腾讯云超火开源数据库产品架构揭秘

Redis 作为高性能缓存经常被广泛应用到各个业务——如游戏的排行榜、分布式锁等场景。

但Redis也并非万能的，在长期的使用过程中，我们也遇到 Redis 一些痛点问题, 比如内存占用高, 数据可靠性差, 业务维护缓存和存储的一致性繁琐等。

因此，腾讯云数据库Tendis诞生了，今天，我们就结合视频，一起回顾腾讯云数据库Tendis混合存储版的整体架构, 并且详细揭秘其内部的原理。

进入“腾讯云数据库”公众号，后台回复“0331李景军”，即可下载分享PPT。

Redis&Tendis

使用 Redis 有哪些痛点？我大致分类为以下三种：

一、内存成本高

首先，在产品的不同阶段，业务对 QPS 的要求不同，以游戏业务为例, 刚上线的新游戏通常来说都特别火爆, 为了支持上千万同时在线, 需要不断的进行扩容增加机器。而在运营一段时间后, 游戏玩家逐渐变少到一个正常的用户量级, 访问频率(QPS)没那么高, 依然占用大量机器, 维护成本很高。

其次，Redis 保存全量数据时, 需要 Fork 一个进程。Linux 的 fork 系统调用基于 Copy On Write 机制, 如果在此期间 Redis 有大量的写操作, 父子进程就需要各自维护一份内存。因此部署 Redis 的机器往往需要预留一半的内存。

二、缓存一致性的问题

对于 Redis + MySQL 的架构需要业务方花费大量的精力来维护缓存和数据库的一致性。

三、数据可靠性

Redis 本质上是一个内存数据库, 用户虽然可以使用 AOF 的 Always 来落盘保证数据可靠性, 但是会带来性能的大幅下降, 因此生产环境很少有使用。另外 不支持 回档, Master 故障后, 异步复制会造成数据的丢失。

四、异步复制

Redis 主备使用异步复制, 这个是异步复制固有的问题。主备使用异步复制, 响应延迟低, 性能高, 但是 Master 故障后, 会造成数据丢失。

关于 Tendis，我们已经做了很多介绍（开源一周star上千，什么产品这么香？）在此不再赘述。接下来我们对 Tendis 混合存储版的整体架构进行详细的解读。

Tendis混合存储版整体架构

Tendis 冷热混合存储版主要由 Proxy 、缓存层 Redis、 存储层 Tendis 存储版和同步层 Redis-sync 组成, 其中每个组件的功能如下:

一、Proxy组件

负责对客户端请求进行路由分发，将不同的Key的命令分发到正确的分片，同时Proxy还负责了部分监控数据的采集，以及高危命令在线禁用等功能。

二、缓存层 Redis Cluster

缓存层 Redis 基于 社区 Redis 4.0 进行开发。Redis 具有以下功能: 

版本控制；自动将冷数据从缓存层中淘汰，将热数据从存储层加载到缓存层；使用 Cuckoo Filter 表示全量 Keys, 防止缓存穿透；基于 RDB+AOF 扩缩容方式，扩缩容更加高效便捷。

三、存储层 Tendis Cluster

Tendis 存储版是腾讯基于 RocksDB 自研的兼容 Redis 协议的KV存储引擎，该引擎已经在腾讯内部运营多年，性能和稳定性得到了充分的验证。在混合存储系统中主要负责全量数据的存储和读取，以及数据备份, 增量日志备份等功能。

四、同步层 Redis-sync

并行数据导入存储层 Tendis；服务无状态，故障重新拉起；数据自动路由。

Tendis 冷热混合存储的一些重要特性总结：

缓存层 Redis Cluster 和 存储层 Tendis Cluster 分别进行扩缩容, 集群自治管理等；

冷数据自动降冷, 降低内存成本; 热数据自动缓存, 降低访问延迟。

缓存层Redis Cluster

一、版本控制

首先基于社区版 Redis 改动是版本控制。我们为每个 Key 和 每条 Aof 增加一个 Version , 并且 Version 是单调递增的。在每次更新/新增一个 Key 后, 将当前节点的 Version 赋值给 Key 和 Value, 然后对全局的 Version++;

如下所示, 在 redisObject 中添加 64bits, 其中 48bits 用于版本控制。

typedef struct redisObject {unsigned type:4;unsigned encoding:4;unsigned lru:LRU_BITS; /* LRU time (relative to global lru_clock) or                            * LFU data (least significant 8 bits frequency                            * and most significant 16 bits access time). */int refcount;
/* for hybrid storage */unsigned flag:4;                           /* OBJ_FLAG_... */unsigned reserved:4;unsigned counter:8;                        /* for cold-data-cache-policy */unsigned long long revision:REVISION_BITS; /* for value version */
void *ptr;} robj;

引入版本控制主要带来以下优势：

1. 增量 RDB

社区版 Redis 主备在断线重连后, 如果 slave 发送的 psync_offset 对应的数据不在当前的 Master 的 repl_backlog 中, 则主备需要重新进行全量同步。

