超大规模系统的不能承受之痛

如何构建Redis集群？由于集群可以水平扩容，因此只要集群足够大，理论上支持海量并发就不是问题。但是，如果并发请求数量的基数过大，那么即使只有很小比率的请求穿透缓存，直接访问数据库的请求其绝对数量也仍然不小。再加上大促期间的流量峰值，还是会存在因为缓存穿透而引发系统雪崩的风险。

那么，这个问题该如何解决呢？其实方法并不难想到，不让请求穿透缓存就行了。如今内存存储的价格一路走低，只要能买得起足够多的服务器，Redis集群的容量就是无限的。我们可以把全量数据都放在Redis集群中，处理读请求的时候，只需要读取Redis，而不用访问数据库，这样就完全没有“缓存穿透”的风险了。实际上，很多大型互联网公司都在使用这种方法。

不过，在Redis中缓存全量数据，又会引发一个新的问题。那就是，缓存中的数据应该如何更新呢？因为我们取消了缓存穿透的机制，在这种情况下，如果能从缓存中直接读到数据，则可以直接返回，如果没能读到数据，那就只能返回错误了！所以，当系统更新数据库的数据之后，必须及时更新缓存。

至此，我们又要面对一个老问题：如何保证Redis中的数据与数据库中的数据同步更新？可以用分布式事务来解决数据一致性的问题，但是这些方法都不太适合用来更新缓存。原因是，分布式事务对数据更新服务有很强的侵入性。这里仍以下单服务为例来说明，如果为了更新缓存，增加一个分布式事务，那么无论我们使用哪种分布式事务，下单服务的性能或多或少都会受到影响。还有一个问题是，如果Redis本身出现了故障，写入数据失败，则还会导致下单失败的问题，相当于是降低了下单服务的性能和可用性，这样肯定是不行的。

对于像订单服务之类的核心业务，一个可行的方法是，启动一个更新订单缓存的服务，接收订单变更的消息队列（Message Queue，MQ）中的消息，然后更新Redis中缓存的订单数据。使用订单变更消息更新缓存的结构如图1所示。因为对于这类核心的业务数据，使用方通常会非常多，服务本来就需要向外发送消息，增加一个消费订阅，基本上不会增加额外的开发成本，也不需要对订单服务本身做出任何更改。

对于上述方法，我们唯一需要担心的问题是，如果消息丢失了，应该怎么办？因为现在消息是缓存数据的唯一来源，一旦出现消息丢失的问题，缓存里缺失的那条数据就会永远也无法补上，所以，必须保证整个消息链条的可靠性。不过，好在现在的MQ集群（比如Kafka或RocketMQ），都拥有高可用性和高可靠性的保证机制，只要能事先正确配置好，就可以满足数据的可靠性要求。

像订单服务这样，由于本来就有现成的数据变更消息可以订阅，因此像这样更新缓存也是一个不错的选择，因为这种方式实现起来很简单，对系统的其他模块也完全没有侵入。

如果我们要缓存的数据，原本就没有一份数据更新的消息队列可以订阅，又该怎么办呢？下面就来介绍很多大型互联网企业所采用的，也是更通用的解决方案。

数据更新服务只负责处理业务逻辑，更新MySQL，完全不用考虑如何更新缓存。负责更新缓存的服务，把自己伪装成一个MySQL的从节点，从MySQL接收并解析Binlog之后，就可以得到实时的数据变更信息，然后该服务就会根据这个变更信息去更新Redis缓存。订阅Binlog更新缓存的结构如图2所示。

图2　订阅Binlog更新缓存的结构

订阅Binlog更新缓存的方案，相较于上文中接收消息更新Redis缓存的方案，两者的实现思路其实是一样的，都是异步实时订阅数据变更信息以更新Redis缓存。只不过，直接读取Binlog这种方式，通用性更强。该方式不会要求订单服务再发送订单消息，订单更新服务也不用额外考虑如何解决“消息发送失败了该怎么办？”这种数据一致性问题。

除此之外，由于在整个缓存更新链路上，减少了一个收发消息队列的环节，从MySQL更新到Redis更新的时延变得更短，出现故障的可能性也更低，因此很多大型互联网企业更青睐于采用这种方案。

订阅Binlog更新缓存的方案唯一的缺点是，实现订单缓存更新服务比较复杂，该方案毕竟不像接收消息那样，收到的直接就是订单数据，解析Binlog还是挺麻烦的。

很多开源的项目都提供了订阅和解析MySQL Binlog的功能，下面就以比较常用的开源项目Canal为例来演示，如何实时接收Binlog更新Redis缓存。

Canal通过模拟MySQL主从复制的交互协议，把自己伪装成一个MySQL的从节点，向MySQL主节点发送dump请求。MySQL收到请求后，就会向Canal开始推送Binlog，Canal解析Binlog字节流之后，将其转换为便于读取的结构化数据，供下游程序订阅使用。图3展示了如何使用Canal订阅Binlog更新Redis中的订单缓存。

图3　使用Canal订阅Binlog更新缓存

在这个示例中，MySQL和Redis都在本地的默认端口上运行，MySQL的端口为3306，Redis的端口为6379。为了便于大家操作，下面还是以第5章中提到的账户余额表account_balance作为演示数据。

首先，下载并在本地解压Canal当前最新的1.1.4版本，操作命令如下：

wget https://github.com/alibaba/canal/releases/download/canal-1.1.4/canal.deployer-1.1.4.tar.gztar zvfx canal.deployer-1.1.4.tar.gz

然后，配置MySQL，我们需要在MySQL的配置文件中开启Binlog，并将Binlog的格式设置为ROW，配置项如下：

[mysqld]log-bin=mysql-bin # 开启Binlog。binlog-format=ROW # 将Binlog格式设置为ROW。server_id=1       # 配置一个ServerID。

