使用Go實現(xiàn)健壯的內(nèi)存型緩存

本文介紹了緩存的常見使用場景、選型以及注意點，比較有價值。
譯自：Implementing robust in-memory cache with Go

內(nèi)存型緩存是一種以消費內(nèi)存為代價換取應用性能和彈性的方式，同時也推遲了數(shù)據(jù)的一致性。在使用內(nèi)存型緩存時需要注意并行更新、錯誤緩存、故障轉(zhuǎn)移、后臺更新、過期抖動，以及緩存預熱和轉(zhuǎn)換等問題。

由來

緩存是提升性能的最便捷的方式，但緩存不是萬能的，在某些場景下，由于事務或一致性的限制，你無法重復使用某個任務的結(jié)果。緩存失效是計算機科學中最常見的兩大難題之一。

如果將操作限制在不變的數(shù)據(jù)上，則無需擔心緩存失效。此時緩存僅用于減少網(wǎng)絡開銷。然而，如果需要與可變數(shù)據(jù)進行同步，則必須關(guān)注緩存失效的問題。

最簡單的方式是基于TTL來設置緩存失效。雖然這種方式看起來遜于基于事件的緩存失效方式，但它簡單且可移植性高。由于無法保證事件能夠即時傳遞，因此在最壞的場景中(如事件代理短時間下線或過載)，事件甚至還不如TTL精確。

短TTL通常是性能和一致性之間的一種折衷方式。它可以作為一道屏障來降低高流量下到數(shù)據(jù)源的負載。

Demo應用

下面看一個簡單的demo應用，它接收帶請求參數(shù)的URL，并根據(jù)請求參數(shù)返回一個JSON對象。由于數(shù)據(jù)存儲在數(shù)據(jù)庫中，因此整個交互會比較慢。

下面將使用一個名為plt的工具對應用進行壓測，plt包括參數(shù)：

• cardinality - 生成的唯一的URLs的數(shù)據(jù)，會影響到緩存命中率
• group - 一次性發(fā)送的URL相似的請求個數(shù)，模擬對相同鍵的并發(fā)訪問。

go run ./cmd/cplt --cardinality 10000 --group 100 --live-ui --duration 10h --rate-limit 5000 curl --concurrency 200 -X 'GET'   'http://127.0.0.1:8008/hello?name=World&locale=ru-RU'   -H 'accept: application/json'

上述命令會啟動一個client，循環(huán)發(fā)送10000個不同的URLs，每秒發(fā)送5000個請求，最大并發(fā)數(shù)為200。每個URL會以100個請求為批次將進行發(fā)送，用以模仿單個資源的并發(fā)，下面展示了實時數(shù)據(jù)：

Demo應用通過CACHE環(huán)境變量定義了三種操作模式：

• none：不使用緩存，所有請求都會涉及數(shù)據(jù)庫
• naive：使用簡單的map，TTL為3分鐘
• advanced：使用github.com/bool64/cache 庫，實現(xiàn)了很多特性來提升性能和彈性，TTL也是3分鐘。

Demo應用的代碼位于：github.com/vearutop/cache-story，可以使用make start-deps run命令啟動demo應用。

在不使用緩存的條件下，最大可以達到500RPS，在并發(fā)請求達到130之后DB開始因為 Too many connections而阻塞，這種結(jié)果不是最佳的，雖然并不嚴重，但需要提升性能。

使用advanced緩存的結(jié)果如下，吞吐量提升了60倍，并降低了請求延遲以及DB的壓力：

go run ./cmd/cplt --cardinality 10000 --group 100 --live-ui --duration 10h curl --concurrency 100 -X 'GET'   'http://127.0.0.1:8008/hello?name=World&locale=ru-RU'   -H 'accept: application/json'

Requests per second: 25064.03
Successful requests: 15692019
Time spent: 10m26.078s
Request latency percentiles:
99%: 28.22ms
95%: 13.87ms
90%: 9.77ms
50%: 2.29ms