再引入 Version 之后, slave 断线重连, 给 Master 发送 带 Version 的 PSYNC replid psync_offset version命令。如果出现上述情况, Master 将大于等于 Version 的数据生成增量 RDB, 发给 Slave, 进而解决需要增量, 同步比较慢的问题。

2. Aof 的幂等

如果同步层 Redis-sync 出现网络瞬断(短暂的和缓存层或者存储层断开), 作为一个无状态的同步组件, Redis-sync 会重新拉取未同步到 Tendis 的增量数据, 重新发送给 Tendis。每条 Aof 都具有一个 Version, Tendis 在执行的时候仅会执行比当前 Version 大的 Aof, 避免 aof 执行多次导致的数据不一致。

二、冷热数据交互

冷数据的恢复指当用户访问的 Key 不在缓存层, 需要将数据从存储层重新加载到缓存层。数据恢复这里是缓存层直接和存储层直接交互, 当冷 Keys 访问的请求比较大, 数据恢复很容易成为瓶颈, 因此为每个 Tendis 节点建立一个连接池, 专门负责与这个 Tendis 节点进行冷热数据恢复。

用户访问一个 Key 的具体流程如下:

首先判断 Key 是否在缓存层, 如果缓存层存在, 则执行命令; 如果缓存层不存在, 查询 Cuckoo Filter, 判断 Key 是否有可能在存储层；

如果 Key 可能在存储层, 则向存储层发送 dumpx dbid key withttl 命令尝试从存储层获取数据, 并且阻塞当前请求的客户端；

存储层收到 dumpx , 如果 Key 在存储层, 则向缓存层返回 RESTOREEX dbid key ttl value; 如果Key 不在存储层(Cuckoo Filter 的误判), 则向缓存层返回 DUMPXERROR key；

存储层收到 RESTOREEX 或者 DUMPXERROR 后, 将冷数据恢复。然后就可以唤醒阻塞的客户端, 执行客户端的请求。

三、Key 降冷 与 Cuckoo Filter

这里主要讲解混合存储从 1:1 版的缓存层缓存全量 Keys, 到 N:M 版的缓存层将Key 和 Value 同时驱逐的演进, 以及我们引入 Cuckoo Filter 避免缓存穿透, 同时节省大量内存。

1. Key 降冷的背景介绍

2020 年 6 月份上线的 1:1 版的冷热混合存储, 缓存层 Redis 存储全量的 Keys 和热 Values(All Keys + Hot values), 存储层 Tendis 存储全量的 Keys 和 Values(All Keys + All values)。在上线运行了一段时间后, 发现全量 Keys 的内存开销特别大, 冷热混合的收益并不明显。为了进一步释放内存空间, 提高缓存的效率, 我们放弃了 Redis 缓存全量 Keys 的方案, 驱逐的时候将 key 和 Value 都从缓存层淘汰。

2. Cuckoo Filter 解决缓存击穿和缓存穿透

如果缓存层不存储全量的 Keys, 就会出现缓存击穿和缓存穿透的问题。为了解决这一问题, 缓存层引入 Cuckoo Filter 表示全量的 keys 。我们需要一个支持删除、可动态伸缩并且空间利用率高的 Membership Query 结构, 经过我们的调研和对比，最终选择 Dynamic Cuckoo Filter。

3. Dynamic Cuckoo Filter 实现

项目初期参考了 RedisBloom 中 Cuckoo Filter 的实现, 在开发的过程中也遇到了一些坑，RedisBloom 实现的 Cuckoo Filter 在删除的时候会出现误删, 最终给 RedisBloom 提 PR 修复了问题。

4. Key 降冷的收益

最终采用将 Key 和 Value 同时从缓存层淘汰, 降低内存的收益很大。比如现网的一个业务, 总共有 6620 W 个 Keys , 在缓存全量 Keys 的时候 占用 18408 MB的内存, 在 Key 降冷后 仅仅占用 593MB 。

四、智能淘汰/加载策略

作为冷热混合存储系统, 热数据在缓存层, 全量数据在存储层。关键的问题是淘汰和加载策略, 这里直接影响缓存的效率, 细分主要有两点：当缓存层内存满时, 选择哪些数据淘汰？当用户访问存储层的数据时, 是否需要将其放入缓存层？

首先介绍混合存储的淘汰策略, 主要有以下两个淘汰策略:

1. maxmemory-policy

当缓存层 Redis 内存使用到达 maxmemory, 系统将按照 maxmemory-policy 的内存策略将 Key/Value 从缓存层驱逐, 释放内存空间。(驱逐是指将 Key/Value 从缓存层中淘汰掉, 存储层 和 缓存层的 Cuckoo Filter 依然存在该 Key；

2. value-eviction-policy 如果配置 value-eviction-policy, 后台会定期将用户 N 天未访问的 Key/Value 被驱逐出内存;

