快取系列文章–無底洞問題
一、背景
1. 什麼是快取無底洞問題：
Facebook的工作人員反應2010年已達到3000個memcached節點，儲存數千G的快取。他們發現一個問題–memcached的連線效率下降了，於是新增memcached節點，新增完之後，並沒有好轉。稱為“無底洞”現象2. 快取無底洞產生的原因：
鍵值資料庫或者快取系統，由於通常採用hash函式將key對映到對應的例項，造成key的分佈與業務無關，但是由於資料量、訪問量的需求，需要使用分散式後（無論是客戶端一致性哈性、redis-cluster、codis），批量操作比如批量獲取多個key(例如redis的mget操作)，通常需要從不同例項獲取key值，相比於單機批量操作只涉及到一次網路操作，分散式批量操作會涉及到多次網路io。
3. 無底洞問題帶來的危害：
(1) 客戶端一次批量操作會涉及多次網路操作，也就意味著批量操作會隨著例項的增多，耗時會不斷增大。
(2) 服務端網路連線次數變多，對例項的效能也有一定影響。
4. 結論：
用一句通俗的話總結：更多的機器不代表更多的效能，所謂“無底洞”就是說投入越多不一定產出越多。
分散式又是不可以避免的，因為我們的網站訪問量和資料量越來越大，一個例項根本坑不住，所以如何高效的在分散式快取和儲存批量獲取資料是一個難點。
二、雜湊儲存與順序儲存
在分散式儲存產品中，雜湊儲存與順序儲存是兩種重要的資料儲存和分佈方式，這兩種方式不同也直接決定了批量獲取資料的不同，所以這裡需要對這兩種資料的分散式方式進行簡要說明：
1. hash分佈：
hash分佈應用於大部分key-value系統中，例如memcache, redis-cluster, twemproxy，即使像mysql在分庫分表時候，也經常會用user%100這樣的方式。
hash分佈的主要作用是將key均勻的分佈到各個機器，所以它的一個特點就是資料分散度較高，實現方式通常是hash(key)得到的整數再和分散式節點的某臺機器做對映，以redis-cluster為例子：
問題：和業務沒什麼關係，不支援範圍查詢。
2. 順序分佈
3. 兩種分佈方式的比較：
| 分佈方式 | 特點 | 典型產品 |
| 雜湊分佈 | 1. 資料分散度高2.鍵值分佈與業務無關3.無法順序訪問
4.支援批量操作 |
一致性雜湊memcacheredisCluster其他快取產品 |
| 順序分佈 | 1.資料分散度易傾斜2.鍵值分佈與業務相關3.可以順序訪問
4.支援批量操作 |
BigTableHbase |
三、分散式快取/儲存四種Mget解決方案
1. IO的優化思路：
(1) 命令本身的效率：例如sql優化，命令優化
(2) 網路次數：減少通訊次數
(3) 降低接入成本:長連/連線池,NIO等。
(4) IO訪問合併:O(n)到O(1)過程:批量介面(mget),
2. 如果只考慮減少網路次數的話，mget會有如下模型：
3. 四種解決方案：
(1).序列mget
將Mget操作(n個key)拆分為逐次執行N次get操作, 很明顯這種操作時間複雜度較高，它的操作時間=n次網路時間+n次命令時間，網路次數是n，很顯然這種方案不是最優的，但是足夠簡單。
(2). 序列IO
將Mget操作(n個key)，利用已知的hash函式算出key對應的節點，這樣就可以得到一個這樣的關係：Map<node, somekeys>，也就是每個節點對應的一些keys
它的操作時間=node次網路時間+n次命令時間，網路次數是node的個數，很明顯這種方案比第一種要好很多，但是如果節點數足夠多，還是有一定的效能問題。
(3). 並行IO
此方案是將方案（2）中的最後一步，改為多執行緒執行，網路次數雖然還是nodes.size()，但網路時間變為o(1)，但是這種方案會增加程式設計的複雜度。
它的操作時間=1次網路時間+n次命令時間
(4). hash-tag實現。
第二節提到過，由於hash函式會造成key隨機分配到各個節點，那麼有沒有一種方法能夠強制一些key到指定節點到指定的節點呢?
redis提供了這樣的功能，叫做hash-tag。什麼意思呢？假如我們現在使用的是redis-cluster（10個redis節點組成），我們現在有1000個k-v，那麼按照hash函式(crc16)規則，這1000個key會被打散到10個節點上，那麼時間複雜度還是上述(1)~(3)
那麼我們能不能像使用單機redis一樣，一次IO將所有的key取出來呢？hash-tag提供了這樣的功能，如果將上述的key改為如下，也就是用大括號括起來相同的內容，那麼這些key就會到指定的一個節點上。
例如：
user1,user2,user3......user1000
{user}1,{user}2,{user}3.......{user}1000
例如下圖：它的操作時間=1次網路時間+n次命令時間
3. 四種批量操作解決方案對比：
| 方案 | 優點 | 缺點 | 網路IO |
| 序列mget | 1.程式設計簡單2.少量keys，效能滿足要求 | 大量keys請求延遲嚴重 | o(keys) |
| 序列IO | 1.程式設計簡單2.少量節點，效能滿足要求 | 大量node延遲嚴重 | o(nodes) |
| 並行IO | 1.利用並行特性2.延遲取決於最慢的節點 | 1.程式設計複雜2.超時定位較難 | o(max_slow(node)) |
| hash tags | 效能最高 | 1.tag-key業務維護成本較高2.tag分佈容易出現數據傾斜 | o(1) |
四、總結和建議
無底洞問題對資源和效能有一定影響，但是其實大部分系統不需要考慮這個問題，因為
1. 99%公司的資料和流量無法和facebook相比。
2. redis/memcache的分散式叢集通常來講是按照專案組做隔離的，以我們經驗來看一般不會超過50對主從。
所以這裡只是提供了一種優化的思路，開闊一下視野。
五、參考文獻