字節(jié) VS 結(jié)構(gòu)體

哪個更佳？

取決于使用場景，字節(jié)緩存([]byte)的優(yōu)勢如下：

• 數(shù)據(jù)不可變，在訪問數(shù)據(jù)時需要進行解碼
• 由于內(nèi)存碎片較少，使用的內(nèi)存也較少
• 對垃圾回收友好，因為沒有什么需要遍歷的
• 便于在線路上傳輸
• 允許精確地限制內(nèi)存

字節(jié)緩存的最大劣勢是編解碼帶來的開銷，在熱點循環(huán)中，編解碼導致的開銷可能會非常大。

結(jié)構(gòu)體的優(yōu)勢：

• 在訪問數(shù)據(jù)時無需進行編碼/解碼
• 更好地表達能力，可以緩存那些無法被序列化的內(nèi)容

結(jié)構(gòu)體緩存的劣勢：

• 由于結(jié)構(gòu)體可以方便地進行修改，因此可能會被無意間修改
• 結(jié)構(gòu)體的內(nèi)存相對比較稀疏
• 如果使用了大量長時間存在的結(jié)構(gòu)體，GC可能會花費一定的時間進行遍歷，來確保這些結(jié)構(gòu)體仍在使用中，因此會對GC采集器造成一定的壓力
• 幾乎無法限制緩存實例的總內(nèi)存，動態(tài)大小的項與其他所有項一起存儲在堆中。

本文使用了結(jié)構(gòu)體緩存。

Native 緩存

使用了互斥鎖保護的map。當需要檢索一個鍵的值時，首先查看緩存中是否存在該數(shù)據(jù)以及有沒有過期，如果不存在，則需要從數(shù)據(jù)源構(gòu)造該數(shù)據(jù)并將其放到緩存中，然后返回給調(diào)用者。

整個邏輯比較簡單，但某些缺陷可能會導致嚴重的問題。

并發(fā)更新

當多個調(diào)用者同時miss相同的鍵時，它們會嘗試構(gòu)建數(shù)據(jù)，這可能會導致死鎖或因為緩存踩踏導致資源耗盡。此外如果調(diào)用者嘗試構(gòu)建值，則會造成額外的延遲。

如果某些構(gòu)建失敗，即使緩存中可能存在有效的值，此時父調(diào)用者也會失敗。

可以使用低cardinality和高group來模擬上述問題：

go run ./cmd/cplt --cardinality 100 --group 1000 --live-ui --duration 10h --rate-limit 5000 curl --concurrency 150 -X 'GET'   'http://127.0.0.1:8008/hello?name=World&locale=ru-RU'   -H 'accept: application/json'

上圖展示了使用naive緩存的應用，藍色標志標識重啟并使用advanced緩存?？梢钥吹芥i嚴重影響了性能(Incoming Request Latency)和資源使用(DB Operation Rate)。

一種解決方案是阻塞并行構(gòu)建，這樣每次只能進行一個構(gòu)建。但如果有大量并發(fā)調(diào)用者請求各種鍵，則可能會導致嚴重的鎖競爭。

更好的方式是對每個鍵的構(gòu)建單獨加鎖，這樣某個調(diào)用者就可以獲取鎖并執(zhí)行構(gòu)建，其他調(diào)用者則等待構(gòu)建好的值即可。

后臺更新

當緩存過期時，需要一個新的值，構(gòu)建新值可能會比較慢。如果同步進行，則可以減慢尾部延遲（99%以上）?？梢蕴崆皹?gòu)建那些被高度需要的緩存項(甚至在數(shù)據(jù)過期前)。如果可以容忍老數(shù)據(jù)，也可以繼續(xù)使用這些數(shù)據(jù)。

這種場景下，可以使用老的/即將過期的數(shù)據(jù)提供服務，并在后臺進行更新。需要注意的是，如果構(gòu)建依賴父上下文，則在使用完老數(shù)據(jù)之后可能會取消上下文(如滿足父HTTP請求)，如果我們使用這類上下文來訪問數(shù)據(jù)，則會得到一個context canceled錯誤。

