19 分布式缓存集群的伸缩性设计

应用程序通过 Memcached 客户端访问 Memcached 服务器集群,Memcached 客户端主 要由一组 API、Memcached 服务器集群路由算法、Memcached 服务器集群列表及通信模 块构成。

其中路由算法负责根据应用程序输入的缓存数据 KEY 计算得到应该将数据写入到 Memcached 的哪台服务器(写缓存)或者应该从哪台服务器读数据(读缓存)。

一个典的型缓存写操作如图 6.10 中箭头所示路径。应用程序输入需要写缓存的数据 v，BEIJING,DATA>, API 将 KEY (?BEIJING’)输入路由算法模块，路由算法根据 KEY 和 Memcached 集群服务器列表计算得到一台服务编号(NODE1),进而得到该机器的 IP 地 址和端口( 10.0.0.0:91000)。API 调用通信模块和编号为 NODE1 的服务器通信，将数据 <,BEIJING\DATA>写入该服务器。完成一次分布式缓存的写操作。

读缓存的过程和写缓存一样，由于使用同样的路由算法和服务器列表，只要应用程 序提供相同的 KEY ('BEIJING*), Memcached 客户端总是访问相同的服务器(NODE1 ) 去读取数据。只要服务器还缓存着该数据，就能保证缓存命中。

[](()2 Memcached 分布式缓存集群的伸缩性挑战

由上述讨论可得知，在 Memcached 分布式缓存系统中，对于服务器集群的管理，路由算法至关重要，和负载均衡算法一样，决定着究竟该访问集群中的哪台服务器。

简单的路由算法可以使用余数 Hash：用服务器数目除以缓存数据 KEY 的 Hash 值， 余数为服务器列表下标编号。假设图 6.10 中 BEIJING 的 Hash 值是 490806430 ( Java 中的 HashCode()返回值)，用服务器数目 3 除以该值，得到余数 1,对应节点 NODElo 由于 HashCode 具有随机性，因此使用余数 Hash 路由算法可保证缓存数据在整个 Memcached 服务器集群中比较均衡地分布。

对余数 Hash 路由算法稍加改进，就可以实现和负载均衡算法中加权负载均衡一样的加权路由。事实上，如果不需要考虑缓存服务器集群伸缩性，余数 Hash 几乎可以满足绝 大多数的缓存路由需求。

但是，当分布式缓存集群需要扩容的时候，事情就变得棘手了。

假设由于业务发展，网站需要将 3 台缓存服务器扩容至 4 台。更改服务器列表，仍旧使用余数 Hash,用 4 除以 EEIJING 的 Hash 值 49080643,余数为 2,对应服务器 NODE 《一线大厂 Java 面试题解析+后端开发学习笔记+最新架构讲解视频+实战项目源码讲义》无偿开源 威信搜索公众号【编程进阶路】 2o 由于数据＜，BEIJING,DATA＞缓存在 NODE1,对 NODE2 的读缓存操作失败，缓存没有命 中。

很容易就可以计算出，3 台服务器扩容至 4 台服务器，大约有 75%( 3/4)被缓存了的数据不能正确命中，随着服务器集群规模的增大，这个比例线性上升。当 100 台服务 器的集群中加入一台新服务器，不能命中的概率是 99% (N/(N+1))。

这个结果显然是不能接受的，在网站业务中，大部分的业务数据读操作请求事实上 是通过缓存获取的，只有少量读操作请求会访问数据库，因此数据库的负载能力是以有 缓存为前提而设计的。当大部分被缓存了的数据因为服务器扩容而不能正确读取时，这 些数据访问的压力就落到了数据库的身上，这将大大超过数据库的负载能力，严重的可 能会导致数据库宕机(这种情况下，不能简单重启数据库，网站也需要较长时间才能逐 渐恢复正常。详见本书第 13 章。)

本来加入新的缓存服务器是为了降低数据库的负载压力，但是操作不当却 导致了数据库的崩溃。如果不对问题和解决方案有透彻了解，网站技术总有想 不到的陷阱让架构师一脚踩空。遇到这种情况，用某网站一位资深架构师的话说，就是“一股寒气从脚底板窜到了脑门心”。

一种解决办法是在网站访问量最少的时候扩容缓存服务器集群，这时候对数据库的 负载冲击最小。然后通过模拟请求的方法逐渐预热缓存，使缓存服务器中的数据重新分 布。但是这种方案对业务场景有要求，还需要技术团队通宵加班（网站访问低谷通常是 在半夜）o

能不能通过改进路由算法，使得新加入的服务器不影响大部分缓存数据的正确命中 呢？目前比较流行的算法是一致性 Hash 算法。

[](()3 分布式缓存的一致性 Hash 算法

一致性 Hash 算法通过一个叫作一致性 Hash 环的数据结构实现 KEY 到缓存服务器的 Hash 映射，如图 6.11 所示。

具体算法过程为：先构造一个长度为。02 的 32 次方的整数环（这个环被称作一致性 Hash 环）,根据节点名称的 Hash 值（其分布范围同样为 02 的 32 次方）将缓存服务器节点放置在这个 Hash 环上。然后根据需要缓存的数据的 KEY 值计算得到其 Hash 值（其分布范围也同样为 0~2 的 32 次方）,然后在而‘代环上顺时针查找距离这个 KEY 的 Hash 值最近的缓存服务器节点，完成 KEY 到服务器的 Hash 映射查找。

在图 6.11 中，假设 N0DE1 的 Hash 值为 3,594,963,423, NODE2 的 Hash 值为 1,845,328,979,而 KEYO 的 Hash 值为 2,534,256,785,那么 KEYO 在环上顺时针查找，找

到的最近的节点就是 NODEl。

当缓存服务器集群需要扩容的时候，只需要将新加入的节点名称(NODE3 )的 Hash 值放入一致性 Hash 环中，由于 KEY 是顺时针查找距离其最近的节点，因此新加入的节点只影响整个环中的一小段，如图 6.12 中深色一段。

假设 NODE3 的 Hash 值是 2,790,324,235,那么加入 NODE3 后，KEY0( Hash 值 2,534, 256,785 )顺时针查找得到的节点就是 NODE3。