这些年，我们一起追过的缓存数据库

人生不过如此，且行且珍惜。自己永远是自己的主角，不要总在别人的戏剧里充当着配角。

我以林语堂的《人生不过如此》中一句话来开篇。

背景

在互联网高速发展、快速演化的时代，想必在你的系统架构设计中，缓存服务是不是已经成为必不可少的一层，丰富的数据结构、高性能的读写、简单的协议，让缓存数据库很好的承担起关系型数据库的上层。我们公司为了解决节假日或高峰期的车次查询、抢票等大数据量的访问请求，很早以前就引进了 Redis，来作为数据库的上游缓存层，缓解底层数据库的读写压力。

REDIS HA 架构

世界上唯一可以不劳而获的就是贫穷，唯一可以无中生有的是梦想。没有哪件事，不动手就可以实现。世界虽然残酷，但只要你愿意走，总会有路；看不到美好，是因为你没有坚持走下去。人生贵在行动，迟疑不决时，不妨先迈出小小一步。前进不必遗憾，若是美好，叫做精彩；若是糟糕，叫做经历。**——林语堂《人生不过如此》

2014 年 10 月，为了避免单点故障，我们尝试在生产环境的 Redis 主从架构中，引入了 Redis Sentinel，实现了 Redis 服务的 failover。当 Redis-Master 主机异常宕机或 Redis-Master 服务异常崩溃时，原有的 Redis-Slave 自动升级为 master 角色，当原有 Redis-Master 恢复后，自动恢复为 slave 角色。

由于 Redis Sentinel 只能做到 Redis 服务级别的切换，无法做到 IP 地址的切换，无法完全满足现网系统架构的需要，我们又尝试在 HA 架构中加入了负载均衡器设备，引用了浮动 IP，所有应用程序访问浮动 IP，IP 地址的切换操作由负载均衡器设备来实现。

Redis Sentinel 配置文件

    vi /appl/redis/etc/sentinel.conf      # Redis-ha redis-sent-0-17 redis-sent-0-18    port 26379    dir /appl/redis/database    logfile /appl/redis/log/sentinel.log    sentinel monitor redis-sent-0-17 172.19.0.17 6379 3    sentinel down-after-milliseconds redis-sent-0-17 20000    sentinel failover-timeout redis-sent-0-17 60000    sentinel can-failover redis-sent-0-17 yes    sentinel parallel-syncs redis-sent-0-17 1

测试小结：

主 Redis 服务器：redis-sent-0-17

从 Redis 服务器：redis-sent-0-18

域名：redis-sent.cache.changtu.pvt

• 重启redis-sent-0-17节点，60秒后，redis-sent-0-18节点成为master，用户访问redis-sent.cache.changtu.pvt域名redis服务恢复正常，2分钟后，redis-sent-0-17节点重启完成，自动成为slave；

• 重启redis-sent-0-18节点，60秒后，redis-sent-0-17节点成为master，用户访问redis-sent.cache.changtu.pvt域名redis服务恢复正常，2分钟后，redis-sent-0-18节点重启完成，自动成为slave。

对应用程序的要求

• 缓存应用服务统一通过域名访问。

• 缓存应用服务对Redis域名的访问有断点重连的功能。

2015 年新增 2 台 Redis Sentinel 服务器，负责平台所有 Redis 服务器集群管理。并对平台现有 Redis 服务进行改造，逐步升级为 Redis HA 架构。

CODIS 分布式集群

你可以一辈子不登山，但你心中一定要有座山。它使你总往高处爬，它使你总有个奋斗的方向，它使你任何一刻抬起头，都能看到自己的希望。——林语堂《人生不过如此》

随着业务量上涨，数据量猛增，单点的 Redis 容量受限于服务器的内存，Redis 主从架构已经力不从心了。在业务系统对性能要求逐渐提高情况下，我们更希望将数据能存在内存中，本地持久化，而不希望写入数据库中。虽然当时用 SSD 将内存换成磁盘，以获取更大的容量，但是我们更想如何将 redis 变成一个可以水平扩展的分布式缓存服务？