解決方案是將上下文與父上下文進行分離，并忽略父上下文的取消行為。

另外一種策略是主動構(gòu)建那些即將過期的緩存項，而無需父請求，但這樣可能會因為一直淘汰那些無人關(guān)心的緩存項而導致資源浪費。

同步過期

假設啟動了一個使用TTL緩存的實例，由于此時緩存是空的，所有請求都會導致緩存miss并創(chuàng)建值。這樣會導致數(shù)據(jù)源負載突增，每個保存的緩存項的過期時間都非常接近。一旦超過TTL，大部分緩存項幾乎會同步過期，這樣會導致一個新的負載突增，更新后的值也會有一個非常接近的過期時間，以此往復。

這種問題常見于熱點緩存項，最終這些緩存項會同步更新，但需要花費一段時間。

對這種問題的解決辦法是在過期時間上加抖動。

如果過期抖動為10%，意味著，過期時間為0.95 * TTL 到1.05 * TTL。雖然這種抖動幅度比較小，但也可以幫助降低同步過期帶來的問題。

下面例子中，使用高cardinality 和高concurrency模擬這種情況。它會在短時間內(nèi)請求大量表項，以此構(gòu)造過期峰值。

go run ./cmd/cplt --cardinality 10000 --group 1 --live-ui --duration 10h --rate-limit 5000 curl --concurrency 200 -X 'GET' 'http://127.0.0.1:8008/hello?name=World&locale=ru-RU' -H 'accept: application/json'

從上圖可以看出，使用naive緩存無法避免同步過期問題，藍色標識符表示重啟服務并使用帶10%抖動的advanced緩存，可以看到降低了峰值，且整體服務更加穩(wěn)定。

緩存錯誤

當構(gòu)建值失敗，最簡單的方式就是將錯誤返回給調(diào)用者即可，但這種方式可能會導致嚴重的問題。

例如，當服務正常工作時可以借助緩存處理10K的RPS，但突然出現(xiàn)緩存構(gòu)建失敗(可能由于短時間內(nèi)數(shù)據(jù)庫過載、網(wǎng)絡問題或如錯誤校驗等邏輯錯誤)，此時所有的10K RPS都會命中數(shù)據(jù)源(因為此時沒有緩存)。

對于高負載系統(tǒng)，使用較短的TTL來緩存錯誤至關(guān)重要。

故障轉(zhuǎn)移模式

有時使用過期的數(shù)據(jù)要好于直接返回錯誤，特別是當這些數(shù)據(jù)剛剛過期，這類數(shù)據(jù)有很大概率等于后續(xù)更新的數(shù)據(jù)。

故障轉(zhuǎn)移以精確性來換取彈性，通常是分布式系統(tǒng)中的一種折衷方式。

緩存?zhèn)鬏?/h3>

緩存有相關(guān)的數(shù)據(jù)時效果最好。

當啟動一個新的實例時，緩存是空的。由于產(chǎn)生有用的數(shù)據(jù)需要花費一定的時間，因此這段時間內(nèi)，緩存效率會大大降低。

有一些方式可以解決"冷"緩存帶來的問題。如可以通過遍歷數(shù)據(jù)來預熱那些可能有用的數(shù)據(jù)。

例如可以從數(shù)據(jù)庫表中拉取最近使用的內(nèi)容，并將其保存到緩存中。這種方式比較復雜，且并不一定能夠生效。

此外還可以通過定制代碼來決定使用哪些數(shù)據(jù)并在緩存中重構(gòu)這些表項。但這樣可能會對數(shù)據(jù)庫造成一定的壓力。

還可以通過共享緩存實例(如redis或memcached)來規(guī)避這種問題，但這也帶來了另一種問題，通過網(wǎng)絡讀取數(shù)據(jù)要遠慢于從本地緩存讀取數(shù)據(jù)。此外，網(wǎng)絡帶寬也可能成為性能瓶頸，網(wǎng)絡數(shù)據(jù)的編解碼也增加了延遲和資源損耗。