接下来，为Canal新建一个专门的MySQL用户并授权，以确保这个用户有复制Binlog的权限，具体操作的SQL命令如下：

CREATE USER canal IDENTIFIED BY 'canal';GRANT SELECT, REPLICATION SLAVE, REPLICATION CLIENT ON *.* TO 'canal'@'%';FLUSH PRIVILEGES;

然后，重启MySQL，以确保所有的配置都能生效。重启后再检查一下当前的Binlog文件和位置，SQL命令和输出结果具体如下：

mysql> show master status;+-------------+--------+------------+----------------+-----------------+| File        |Position|Binlog_Do_DB|Binlog_Ignore_DB|Executed_Gtid_Set|+-------------+--------+------------+----------------+-----------------+|binlog.000009|     155|            |                |                 |+-------------+--------+------------+----------------+-----------------+

记录下File和Position两列的值，然后再来配置Canal。编辑Canal的实例配置文件canal/conf/example/instance.properties，以便让Canal连接到我们的MySQL上，具体配置如下：

canal.instance.gtidon=false# position infocanal.instance.master.address=127.0.0.1:3306canal.instance.master.journal.name=binlog.000009canal.instance.master.position=155canal.instance.master.timestamp=canal.instance.master.gtid=# username/passwordcanal.instance.dbUsername=canalcanal.instance.dbPassword=canalcanal.instance.connectionCharset = UTF-8canal.instance.defaultDatabaseName=test# table regexcanal.instance.filter.regex=.*\\..*

这个配置文件需要配置MySQL的连接地址、库名、用户名和密码，除此之外，还要配置canal.instance.master.journal.name和canal.instance.master.position这两个属性，取值就是刚刚记录的File和Position两列。然后就可以启动Canal服务了，命令如下：

canal/bin/startup.sh

启动之后再查看一下日志文件canal/logs/example/example.log，如果日志中没有报错信息，就说明Canal服务已启动成功并连接到我们的MySQL上了。

Canal服务启动之后，会开启一个端口（11111）等待客户端连接，客户端连接上Canal服务之后，就可以从Canal服务拉取（PULL）数据了，每拉取一批数据，正确写入Redis之后，需要向Canal服务返回处理成功的响应。如果发生客户端程序宕机，或者处理失败等异常情况，Canal服务没有收到处理成功的响应，那么下次客户端来拉取的就还是同一批数据，这样就可以保证读到的Binlog顺序不会乱，并且不会丢失数据。

接下来，我们来开发一个账户余额缓存的更新程序，以下代码都是用Java语言编写的：

while (true) {

    Message message = connector.getWithoutAck(batchSize); // 获取指定数量的数据。

    long batchId = message.getId();

    try {

        int size = message.getEntries().size();

        if (batchId == -1 || size == 0) {

            Thread.sleep(1000);

        } else {

            processEntries(message.getEntries(), jedis);

        }

        connector.ack(batchId); // 提交确认。

    } catch (Throwable t) {

        connector.rollback(batchId); // 处理失败，回滚数据。

    }

}

这个程序的逻辑并不复杂，程序启动并连接到Canal服务后，就不停地拉取数据，如果没有数据就休眠一会儿，如果有数据就调用processEntries方法处理并更新缓存。每批数据更新成功之后，都会调用ack方法向Canal服务返回成功响应，如果失败则抛出异常之后再回滚。下面是processEntries方法的主要代码：

for (CanalEntry.RowData rowData : rowChage.getRowDatasList()) {

    if (eventType == CanalEntry.EventType.DELETE) { // 删除。

        jedis.del(row2Key("user_id", rowData.getBeforeColumnsList()));

    } else if (eventType == CanalEntry.EventType.INSERT) { // 插入。

        jedis.set(row2Key("user_id", rowData.getAfterColumnsList()), row2Value(rowData.getAfterColumnsList()));

    } else { // 更新。

        jedis.set(row2Key("user_id", rowData.getAfterColumnsList()), row2Value(rowData.getAfterColumnsList()));

    }

}

上述代码会根据事件类型分别进行处理，如果MySQL中的数据删除了，就删除Redis中对应的数据。如果是更新和插入操作，就调用Redis的SET命令来写入数据。

下面就来启动这个账户缓存更新服务以进行验证。在账户余额表中插入一条记录，SQL命令如下：

mysql> insert into account_balance values (888, 100, NOW(), 999);

然后，我们再来看一下Redis缓存，操作命令和输出结果如下：

127.0.0.1:6379> get 888

"{\"log_id\":\"999\",\"balance\":\"100\",\"user_id\":\"888\",\

"timestamp\":\"2020-03-08 16:18:10\"}"

从上述输出结果中我们可以看到，数据已经自动同步到Redis中了。GitHub上可以下载该示例的完整代码，链接地址是：https://github.com/liyue2008/canal-to-redis-example。

在处理超大规模并发的场景时，由于并发请求的数量非常大，即使只有少量的缓存穿透，也有可能卡死数据库引发雪崩效应。对于这种情况，我们可以通过Redis缓存全量数据来彻底避免缓存穿透的问题。对于缓存数据更新的方法，我们可以通过订阅数据更新的消息队列来异步更新缓存，更通用的方法是，把缓存更新服务伪装成一个MySQL从节点，订阅MySQL的Binlog，通过Binlog来更新Redis缓存。

需要特别注意的是，无论是通过消息队列还是Canal来异步更新缓存，系统对整个更新服务的数据可靠性和实时性要求都比较高，数据丢失或者更新慢了，都会造成Redis中的数据与MySQL中的数据不同步的问题。在把这套方案应用到生产环境之前，我们需要考虑一旦出现不同步的问题，应该采取什么样的降级或补偿方案。