今天我們來聊聊緩存這個話題，看看在微服務環(huán)境下如何設(shè)計有效的多級緩存架構(gòu)。主要涉及三方面內(nèi)容：

Web 應用的客戶端緩存；

應用層靜態(tài)資源緩存；

服務層多級緩存。

首先，咱們先講解微服務架構(gòu)的多級緩存設(shè)計。

微服務架構(gòu)中的多級緩存設(shè)計

提到緩存，想必每一位軟件工程師都不陌生，它是目前架構(gòu)設(shè)計中提高性能最直接的方式。這里我們舉個例子：

假設(shè)應用程序?qū)⒃紨?shù)據(jù)存儲在 MySQL 數(shù)據(jù)庫中。眾所周知 MySQL 數(shù)據(jù)庫會將數(shù)據(jù)存儲在硬盤以防止掉電丟失，但是受制于硬盤的物理設(shè)計，即便是目前性能最好的企業(yè)級 SSD 硬盤，也比內(nèi)存的這種高速設(shè)備 IO 層面差一個數(shù)量級，而以淘寶、京東這種電商為代表的互聯(lián)網(wǎng)應用，都是典型的 “讀多寫少” 的場景，因此我們需要在設(shè)計上進行數(shù)據(jù)的讀寫分離，在數(shù)據(jù)寫入時直接落盤處理，而占比超過 90% 的數(shù)據(jù)讀取操作時則從以 Redis 為代表的內(nèi)存 NoSQL 數(shù)據(jù)庫提取數(shù)據(jù)，利用內(nèi)存的高吞吐瞬間完成數(shù)據(jù)提取，這里 Redis 的作用就是我們常說的緩存。

當然，緩存可不只有用內(nèi)存替代硬盤這一種形式，在分布式架構(gòu)下緩存在每一層都有自己的設(shè)計，下面咱們通過這個微服務的多級緩存架構(gòu)圖為主線進行講解。

這張圖從上到下包含四層，分別為：客戶端、應用層、服務層以及數(shù)據(jù)層。

客戶端緩存

X 商城客戶端為瀏覽器，在瀏覽器層面我們主要是對 HTML 中的圖片、CSS、JS、字體這些靜態(tài)資源進行緩存。

我們以百度 Logo 圖片為例，百度在 HTTP 通過 Expires 響應頭控制靜態(tài)圖片的有效期。Expires 代表過期時間。當前百度 Logo 的過期時間為 2031 年 2 月 8 日 9 時 26 分 31 秒。在這個時間段內(nèi)，瀏覽器會將圖片以文件形式緩存在本地，再次訪問時會看到“from disk cache”的提示，此時瀏覽器不再產(chǎn)生與服務器的實際請求，會從本地直接讀取緩存圖片。通過在瀏覽器端設(shè)置 Expires 可以在很大程度減少重復請求靜態(tài)資源帶來的帶寬損耗，這在高并發(fā) Web 應用中是基礎(chǔ)而重要的設(shè)置。

應用層緩存

那 Expires 到底在哪里進行設(shè)置呢？對于瀏覽器來說它只是客戶端，只負責讀取 Expires 響應頭，對于 Expires 要在應用層，也就是 CDN 與 Nginx 中進行設(shè)置。

CDN 內(nèi)容分發(fā)網(wǎng)絡

CDN 全稱是 Content Delivery Network，即內(nèi)容分發(fā)網(wǎng)絡，是互聯(lián)網(wǎng)靜態(tài)資源分發(fā)的主要技術(shù)手段。

CDN 內(nèi)容分發(fā)網(wǎng)絡

中國幅員遼闊，從北京到上海就有上千公里，如果大量的上海用戶同時要訪問千里之外的北京服務器的資源，這么長的通信必然帶來高延遲與更多不可控因素影響數(shù)據(jù)傳輸，如果有某種機制允許將北京的靜態(tài)文件緩存到上海的服務器，上海用戶自動就近訪問服務器獲取資源，這樣便可很大程度降低網(wǎng)絡延遲，進而提高系統(tǒng)的可用性。而剛才提到的分布式緩存技術(shù)就是我們常提到的 CDN（內(nèi)容分發(fā)網(wǎng)絡）。

