马蜂窝推荐系统容灾缓存服务的设计与实现

╰半夏微凉° 2022-01-30 04:13 220阅读 0赞

数据库突然断开连接、第三方接口迟迟不返回结果、高峰期网络发生抖动...... 当程序突发异常时，我们的应用可以告诉调用方或者用户「对不起，服务器出了点问题」；或者找到更好的方式，达到提升用户体验的目的。

# 一、背景 #

用户在马蜂窝 App 上「刷刷刷」时，推荐系统需要持续给用户推荐可能感兴趣的内容，主要分为根据用户特性和业务场景，召回根据各种机器学习算法计算过的内容，然后对这些内容进行排序后返回给前端这几个步骤。

推荐的过程涉及到 MySQL 和 Redis 查询、REST 服务调用、数据处理等一系列操作。对于推荐系统来说，对时延的要求比较高。马蜂窝推荐系统对于请求的平均处理时延要求在 10ms 级别，时延的 99 线保持在 1s 以内。

![4624570-605a10c0f44962ea.jpg][]

image

当外部或者内部系统出现异常时，推荐系统就无法在限定时间内返回数据给到前端，导致用户刷不出来新内容，影响用户体验。

![4624570-6c922e90dc14f873.jpg][]

image

所以我们希望通过设计一套容灾缓存服务，实现在应用本身或者依赖的服务发生超时等异常情况时，可以返回缓存数据给到前端和用户，来减少空结果数量，并且保证这些数据尽可能是用户感兴趣的。

# 二、设计与实现 #

## 设计思路和技术选型 ##

不仅仅是推荐系统，缓存技术在很多系统中已经被广泛应用，小到 JVM 中的常用整型数，大到网站用户的 session 状态。缓存的目的不尽相同，有些是为了提高效率，有些是为了备份；缓存的要求也高低不一，有些要求一致性，有些则没有要求。我们需要根据业务场景选择合适的缓存方案。

结合到我们上面提到的业务场景和需求，我们采用了基于 OHC 堆外缓存和 SpringBoot 的方案，实现在现有推荐系统中增加本地容灾缓存系统。主要是考虑到以下几点因素：

**1. 避免影响线上服务，将业务逻辑和缓存逻辑隔离**

为了不影响线上服务，我们将缓存系统封装为一个 CacheService，配置在现有流程的末端，并提供读、写的 API 给外部调用，将业务逻辑和缓存逻辑隔离。

**2. 异步写入缓存，提高性能**

读、写缓存都会带来时间消耗，特别是写入缓存。为了提高性能，我们考虑将写入缓存做成异步的方式。这部分使用的是 JDK 提供的线程池 ThreadPoolExecutor 来实现，主线程只需要提交任务到线程池，由线程池里的 Worker 线程实现写入缓存。

**3. 本地缓存，提高访问速度**

在推荐系统中，给用户推荐的内容应该是千人千面的，甚至同一位用户每次刷新看到的内容都可能不同，这就不要求缓存具有强一致性。因此，我们只需要进行本地缓存，而不需要采用分布式的方式。这里使用到的是开源缓存工具 OHC，缓存的数据来源于成功处理过的请求。

**4. 备份缓存实例，保证可用性**

为了保证缓存的可用性，我们不仅在内存中进行缓存，还定时备份到文件系统中，从而保证在可以应用启动时从文件系统加载到内存。具体可以使用 SpringBoot 提供的定时任务、ApplicationRunner 来实现。

## 整体架构 ##

我们保持了推荐系统的现有逻辑，并在现有流程的末端，配置了 CacheModule 和 CacheService，负责所有和缓存相关的逻辑。

![4624570-b94667e3ec8a4e09.jpg][]

image

其中，CacheService 是缓存的具体实现，提供读写接口；CacheModule 对本次请求的数据进行处理，并决定是否需要调用 CacheService 对缓存进行操作。