最簡單的辦法是將緩存從活動的實例傳輸?shù)叫聠拥膶嵗小?/p>

活動實例緩存的數(shù)據(jù)具有高度相關(guān)性，因為這些數(shù)據(jù)是響應真實用戶請求時產(chǎn)生的。

傳輸緩存并不需要重構(gòu)數(shù)據(jù)，因此不會濫用數(shù)據(jù)源。

在生產(chǎn)系統(tǒng)中，通常會并行多個應用實例。在部署過程中，這些實例會被順序重啟，因此總有一個實例是活動的，且具有高質(zhì)量的緩存。

Go有一個內(nèi)置的二進制系列化格式encoding/gob，它可以幫助以最小的代價來傳輸數(shù)據(jù)，缺點是這種方式使用了反射，且需要暴露字段。

使用緩存?zhèn)鬏數(shù)牧硪粋€注意事項是不同版本的應用可能有不兼容的數(shù)據(jù)結(jié)構(gòu)，為了解決這種問題，需要為緩存的結(jié)構(gòu)添加指紋，并在不一致時停止傳輸。

下面是一個簡單的實現(xiàn)：

// RecursiveTypeHash hashes type of value recursively to ensure structural match.
func recursiveTypeHash(t reflect.Type, h hash.Hash64, met map[reflect.Type]bool) {
    for {
        if t.Kind() != reflect.Ptr {
            break
        }
        t = t.Elem()
    }
    if met[t] {
        return
    }
    met[t] = true
    switch t.Kind() {
    case reflect.Struct:
        for i := 0; i < t.NumField(); i++ {
            f := t.Field(i)
            // Skip unexported field.
            if f.Name != "" && (f.Name[0:1] == strings.ToLower(f.Name[0:1])) {
                continue
            }
            if !f.Anonymous {
                _, _ = h.Write([]byte(f.Name))
            }
            recursiveTypeHash(f.Type, h, met)
        }
    case reflect.Slice, reflect.Array:
        recursiveTypeHash(t.Elem(), h, met)
    case reflect.Map:
        recursiveTypeHash(t.Key(), h, met)
        recursiveTypeHash(t.Elem(), h, met)
    default:
        _, _ = h.Write([]byte(t.String()))
    }
}

可以通過HTTP或其他合適的協(xié)議來傳輸緩存數(shù)據(jù)，本例中使用了HTTP，代碼為/debug/transfer-cache。注意，緩存可能會包含不應該對外暴露的敏感信息。

在本例中，可以借助于單個啟用了不同端口的應用程序?qū)嵗齺韴?zhí)行傳輸：

CACHE_TRANSFER_URL=http://127.0.0.1:8008/debug/transfer-cache HTTP_LISTEN_ADDR=127.0.0.1:8009 go run main.go

2022-05-09T02:33:42.871+0200    INFO    cache/http.go:282       cache restored  {"processed": 10000, "elapsed": "12.963942ms", "speed": "39.564084 MB/s", "bytes": 537846}
2022-05-09T02:33:42.874+0200    INFO    brick/http.go:66        starting server, Swagger UI at http://127.0.0.1:8009/docs
2022-05-09T02:34:01.162+0200    INFO    cache/http.go:175       cache dump finished     {"processed": 10000, "elapsed": "12.654621ms", "bytes": 537846, "speed": "40.530944 MB/s", "name": "greetings", "trace.id": "31aeeb8e9e622b3cd3e1aa29fa3334af", "transaction.id": "a0e8d90542325ab4"}

上圖中藍色標識標識應用重啟，最后兩條為緩存?zhèn)鬏?。可以看到性能不受影響，而在沒有緩存?zhèn)鬏數(shù)那闆r下，會受到嚴重的預熱懲罰。

一個不那么明顯的好處是，可以將緩存數(shù)據(jù)傳輸?shù)奖镜亻_發(fā)機器，用于重現(xiàn)和調(diào)試生產(chǎn)環(huán)境的問題。