對于廣域的互聯(lián)網(wǎng)應用，CDN 幾乎是必需的基礎(chǔ)設(shè)施，它有效解決了帶寬集中占用以及數(shù)據(jù)分發(fā)的問題。像 Web 頁面中的圖片、音視頻、CSS、JS 這些靜態(tài)資源，都可以通過 CDN 服務器就近獲取。

CDN 技術(shù)的核心是“智能 DNS”，智能 DNS 會根據(jù)用戶的 IP 地址自動確定就近訪問 CDN 節(jié)點，咱們以下圖為例：

以某上海用戶的瀏覽器要訪問商城首頁廣告位的 banner.jpg 文件，瀏覽器通過服務商提供的智能 DNS 服務，將請求自動轉(zhuǎn)發(fā)到商城在上海地區(qū)準備的 CDN 服務器，上海 CDN 收到請求后首先檢查本機是否已緩存過 banner.jpg，如果文件已存在便直接將圖片數(shù)據(jù)返回給客戶端；如果沒有緩存過，則回源到北京的源數(shù)據(jù)節(jié)點，將 banner.jpg 文件抽取并緩存到上海服務器，最后上海 CDN 節(jié)點再將本機的 banner.jpg 返回給客戶端。對于 banner.jpg 來說，第一次訪問后上海 CDN 節(jié)點已緩存該文件，則之后的緩存有效期內(nèi)所有后續(xù)訪問由上海 CDN 直接提供。與之類似的，商城應用可以在重要城市搭建 CDN 節(jié)點，這樣原本集中被發(fā)往北京服務器的請求就被分攤到 CDN 節(jié)點，這也直接降低了北京機房的帶寬壓力。

在互聯(lián)網(wǎng)應用中，因為 CDN 涉及多地域多節(jié)點組網(wǎng)，前期投入成本較高，更多的中小型軟件公司通常會選擇阿里云、騰訊云等大廠提供的 CDN 服務，通過按需付費的方式降低硬件成本。而這些服務商又會為 CDN 賦予額外的能力，比如阿里云、騰訊云 CDN 除了緩存文件之外，還提供了管理后臺能為響應賦予額外的響應頭。如下所示在阿里云 CDN 后臺，就額外設(shè)置了 Cache-Control 響應頭代表緩存有效期為 1 小時。這里我們額外提一下 Expires 與的 Cache-Control 的區(qū)別，Expires 是指定具體某個時間點緩存到期，而 Cache-Control 則代表緩存的有效期是多長時間。Expires 設(shè)置時間，Cache-Control 設(shè)置時長，根據(jù)業(yè)務場景不同可以使用不同的響應頭。

Nginx 緩存管理

說完 CDN，下面再來聊一下 Nginx。Nginx 是一款開源的、跨平臺的高性能 Web 服務器，它有著高性能，穩(wěn)定性好，配置簡單，模塊結(jié)構(gòu)化，資源消耗低的優(yōu)點。同時支持反向代理、負載均衡、緩存的功能。Nginx 是 Web 應用架構(gòu)中的常客，例如后端 Tomcat 集群便可通過增加 Nginx 前置做軟負載均衡，為應用提供高可用特性。

在互聯(lián)網(wǎng)應用中，用戶分布在全國各地，對資源的響應速度與帶寬要求較高，因此部署 CDN 是十分有必要的。但在更多的企業(yè)應用中，其實大部分的企業(yè)用戶都分布在指定的辦公區(qū)域或者相對固定的場所，再加上并發(fā)用戶相對較少，其實并不需要額外部署 CDN 這種重量級解決方案。在架構(gòu)中只需要部署 Nginx 服務器，利用 Nginx 自帶的靜態(tài)資源緩存與壓縮功能便可勝任大多數(shù)企業(yè)應用場景。

在 Nginx 中自帶將后端應用中圖片、CSS、JS 等靜態(tài)資源緩存功能，我們只需在 Nginx 的核心配置 nginx.conf 中增加下面的片段，便可對后端的靜態(tài)資源進行緩存，關(guān)鍵配置我已做好注釋，同學們可以直接使用。

?

?