## 模块解读 ##

**1. CacheModule**

在完成推荐系统的原有流程处理之后，CacheModule 会对得到的响应报文进行判断，比如是否抛出了异常，响应是否为空等，然后决定是否读取缓存或者提交缓存任务。

CacheModule 的工作流程如图所示，其中橘黄色部分代表对 CacheService 的调用：

![4624570-3dfd1e03f9c7f83e.jpg][]

image

*  **提交缓存任务**。如果该次请求没有抛出异常，并且响应结果也不为空，则会提交一个缓存任务到 CacheService。任务的 key 值为对应的业务场景，value 为本次响应计算得到的内容。提交的动作是非阻塞的，对接口的耗时影响很小。
 *  **读取缓存数据**。当应用本身或者依赖应用抛出异常时，系统会根据业务场景的 key 值从 CacheService 中读取缓存并返回给调用方。当出现用户本身已经刷完所有可用数据的情况时，就不需要读取缓存，而是将请求的数据及时反馈给用户。

2. CacheService

在缓存的具体实现上，CacheService 使用到了从 Apache Cassandra 项目中独立出来的 OHC。另外因为我们整个应用是基于 SpringBoot 的，也用到了 SpringBoot 提供的各种功能。

上文说到对缓存没有强一致性的要求，所以我们采用的是本地缓存而非分布式缓存，并且抽象出一个 CacheService 类负责对本地缓存进行维护。

**(1) 数据格式**

推荐系统返回数据时，根据业务场景和用户特征设定以「屏」为单位返回数据，每屏可以包含多个内容项，所以采取 key-set 的数据格式：key 值为业务场景，比如首页的「视频」频道；缓存内容则为「屏」的集合。

**(2) 存储位置**

对于 Java 应用，缓存可以存放在内存中或者硬盘文件中。而内存空间又分为 heap（堆内存）和 off-heap（堆外内存）。我们对这几种方式进行了对比：

![4624570-93daf6a7437aefd0.jpg][]

image

为了保证较快的读写速度，避免缓存 GC 影响线上服务，所以选择 off-heap 作为缓存空间。OHC 最早包含在 Apache Cassandra 项目中，之后独立出来，成为了基于 off-heap 的开源缓存工具。它既可以维护大量的 off-heap 内存空间，同时也使用于低开销的小型缓存实体。所以我们使用 OHC 作为 off-heap 的缓存实现。

**(3) 文件备份**

在应用重启时，off-heap 中的缓存为空。为了尽快载入缓存，我们使用 SpringBoot 的 Scheduling Tasks 功能，定期将缓存从 off-heap 备份到文件系统；通过继承 SpringBoot 的 ApplicationRunner 监听应用启动的过程，启动完成后将硬盘中的备份文件加载到 off-heap，保证缓存数据的可用性。

CacheService 维护一个任务队列，队列中保存着 CacheModule 通过非阻塞的方式提交的缓存任务，由 CacheService 决定是否要执行这些缓存任务。

**(4) 对 CacheModule 提供的 API**

*  读取缓存时，传入 key 值，缓存模块随机从 set 中读取数据返回。
 *  写入缓存时，将 key 和 value 封装为一个任务，提交到任务队列，由任务队列负责异步写入缓存。

**(5) 任务队列与异步写入**

这里我们使用了 JDK 中的线程池来实现。在构造线程池时，使用 LinkedBlockingQueue 作为任务队列，可以实现快速增删元素；因为应用的 QPS 在 100 以内，所以工作线程数目固定为 1；队列写满之后，则执行 DiscardPolicy，放弃插入队列。

**(6) 缓存数量控制**

如果缓存占用内存空间过大，会影响线上应用，我们可以采用为不同的业务场景配置最大缓存数量来控制缓存数量。没有达到配置值时，将成功处理过的数据写入缓存；达到配置值时可以随机抽样覆盖原有缓存项，来保证缓存的实时性。

综合考虑以上各个方面，CacheService 的设计如下：

![4624570-ceb7029093775ba0.jpg][]

image

## 线上表现 ##

为了验证容灾缓存的效果，我们在命中缓存时进行了埋点，并通过 Kibana 查看每小时缓存的命中数量。如图所示，在 18:00 到 19:00 系统存在一定的超时，而这段时间由于缓存服务发挥了作用，使系统的可用性得到提升。

