(jīng)過代理的話，可以考慮改動 Proxy 代碼進行收集，思路與客戶端基本類似。該方案對使用方完全透明，能夠解決客戶端 SDK 的語言異構(gòu)和版本升級問題，不過開發(fā)成本會比客戶端高些。

3.Redis 數(shù)據(jù)定時掃描

Redis 在 4.0 版本之后添加了 hotkeys 查找特性[1]，可以直接利用 redis-cli --hotkeys 獲取當(dāng)前 keyspace 的熱點 key，實現(xiàn)上是通過 scan + object freq 完成的。該方案無需二次開發(fā)，能夠直接利用現(xiàn)成的工具，但由于需要掃描整個 keyspace，實時性上比較差，另外掃描耗時與 key 的數(shù)量正相關(guān)，如果 key 的數(shù)量比較多，耗時可能會非常長。

4.Redis 節(jié)點抓包解析

在可能存在熱 key 的節(jié)點上(流量傾斜判斷)，通過 tcpdump 抓取一段時間內(nèi)的流量并上報，然后由一個外部的程序進行解析、聚合和計算。該方案無需侵入現(xiàn)有的 SDK 或者 Proxy 中間件，開發(fā)維護成本可控，但也存在缺點的，具體是熱 key 節(jié)點的網(wǎng)絡(luò)流量和系統(tǒng)負載已經(jīng)比較高了，抓包可能會情況進一步惡化。

Redis 的 Monitor 命令不在考慮之列，原因是開銷比較大，單個 monitor 的 client 會降低 50% 的系統(tǒng)吞吐，更多詳情見: https://redis.io/commands/monitor

我們的選擇

由于在餓了么內(nèi)部，所有的 Redis 請求都是經(jīng)過透明代理 Samaritan[2] 的，并且該代理是由我們自己開發(fā)維護的，在代理層改造的成本完全受控，因此我們選擇了方案二，即在代理層進行收集上報。

大的方向確定之后，需要考慮具體的細節(jié)，比如:

1. 記錄所有請求如何能夠保證不占用過多的內(nèi)存甚至 OOM ?
2. 記錄所有請求如何能夠保證代理的性能, 請求耗時不會有明顯的上升?

針對第 1 點，既然我們只關(guān)心熱 key 而不是要統(tǒng)計所有 key 的 counter，那么就可以用 LFU 只保留訪問頻次最高的，第 2 點則需要結(jié)合代理具體的實現(xiàn)去考慮。

下圖是代理內(nèi)部的實現(xiàn)方案, 略去了一些無關(guān)的細節(jié):

注:

• 每個 redis node 會創(chuàng)建一個與之對應(yīng)的唯一的 client，其上的所有請求都采用 pipeline 執(zhí)行
• 每個 client 內(nèi)部都有自己的 Hotkey Collector，不同 Collector 間相互獨立

Hotkey Collector 內(nèi)部結(jié)構(gòu)如下所示，包含 LFU Counter、Syncer 和 Etrace Client 三部分:

Etrace 是一個內(nèi)部的應(yīng)用監(jiān)控平臺，類似的開源產(chǎn)品是 CAT [3]

基本的工作流程是，LFU Counter 負責(zé)記錄 key 的訪問頻次，Syncer 會定期將統(tǒng)計數(shù)據(jù)通過 Etrace Client 發(fā)送給遠端的服務(wù)器。另外，為了避免向服務(wù)端發(fā)送過多無效的數(shù)據(jù)，內(nèi)部會預(yù)先設(shè)置一個閾值，超過閾值的才發(fā)送到服務(wù)端。

按照預(yù)先的設(shè)計，我們將會有一個實時計算的服務(wù)去拉取 Etrace 上的數(shù)據(jù)，進行聚合計算得到當(dāng)前的熱點 key。但不幸地是代理中間件改造上線后的很長一段時間內(nèi)，這個實時計算服務(wù)的開發(fā)都未被提上日程，分析下來主要是 ROI 低和維護成本高，因此在業(yè)務(wù)上如果要查熱 key 就只能在 Etrace 上手動戳 event 碰運氣比如：

由于使用起來很麻煩，用戶在第一次體驗之后基本就放棄了，不會再用第二次，甚至連我們自己都不愿意使用… 在當(dāng)時我們急需要找到一種更好的方案去解決用戶體驗和系統(tǒng)復(fù)雜度的問題，讓該特性能真正地賦能于業(yè)務(wù)。

最終的方案

對前面方案進行優(yōu)化的話，可以從以下兩個方面入手:

• 如何在不增加實時計算組件提升成本的前提下高效地聚合數(shù)據(jù)?
• 如何提升用戶體驗，讓用戶方便地使用?