在 Codis 发布之前，业界只有 Twemproxy，Twemproxy 本身是一个静态的分布式 Redis 方案，进行扩容、缩容对运维要求非常高，而且很难做到平滑的扩缩容。Codis 的目标就是尽量兼容 Twemproxy，并且加上数据迁移的功能以实现扩容和缩容，最终替换 Twemproxy。本文省略了对 Twemproxy 的介绍。

REDIS-CLUSTER

与 Codis 同时期发布的官方 redis-cluster，采用 P2P 的模式，完全去中心化架构， 其实我们花了大精力研究测试过，由于当时对 failover 判断方式提出怀疑，高耦合的模块设计思想、客户端问题、不太友好的维护等方面， 我司目前没有投入生产，没有了实际的生产维护经验，我先不发表看法。抱拳，我知道在缓存数据库里最不应该缺少的就是 Redis-cluster 了，以后有机会单独介绍吧！

容我感叹一下，别指望所有的人都能懂你，因为萝卜白菜，各有所爱。你做了萝卜，自然就做不成青菜。

好了，回归正题，先简单介绍一下 Codis，由豌豆荚于 2014 年 11 月开源，基于 Go 和 C 开发，引用作者的一段原话， Codis 采用一层无状态的 proxy 层，将分布式逻辑写在 proxy 上，底层的存储引擎是 Redis，数据的分布状态存储于 zookeeper(etcd)中，底层的数据存储变成了可插拔的部件。各个部件是可以动态水平扩展的，尤其无状态的 proxy 对于动态的负载均衡，对业务而言完全是透明的。*

核心组件说明

1. ZooKeeper：

用来存放数据路由表和 Codis-proxy 节点的元信息，Codis-config 发起的命令都会通过 ZooKeeper 同步到各个存活的 Codis-proxy 中。

2. Codis-Proxy :

是客户端连接的 Redis 代理服务，本身是没状态的，Codis-proxy 实现了 Redis 协议，对于一个业务来说，可以部署多个 Codis-proxy， 提供连接集群 Redis 服务的入口。

3. Codis-Config ：

是 Codis 的集成管理工具，支持添加/删除 Redis 节点、添加/删除 Proxy 节点、以及发起数据迁移等操作，Codis-config 还自带了 http server，会启动 dashboard，用户可以在 WEB 上监控 Codis 集群的状态。

4. Codis-Server：

是 Codis 项目维护的一个 Redis 分支，基于 redis-2.8.21 分支开发，增加了额外的数据结构，以支持 slot 有关的操作以及数据迁移指令。

5.Pre-Sharding 技术

Codis 采用 Pre-Sharding 的技术来实现数据的分片, 默认分成 1024 个 slots (0-1023), 对于每个 key 来说, 通过以下公式确定所属的 Slot Id : SlotId = crc32(key) % 1024，每一个 slot 都会有一个特定的 server group id 来表示这个 slot 的数据由哪个 server group 来提供。

在 2016 年 6 月左右，我们引进了 Codis（当时版本是 3.0，并没有 Redis-Sentinel、Codis-fe 等组件，1 年后，才升级到 3.2 的，文章主要以 3.0 版本为背景），首先介绍一下基础环境。

192.168.0.**      codis-server1192.168.0.**      codis-server2192.168.0.**      codis-server3    192.168.0.**      codis-ha1 (zookeeper-3)192.168.0.**      codis-ha2 (zookeeper-2)192.168.0.**      codis-ha3 (zookeeper-1) 

系统架构

在公司硬件资源有限条件下，我们计划用 6 台服务器部署 Codis，简单分了两层，Codis-Proxy 层和 Codis-Server 层。

1. Codis-Proxy层用了三台配置相对较低服务器，部署了ZooKeeper、Codis-Proxy、Keepalived、LVS等 ，3个节点都做了负载均衡。

2. Codis-Server层用来三台配置相对较高的服务器，并用SSD，3个Codis-group，每个group有一主一从，交叉部署，每个主从分配30G内存。

maxclients 30000  maxmemory  30gb

我们分别通过 jredis 编写测试程序和使用 redis-benchmark 工具模拟压力测试（请求量：1000 万~1 亿，并发数：1000~50000，长度：固定/可变）：