其次讲一下缓存加载策略，为了避免缓存污染的问题(比如类似 Scan 的访问, 遍历存储层的数据, 将缓存层真正的热数据淘汰, 从而造成了缓存效率低下) 。我们实现缓存加载策略: 仅仅将规定时间内访问频率超过某个阈值的数据加载到缓存中, 这里的时间和阈值都是可配置的。

五、基于 RDB+AOF 扩缩容

社区版 Redis 的扩容流程如下所示:

而社区版 Redis 扩容也存在以下三个问题：

1. importing 和 migrating 的设置不是原子的

先设置目标节点 slot 为 importing 状态, 再设置源节点的 slot 为 migrating 状态。如果反过来, 由于两次操作非原子: 源节点设置为 migrating , 目标节点还未设置 migrating 状态, 请求在这两个节点间反复 Move 。

2. 搬迁以 Key 为粒度, 效率较低

Migrate 命令每次搬迁一个或者多个 Keys, 将整个 Slot 搬迁到目标节点需要多次网络交互。

3. 大 Key 问题

由于 Migrate 命令是同步命令, 在搬迁过程中是不能处理其他用户请求的, 因此可能会影响业务(延迟时间波动较大)。

由于社区版 Redis 存在的上述问题, 我们实现了基于 RDB+Aof 的扩缩容方式, 大致流程如下:

1) 管控添加新节点, 规划待搬迁 slots; 2) 管控端向目标节点下发slot同步命令: cluster slotsync beginSlot endSlot [[beginSlot endSlot]...] 3) 目标节点向源节点发送 sync [slot ...], 命令请求同步slot数据 4) 源节点生成指定 slot 数据的一致性快照全量数据(RDB), 并将其发送给目标节点 5) 源节点开始持续发送增量数据(Aof) 6) 管控端定位获取源节点和目标节点的落后值 (diff_bytes), 如果落后值在指定的阈值内, 管控端向目标节点发送 cluster slotfailover (流程类似 Redis 的 cluster failover, 首先阻塞源节点写入, 然后等待目标节点和源节点的落后值为 0, 最后将 搬迁的 slots 归属目标节点)

同步层 Redis-sync

同步层 Redis-sync 模拟 Redis Slave 的行为, 接收 RDB 和 Aof, 然后并行地导入到存储层 Tendis。同步层主要需要解决以下问题:

1) 并发地导入到存储层 Tendis, 如何保证时序正确 ?

2) 特殊命令的处理, 比如 FLUSHALL/FLUSHDB/SWAPDB/SELECT/MULTI 等 ?

3) 作为一个无状态的同步组件, 如何保证故障后, 数据断点续传 ?

4) 缓存层和存储层 分别进行扩缩容, 如何将请求路由到正确的 Tendis 节点 ?

为了解决上述问题, 我们实现了下面的功能：

1. Slot 内串行, Slot 间并行

针对问题 1, Redis-sync 中采用与 Redis 相同的计算 Slot 的算法, 解析到具体的命令后, 根据 Key 所属的 slot, 将其放到对应的 队列中( slot%QueueSize )。因此同一个 Slot 的数据是串行写入, 不同 slot 的数据可以并行写入, 不会出现时序错乱的行为。

2. 串并转换

针对问题 2, Redis-sync 会在并行和串行模式之间进行转换。比如收到 FLUSHDB 命令, 这是需要将 FLUSHDB 命令 前的命令都执行完, 再执行 FLUSHDB 命令。

3. 定期上报

针对问题 3, Redis-sync 会定期将已发送给存储层的 aof 的 Version 持久化到 存储层。如何 Redis-sync 故障, 首先从 存储层获取上次已发送的位置, 然后向对应的 Redis 节点发送 psync, 请求同步。

4. 数据自动路由

针对问题 4, Redis-sync 会定期从存储层获取 Slot 到 Tendis 节点的映射关系, 并且维护这些 Tendis 节点的连接池。请求从 缓存层到达, 然后计算请求所属的 slot, 然后发送到正确的 Tendis 节点。

存储层 Tendis Cluster

Tendis 是兼容 Redis 核心数据结构与协议的分布式高性能 KV 数据库, 主要具有以下特性:

1. 兼容Redis协议

完全兼容redis协议，支持redis主要数据结构和接口，兼容大部分原生Redis命令。

2. 持久化存储

使用rocksdb作为存储引擎，所有数据以特定格式存储在rocksdb中，最大支持PB级存储。

3. 去中心化架构

类似于redis cluster的分布式实现，所有节点通过gossip协议通讯，可指定hashtag来控制数据分布和访问，使用和运维成本极低。

4. 水平扩展

集群支持增删节点，并且数据可以按照slot在任意两节点之间迁移，扩容和缩容过程中对应用运维人员透明，支持扩展至1000个节点。

5. 故障自动切换

自动检测故障节点，当故障发生后，slave会自动提升为master继续对外提供服务。

最后，想要更深入了解 Tendis 的特性和使用可以扫码关注或加入交流群。

欢迎点击「阅读原文」，在开源社区中提出您宝贵的Issue和Pull Requests！