針對第一點，當(dāng)時第一個想法是能不能把聚合邏輯放在代理進程內(nèi)，這樣的話就不用再依賴任何外部組件，可以降低整個系統(tǒng)的復(fù)雜度和維護成本。但這里會有個問題，之前設(shè)計外部聚合組件的初衷是為了聚合不同機器的數(shù)據(jù)，現(xiàn)在采用單機數(shù)據(jù)會不會有問題，邏輯是不是站得住腳?

仔細思考下來，邏輯上是成立的，因為到達業(yè)務(wù)的流量是負載均衡過的，不同實例上的流量是比較均勻的，差不太多的，基于這個局部可以代表整體的原則，那么單實例上的熱 key 就可以代表全局的一個情況。

另外，就易用性和使用體驗上來說，如果聚合的數(shù)據(jù)在進程內(nèi)，我們可以提供 HOTKEY 類似的自定義命令，讓用戶通過 redis-cli 直接獲取。

最終的方案如下，已略去無關(guān)細節(jié):

實現(xiàn)上來說，每個集群會有一個全局的 Hotkey Collector，每個 client 上有自己獨立的 Counter，Counter 依舊采用前面提到的 LFU[4] 算法，Collector 會定時地去收集每個 Counter 的數(shù)據(jù)并進行聚合，聚合的時候不會使用真實的計數(shù)，而是使用概率計數(shù)[5]，并且為了適應(yīng)訪問模式的變化 counter 的值會隨著時間衰減，整體上與 redis lfu[6]非常類似。

下面是一個生產(chǎn)環(huán)境的真實例子，展示了近一段時間內(nèi)比較熱的 key:

注:

1. 默認使用的 log factor 因子是 10，counter 值每分鐘衰減一半
2. Collector 默認的容量是 32，只記錄請求頻次最高的 32 個 key
3. 輸出的結(jié)果與 redis-cli --hotkeys 非常類似，counter 具體含義可以參考 Using Redis as an LRU cache[7] 一文末尾表格

后續(xù)的規(guī)劃

當(dāng)前的方案雖然能夠快速定位系統(tǒng)中的熱 key，但并沒有真正解決熱 key 本身帶來的問題，仍舊需要業(yè)務(wù)方自行改造或者將那些熱點 key 調(diào)度到單獨的節(jié)點上，成本是比較高的，甚至有的業(yè)務(wù)還會自己做 local cache。

本著更好地服務(wù)于客戶的原則，我們后面將會考慮在代理內(nèi)實現(xiàn)熱點 key 的緩存，不過在代理內(nèi)實現(xiàn)緩存的話需要先解決內(nèi)存占用、數(shù)據(jù)一致性和性能的問題，這塊暫時還沒有非常好的方案，仍舊在調(diào)研之中，好的消息是 Redis 6 計劃實現(xiàn) server-assisted client side caching[8]，如果有可能的話我們會第一時間考慮對接。

最后，熱 key 實時收集的功能已經(jīng)上線，并且也進行了開源，相關(guān)源代碼可以在 Samaritan 中找到，有興趣的朋友可以進行嘗試，有問題和想法也歡迎提 issue 或者直接與我交流。

[[320533]]

作者簡介：餓了么 CI框架工具部緩存組 韓亮

文中鏈接：

[1] https://github.com/antirez/redis/pull/4392

[2] https://github.com/samaritan-proxy/samaritan

[3] https://github.com/dianping/cat

[4] https://en.wikipedia.org/wiki/Least_frequently_used

[5] https://en.wikipedia.org/wiki/Approximate_counting_algorithm

[6] http://antirez.com/news/109

[7] https://redis.io/topics/lru-cache

[8] https://redis.io/topics/client-side-caching