• 在性能方面：基本上能达到我们的预期，理想情况Codis性能值能达到50~60K OP/S，各个codis-group中master-slave实例数据能实时同步，详情可以参考《Codis高可用集群性能测试报告_20160315》。

• 数据一致性问题：一方面，Codis的HA并不能保证数据完全不丢失，由于M-S是异步复制，当master节点异常或崩溃，将slave切换成master后，刚刚没来得及同步的数据就会丢失。另一方面，Codis支持的mget/mset命令是无法保证单点时的原子语义的，如果mset指定KEY分布在不同slot上，从而导致KEY在不同机器上，造成要不一起成功，不要一起失败。所以对于分布式事务的问题，这是一个痛点。在实际场景中，也有人使用了lua脚本以扩展Redis的功能，虽然Codis支持，但是并不保证你的脚本操作的数据是否在正确的节点执行，仅仅起到一个转发功能。如果你并不能保证lua操作的KEY是否在同一个机器上，Codis只能将这个脚本分配到参数列表中的第一个key的机器上执行。

• 不支持命令列表，参考

• https://github.com/CodisLabs/codis/blob/release3.2/doc/unsupported_cmds.md
  

• Redis 修改部分（增加若干指令），参考

• https://github.com/CodisLabs/codis/blob/release3.2/doc/redis_change_zh.md
  

倔强的青铜

于是组织研发同事进行多次分析讨论，并提出了对缓存服务进行接口改造，经过 2 个多月的辛劳，取得了很大进展，让我们 Codis 项目顺利上线迈开了重要一步，打断一下，容我在此特别感谢一下同事王慧，在他的主导下，完成公司绝大部分缓存服务接口改造工作。

几点改造思路

1.缓存服务分类。

• 针对业务缓存服务不容许数据丢失，在现有的逻辑中，Codis和数据库都会保留，优先从Codis读取，如读取不到时，会从后端数据库里读取。

• 针对车次、合作方缓存服务，由于数据量大，拉取频率高的数据，只会从Codis里读取。

2.对缓存服务进行接口改造，新增基础缓存服务层，将生产的 Redis/Codis 相关的服务纳入基础缓存服务进行统一管理。

• 制定一套标准KEY命名、管理规范，包括数据类型的选择、长度、过期时间等。我们会统一在后台管理系统公示，限定新数据的规则，限制一切不合规范的行为。

• 在基础缓存服务层，对部分Codis不支持的命令进行改写，规范Redis/Codis日常操作。

• 统计热点数据，维护热点数据，在基础缓存服务层上假设二级缓存，作为热点数据的快速通道。

3.SLOT 的分配

哈希算法

Codis 采用 Pre-sharding 的技术来实现数据的分片, 默认分成 1024 个 slots (0-1023), 对于每个 key 来说, 通过以下公式确定所属的 Slot Id : SlotId = crc32(key) % 1024。例如 pub_cty_ct018 根据算法得出的值是 997。

key 值重定向分配

比如你有一个脚本是操作某个用户的多个信息，如 uid1age，uid1sex，uid1name 形如此类的 key，如果你不用 hashtag 的话，这些 key 可能会分散在不同的机器上，如果使用了 hashtag(用花括号扩住计算 hash 的区域)：{uid1}age，{uid1}sex，{uid1}name，这样就保证这些 key 分布在同一个机器上。这个是 twemproxy 引入的一个语法，我们这边也支持了。