#?設(shè)置緩存目錄
#?levels代表采用1:2也就是兩級目錄的形式保存緩存文件（靜態(tài)資源css、js）
#?keys_zone定義緩存的名稱及內(nèi)存的使用，名稱為babytun-cache?,在內(nèi)存中開始100m交換空間
#?inactive=7d?如果某個緩存文件超過7天沒有被訪問，則刪除
#?max_size=20g;代表設(shè)置文件夾最大不能超過20g，超過后會自動將訪問頻度（命中率）最低的緩存文件刪除
proxy_cache_path?d:/nginx-cache?levels=1:2?keys_zone=babytun-cache:100m?inactive=7d?max_size=20g;

#配置xmall后端服務器的權(quán)重負載均衡策略
upstream?xmall?{
????server?192.168.31.181?weight=5?max_fails=1?fail_timeout=3s;
????server?192.168.31.182?weight=2;
????server?192.168.31.183?weight=1;
????server?192.168.31.184?weight=2;
}

server?{
??#nginx通過80端口提供Web服務
??listen?80;
??#?開啟靜態(tài)資源緩存
??#?利用正則表達式匹配URL，匹配成功的則執(zhí)行內(nèi)部邏輯
??#?~*?代表URL匹配不區(qū)分大小寫
??location?~*?.(gif|jpg|css|png|js|woff|html)(.*){
????#?配置代理轉(zhuǎn)發(fā)規(guī)則
????proxy_pass?http://xmall;
????proxy_set_header?Host?$host;
????proxy_set_header?X-Forwarded-For?$proxy_add_x_forwarded_for;
????proxy_cache?xmall-cache;
????#如果靜態(tài)資源響應狀態(tài)碼為200（成功）??302（暫時性重定向）時?緩存文件有效期1天
????proxy_cache_valid?200?302?24h;
????#301（永久性重定向）緩存保存5天
????proxy_cache_valid?301?5d;
????#其他情況
????proxy_cache_valid?any?5m;
????#設(shè)置瀏覽器端緩存過期時間90天
????expires?90d;
??}

??#使用xmall服務器池進行后端處理

??location?/{
????proxy_pass?http://xmall;?
????proxy_set_header?Host?$host;
????proxy_set_header?X-Forwarded-For?$proxy_add_x_forwarded_for;
??}
}

?

?

增加上面配置后，每一次通過 Nginx 訪問應用中新的靜態(tài)文件時，在 Nginx 服務的緩存目錄便會生成緩存文件，在緩存有效期內(nèi)該靜態(tài)資源的請求便不再送到后端服務器，而直接由 Nginx 讀取本地緩存并返回。

服務層緩存

在前面無論是 CDN 還是 Nginx，都是對 Web 應用中的靜態(tài)資源文件進行緩存。但后端應用與服務更多的是訪問接口與數(shù)據(jù)，對于這些對象我們?nèi)绾卫镁彺婕夹g(shù)進行性能優(yōu)化呢？對于后端應用與服務的緩存可以按部署方式分為進程內(nèi)緩存與分布式緩存服務。

進程內(nèi)緩存

所謂進程內(nèi)緩存，就是在應用中開辟的一塊內(nèi)存空間，數(shù)據(jù)在運行時被載入這塊內(nèi)存，通過本地內(nèi)存的低延遲、高吞吐的特性提高程序的訪問速度。進程內(nèi)緩存在眾多 Java 框架內(nèi)都有廣泛應用，例如 Hibernate、Mybatis 框架的一二級緩存、Spring MVC 的頁面緩存都是進程內(nèi)緩存的經(jīng)典應用場景，這些進程內(nèi)緩存在 Java 中也有著非常多優(yōu)秀的開源實現(xiàn)，如 EhCache、Caffeine 都是代表性產(chǎn)品。

分布式緩存服務

與進程內(nèi)相對的，就是需要獨立部署的分布式緩存服務。最常用的是基于 Redis 這種內(nèi)存型 NoSQL 數(shù)據(jù)庫，對整體架構(gòu)中的應用數(shù)據(jù)進行集中緩存。

在架構(gòu)設(shè)計時，很多新架構(gòu)師一聽到緩存，下意識認為增加 Redis 分布式緩存服務器就夠了，其實這是片面的做法。在緩存架構(gòu)設(shè)計時，一定要按照由近到遠、由快到慢的順序進行逐級訪問。假設(shè)在電商進行商品秒殺活動時，如果沒有本地緩存，所有商品、訂單、物流的熱點數(shù)據(jù)都保存在 Redis 服務器中，每完成一筆訂單，都要額外增加若干次網(wǎng)絡通信，網(wǎng)絡通信本身就可能由于各種原因存在通信失敗的問題。即便是你能保證網(wǎng)絡 100% 可用，但 Redis 集群承擔了來自所有外部應用的訪問壓力，一旦突發(fā)流量超過 Redis 的負載上限，整體架構(gòu)便面臨崩潰的風險。