鎖競爭和底層性能

基本每種緩存實現(xiàn)都會使用鍵值映射來支持并發(fā)訪問(通常是讀)。

大多數(shù)場景下可以忽略底層性能帶來的影響。例如，如果使用內(nèi)存型緩存來處理HTTP API，使用最簡單的map+mutex就足夠了，這是因為IO操作所需的時間要遠大于內(nèi)存操作。記住這一點很重要，以免過早地進行優(yōu)化以及增加不合理的復雜性。

如果依賴內(nèi)存型緩存的應用是CPU密集型的，此時鎖競爭可能會影響到整體性能。

為了避免并發(fā)讀寫下的數(shù)據(jù)沖突，可能會引入鎖競爭。在使用單個互斥鎖的情況下，這種同步可能會限制同一時間內(nèi)只能進行一個操作，這也意味著多核CPU可能無法發(fā)揮作用。

對于以讀為主的負載，標準的sync.Map 就可以滿足性能要求，但對于以寫為主的負載，則會降低其性能。有一種比sync.Map性能更高的方式github.com/puzpuzpuz/xsync.Map，它使用了 Cache-Line Hash Table (CLHT)數(shù)據(jù)結(jié)構(gòu)。

另一種常見的方式是通過map分片的方式(fastcache, bigcache, bool64/cache)來降低鎖競爭，這種方式基于鍵將值分散到不同的桶中，在易用性和性能之間做了折衷。

內(nèi)存管理

內(nèi)存是一個有限的資源，因此緩存不能無限增長。

過期的元素需要從緩存中淘汰，這個步驟可以同步執(zhí)行，也可以在后臺執(zhí)行。使用后臺回收方式不會阻塞應用本身，且如果將后臺回收進程配置為延遲回收的方式時，在需要故障轉(zhuǎn)移時就可以使用過期的數(shù)據(jù)。

如果上述淘汰過期數(shù)據(jù)的方式無法滿足內(nèi)存回收的要求，可以考慮使用其他淘汰策略。在選擇淘汰策略時需要平衡CPU/內(nèi)存使用和命中/丟失率?？傊蕴哪康氖菫榱嗽诳山邮艿男阅茴A算內(nèi)優(yōu)化命中/丟失率，這也是評估一個淘汰策略時需要注意的指標。

下面是常見的選擇淘汰策略的原則：

• 最近最少頻率使用(LFU)，需要在每次訪問時維護計數(shù)器
• 最近最少使用(LRU)，需要在每次訪問時更新元素的時間戳或順序
• 先進先出(FIFO)，一旦創(chuàng)建緩存就可以使用緩存中的數(shù)據(jù)，比較輕量
• 隨機元素，性能最佳，不需要任何排序，但精確性最低

上述給出了如何選項一個淘汰策略，下一個問題是"何時以及應該淘汰多少元素？"。

對于[]byte緩存來說，該問題比較容易解決，因為大多數(shù)實現(xiàn)中都精確提供了控制內(nèi)存的方式。

但對于結(jié)構(gòu)體緩存來說就比較棘手了。在應用執(zhí)行過程中，很難可靠地確定特定結(jié)構(gòu)體對堆內(nèi)存的影響，GC可能會獲取到這些內(nèi)存信息，但應用本身則無法獲取。下面兩種獲取結(jié)構(gòu)體內(nèi)存的指標精確度不高，但可用：

• 緩存中的元素個數(shù)
• 應用使用的總內(nèi)存

由于這些指標并不與使用的緩存內(nèi)存成線性比例，因此不能據(jù)此計算需要淘汰的元素。一種比較合適的方式是在觸發(fā)淘汰時，淘汰一部分元素(如占使用內(nèi)存10%的元素)。