以 pub_cty 为例，通过 crc32hash 算法得出，key 存放在 237 slot 中，类似测试了{pub_cty}_ct01，{pub_cty}_ct02…{pub_cty}_ctnn 都存放在 237 slot 中。第一，有了 hashtag 算法支持，我们可以对特定需求的 key 做一些特需的规划，将这些特殊的 key 有序的存放在 codis slot 中，保证 mget/mset,以及 lua 脚本正常执行。我们目前大概管理 200 多个 redis 键，统一锁定到一个 codis-server（slot）中。第二，在某些极端情况（不希望发生），如某 codis-group 中的 master 异常或崩溃时，我们从程序设计角度，尽可能对出现的无法进行操作 KEY 的行为做一些"某种意义上"保护。譬如，当某 codis-group 的 maser 宕机时，对 codis 进行写操作，如果对应的 key 落到宕机的主机上，会得到异常或者错误，可以通过捕获异常信息，将异常的 key 通过改变 key 名的规则将其存放到其他 codis-group 上。同理，如果是读取宕机主机上的 key 数据时，将其引导到调整后的 key 上，在一定程度上保障 codis 的完整性（不保障数据不丢失，只保证业务系统操作缓存数据完整性）。

有点意思的整改

在长达几年的迭代演变过程中，维护团队推动多次缓存服务架构的升级与优化，缓存服务逐渐完善和稳定。 记下了一些“有点意思”的整改，提供大家参考。

热点数据

统计缓存热点数据，在基础缓存服务层上假设二级缓存，作为热点数据的快速通道，具备可动态获取，最快访问，少变化的特点 。

根据缓存服务各主、子键关系，使用 index_{主键}的方式来作为管理主子键关系的 SortedSet 集合，统计数据的使用频率，抽取 Top100 的数据，作为热点数据。对这批数据进行分析，结合数据的改动频率，制定这批数据缓存在内存中的时长。

二级缓存设计

缓存数据列表生成与维护

内存缓存数据的 key 列表由缓存服务生成和维护，Key 列表包括后台手动配置（如，10 个）和系统根据使用热度生成（如，20 个）共同组成，其中 cache-manager 的 jar 包只负责对该数据使用，通过定时任务获取 codis 中的前 20 位和后台手动配置的相关数据，期间要保证获取到数据的有效性。

维护本地内存中的数据

自然统计内存缓存： 用 sortedSet 集合，统计各主键下的所有键 Get 的次数，汇总成 score_{主键}方式的集合。利用 ZIncrby 命令统计对应的子键的次数，最终汇总每个主键，统计出 Top100 的 key，利用 zunionstore 命令将信息统计汇总作为内存缓存的基础，此集合内数据均从内存中获取。

管理类内存缓存： 分析和统计项目主流程的关键的基础缓存数据保存到内存中,保障对应区域的数据获取与缓存时间，在离开数据源后能够最大程度的展现畅途网的功能。

在发生手动更新时，对内存中对应的主键进行更新

在发生更新时，由后台发起，在缓存服务向 codis 中置入标志位，各客户端在定时任务中获取标志位，如果标志位（cache_memory_update_flag）为 Y，则清空内存和 Key 规则表，等到下一个更新周期来临重新获取数据。

总结

多年后，再回想年少时的迷茫和执著，或许原因都记不得了。青春就是让你张扬的笑，也给你莫名的痛。——林语堂《人生不过如此》

经过大半年的时间测试、缓存服务接口改造，在 2016 年 9 月份，赶在国庆前，我们的 Codis3.0 上线了，在车次查询等方面，有了质的飞越，尤其节假日或高峰期期间，平滑的扩缩容、数据迁移、高可用等方面展示出巨大优势。

三个 codis_proxy 节点的均衡情况：

    ipvsadm -Ln      -> RemoteAddress:Port Forward Weight ActiveConn InActConn    FWM  3 rr      -> 192.168.0.**:19000   Local   1 1560  7      -> 192.168.0.**:19000   Route   1 1534  5       -> 192.168.0.**:19000   Route   1 1498  1   

1 年后，2018 年 8~9 月份，我们将 Codis 升级到 3.2 的，由之前 6 台服务器，扩展到 7 台，实际上多一台 Codis-web 节点，独立承担 Codis-fe、Codis-dashboard 等组件。对于 Redis-Sentinel、Codis-fe 等组件的引进，解决了运维人员很多问题，在此不再描述，有兴趣的可以参考。

https://github.com/CodisLabs/codis/blob/3.2.2/doc/tutorial_zh.md

目前 Codis 作为最为核心的缓存层，一如既往的稳定输出，肩负起它的神圣使命！