因此在 Java 的應用端也要設(shè)計多級緩存，我們將進程內(nèi)緩存與分布式緩存服務結(jié)合，有效分攤應用壓力。在 Java 應用層面，只有 EhCache 的緩存不存在時，再去 Redis 分布式緩存獲取，如果 Redis 也沒有此數(shù)據(jù)再去數(shù)據(jù)庫查詢，數(shù)據(jù)查詢成功后對 Redis 與 EhCahce 同時進行雙寫更新。這樣 Java 應用下一次再查詢相同數(shù)據(jù)時便直接從本地 EhCache 緩存提取，不再產(chǎn)生新的網(wǎng)絡通信，應用查詢性能得到顯著提高。

保障緩存一致性

但事無完美，當引入多級緩存后，我們又會遇到緩存數(shù)據(jù)一致性的挑戰(zhàn)，以下圖為例：

我們都知道作為數(shù)據(jù)庫寫操作，是不通過緩存的。假設(shè)商品服務實例 1 將 1 號商品價格調(diào)整為 80 元，這會衍生一個新問題：如何主動向應用程序推送數(shù)據(jù)變更的消息來保證它們也能同步更新緩存呢？

相信此時你已經(jīng)有了答案。沒錯，我們需要在當前架構(gòu)中引入 MQ 消息隊列，利用 RocketMQ 的主動推送功能來向其他服務實例以及 Redis 緩存服務發(fā)起變更通知。

如上圖所示，在商品服務實例 1 對商品調(diào)價后，主動向 RocketMQ Broker 發(fā)送變更消息，Broker 將變更信息推送至其他實例與 Redis 集群，這些服務實例在收到變更消息后，在緩存中先刪除過期緩存，再創(chuàng)建新的數(shù)據(jù)，以此保證各實例數(shù)據(jù)一致。

看到這里你會發(fā)現(xiàn)，對于緩存來說，并沒有終極的解決方案。雖然多級緩存設(shè)計帶來了更好的應用性能，但也為了緩存一致性必須引入 MQ 增加了架構(gòu)的復雜度。那到底多級緩存設(shè)計該如何取舍呢？在我看來，有三種情況特別適合引入多級緩存。

第一種情況，緩存的數(shù)據(jù)是穩(wěn)定的。例如郵政編碼、地域區(qū)塊、歸檔的歷史數(shù)據(jù)這些信息適合通過多級緩存減小 Redis 與數(shù)據(jù)庫的壓力。

第二種情況，瞬時可能會產(chǎn)生極高并發(fā)的場景。例如春運購票、雙 11 零點秒殺、股市開盤交易等，瞬間的流量洪峰可能擊穿 Redis 緩存，產(chǎn)生流量雪崩。這時利用預熱的進程內(nèi)緩存分攤流量，減少后端壓力是非常有必要的。

第三種情況，一定程度上允許數(shù)據(jù)不一致。例如某博客平臺中你修改了自我介紹這樣的非關(guān)鍵信息，此時在應用集群中其他節(jié)點緩存不一致也并不會帶來嚴重影響，對于這種情況我們采用 T+1 的方式在日終處理時保證緩存最終一致就可以了。

以上是我總結(jié)的三種適合服務層做多級緩存的場景。當然如果你們的應用并發(fā)量不大，在未來的 1~2 年內(nèi)利用 Redis 分布式緩存集群完全可以勝任應用性能要求，那自然就沒有必要設(shè)計多級緩存，我們要根據(jù)業(yè)務特點靈活調(diào)整架構(gòu)。

小結(jié)

今天咱們介紹了在應用微服務架構(gòu)下從客戶端到服務層，各層的緩存設(shè)計以及解決方案，講解了從瀏覽器的 Expires 響應頭到 CDN、Nginx 的靜態(tài)資源緩存，再到服務層針對數(shù)據(jù)的多級緩存，使你對微服務架構(gòu)的緩存有了總體的了解。

編輯：黃飛

?