緩存數(shù)據(jù)的堆影響很大程度上與映射實現(xiàn)有關(guān)。可以從下面的性能測試中看到，相比于二進制序列化(未壓縮)的數(shù)據(jù)，map[string]struct{...}占用的內(nèi)存是前者的4倍。

基準測試

下面是保存1M小結(jié)構(gòu)體(struct { int, bool, string })的基準測試，驗證包括10%的讀操作以及0.1%的寫操作。字節(jié)緩存通過編解碼結(jié)構(gòu)體來驗證。

goos: darwin
goarch: amd64
cpu: Intel(R) Core(TM) i7-9750H CPU @ 2.60GHz

name             MB/inuse   time/op (10%) time/op (0.1%)      
sync.Map         192 ± 0%   142ns ± 4%    29.8ns ±10%   // Great for read-heavy workloads.
shardedMap       196 ± 0%   53.3ns ± 3%   28.4ns ±11%   
mutexMap         182 ± 0%   226ns ± 3%    207ns ± 1%    
rwMutexMap       182 ± 0%   233ns ± 2%    67.8ns ± 2%   // RWMutex perf degrades with more writes.
shardedMapOf     181 ± 0%   50.3ns ± 3%   27.3ns ±13%   
ristretto        346 ± 0%   167ns ± 8%    54.1ns ± 4%   // Failed to keep full working set, ~7-15% of the items are evicted.
xsync.Map        380 ± 0%   31.4ns ± 9%   22.0ns ±14%   // Fastest, but a bit hungry for memory.
patrickmn        184 ± 0%   373ns ± 1%    72.6ns ± 5%   
bigcache         340 ± 0%   75.8ns ± 8%   72.9ns ± 3%   // Byte cache.
freecache        333 ± 0%   98.1ns ± 0%   77.8ns ± 2%   // Byte cache.
fastcache       44.9 ± 0%   60.6ns ± 8%   64.1ns ± 5%   // A true champion for memory usage, while having decent performance.

如果實際場景支持序列化，那么fastcache可以提供最佳的內(nèi)存使用(fastcache使用動態(tài)申請的方式來分配內(nèi)存)

對于CPU密集型的應用，可以使用xsync.Map。

從上述測試可以看出，字節(jié)緩存并不一定意味著高效地利用內(nèi)存，如bigcache和freecache。

開發(fā)者友好

程序并不會總是按照我們期望的方式允許，復雜的邏輯會導致很多非預期的問題，也很難去定位。不幸的是，緩存使得程序的狀況變得更糟，這也是為什么讓緩存更友好變得如此重要。

緩存可能成為多種問題的誘發(fā)因素，因此應該盡快安全地清理相關(guān)緩存。為此，可以考慮對所有緩存的元素進行校驗，在高載情況下，失效不一定意味著“刪除”，一旦一次性刪除所有緩存，數(shù)據(jù)源可能會因為過載而失敗。更優(yōu)雅的方式是為所有元素設置過期時間，并在后臺進行更新，更新過程中使用老數(shù)據(jù)提供服務。

如果有人正在調(diào)查特定的數(shù)據(jù)源問題，緩存項可能會因為過期而誤導用戶?？梢越锰囟ㄕ埱蟮木彺?，這樣就可以排除緩存帶來的不精確性。可以通過特定的請求頭以及并在中間件上下文中實現(xiàn)。注意這類控制并不適用于外部用戶(會導致DOS攻擊)。

總結(jié)

本文比較了字節(jié)緩存和結(jié)構(gòu)體緩存的優(yōu)劣勢，介紹了緩存穿透、緩存錯誤、緩存預熱、緩存?zhèn)鬏敗⒐收限D(zhuǎn)移、緩存淘汰等問題，并對一些常見的緩存庫進行了基準測試。

到此這篇關(guān)于使用Go實現(xiàn)健壯的內(nèi)存型緩存的文章就介紹到這了,更多相關(guān)go內(nèi)存型緩存內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！