![4624570-8164491e7430ede0.jpg][]

image

我们还对 OHC 的读取和写入速度进行了监控。写入缓存的时延在毫秒级别，并且是异步写入；读取缓存的时延在微秒级别。基本没有给系统增加额外的时间消耗。

![4624570-69652567a57f047d.jpg][]

image

## 踩过的坑 ##

在将缓存写入 OHC 之前，需要进行序列化，我们使用了开源的 kryo 作为序列化工具。之前在使用 kyro 时，发现对于没有实现 Serializable 的类，反序列化时可能失败，比如使用 List\#subList 方法返回的内部类 java.util.ArrayList$SubList。这里可以手动注册 Serializer 来解决这个问题，在 Github 上开源的 kryo-serializers 仓库提供了各种类型的 serializers。

另外一点，需要注意根据具体使用场景，来配置 OHC 中的 capacity 和 maxEntrySize。如果配置的值太小的话，会导致写入缓存失败。可以在上线之前测算缓存的空间占用，合理设置整个缓存空间的大小和每个缓存 entry 的大小。

# 三、优化方向 #

基于 SpringBoot 和 OHC，我们在现有的推荐系统中增加了一个本地容灾缓存系统，当依赖服务或者应用本身突发异常时可以返回缓存的数据。

该缓存系统还存在一些不足，我们近期会针对以下几点进行重点优化：

*  缓存数目写满之后，目前应用会随机覆写已经存在的缓存。未来可以进行优化，将最老的缓存项替换。
 *  在某些场景下缓存的粒度不够精细，比如目的地页推荐共用一个缓存的 key 值。未来可以根据目的地的 ID，为每个目的地配置一份缓存。
 *  现在推荐系统还有部分配置依赖于 MySQL，未来会考虑将在本地进行文件缓存。

\[参考资料\]

[1. Java Caching Benchmarks 2016 - Part 1][]

[2. On Heap vs Off Heap Memory Usage][]

[3. OHC - An off-heap-cache][]

[4. kryo-serializers][]

[5. scheduling-tasks][]

> 本文作者：孙兴斌，马蜂窝推荐和搜索后端研发工程师  
> [https://www.cnblogs.com/mfwtech/p/10880218.html][https_www.cnblogs.com_mfwtech_p_10880218.html]

[4624570-605a10c0f44962ea.jpg]: /images/20220130/96786e0879a045e78341ac04ea033cc1.png
[4624570-6c922e90dc14f873.jpg]: /images/20220130/275f2bc0a91142b8af1eb5e9fe2fde40.png
[4624570-b94667e3ec8a4e09.jpg]: /images/20220130/c2b9e91d820a4f4bbff1ecb88b23e79a.png
[4624570-3dfd1e03f9c7f83e.jpg]: /images/20220130/b68d8fa11d8945ca91e6ad0b91c11bf8.png
[4624570-93daf6a7437aefd0.jpg]: /images/20220130/c2f79162483f46ca96e7a6683cd11d97.png
[4624570-ceb7029093775ba0.jpg]: /images/20220130/618ebf5ec48440eebc6ebf76031e21d0.png
[4624570-8164491e7430ede0.jpg]: /images/20220130/9bfb9c22135444bfa6d9b21ba11869db.png
[4624570-69652567a57f047d.jpg]: /images/20220130/83819a56dab24dcfaf955bd1f8e16c6f.png
[1. Java Caching Benchmarks 2016 - Part 1]: https://links.jianshu.com/go?to=https%3A%2F%2Fcruftex.net%2F2016%2F03%2F16%2FJava-Caching-Benchmarks-2016-Part-1.html
[2. On Heap vs Off Heap Memory Usage]: https://links.jianshu.com/go?to=https%3A%2F%2Fdzone.com%2Farticles%2Fheap-vs-heap-memory-usage
[3. OHC - An off-heap-cache]: https://links.jianshu.com/go?to=https%3A%2F%2Fgithub.com%2Fsnazy%2Fohc
[4. kryo-serializers]: https://links.jianshu.com/go?to=https%3A%2F%2Fgithub.com%2Fmagro%2Fkryo-serializers
[5. scheduling-tasks]: https://links.jianshu.com/go?to=https%3A%2F%2Fspring.io%2Fguides%2Fgs%2Fscheduling-tasks%2F
[https_www.cnblogs.com_mfwtech_p_10880218.html]: https://links.jianshu.com/go?to=https%3A%2F%2Fwww.cnblogs.com%2Fmfwtech%2Fp%2F10880218.html