腾讯的Tendis用了这么多牛逼技术，能否干掉Redis？

女爷i 2023-10-01 22:11 9阅读 0赞

> Redis 作为高性能缓存被广泛应用到各个业务, 比如游戏的排行榜, 分布式锁等场景。经过在 IEG 的长期运营, 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。由 腾讯互娱 CROS DBA 团队 & 腾讯云数据库团队联合研发的 Tendis 推出了: 缓存版 、 混合存储版 和 存储版 三种不同产品形态, 针对不同的业务需求, 本文主要介绍 混合存储版 的整体架构, 并且详细揭秘内部的原理。

## 导语 ##

本文首先介绍腾讯 IEG 运营 Redis 遇到的一些痛点问题, 然后介绍由 腾讯互娱 CROS DBA 团队 & 腾讯云数据库团队联合研发的 Tendis 的三种不同的产品形态。最后重点介绍冷热混合存储版的架构, 并且重点介绍各个组件的功能特性。

## 背景介绍 ##

## Redis 有哪些痛点 ? ##

在使用的过程中, 主要遇到以下一些痛点问题:

*  内存成本高
 *  业务不同阶段对 QPS 要求不同 比如游戏业务, 刚上线的新游戏特别火爆, 为了支持上千万同时在线, 需要不断地进行扩容增加机器。运营一段时间后, 游戏玩家可能变少, 访问频率(QPS)没那么高, 依然占用大量机器, 维护成本很高。
 *  需要为 Fork 预留内存 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。
 *  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。
 *  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 来罗盘保证数据可靠性, 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。
 *  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。

## Tendis 是什么 ? ##

Tendis 是集腾讯众多海量 KV 存储优势于一身的 Redis 存储解决方案, 并 100% 兼容 Redis 协议和 Redis4.0 所有数据模型。作为一个高可用、高性能的分布式 KV 存储数据库, 从访问时延、持久化需求、整体成本等不同维度的考量, Tendis 推出了 **缓存版** 、 **混合存储版** 和 **存储版** 三种不同产品形态，并将存储版开源。**感兴趣的小伙伴 可以去 Github 关注我们的项目:** **Tencent/Tendis**

![d60ca1218f9532212a1350767b95109e.png][]

**Tendis 缓存版**适用于对延迟要求特别敏感, 并且对 QPS 要求很高的业务。基于社区 Redis 4.0 版本进行定制开发。

**Tendis 存储版**适用于大容量, 延迟不敏感型业务, 数据全部存储在 磁盘, 适合温冷数据的存储。Tendis 存储版是腾讯互娱 CROS DBA 团队 & 腾讯云数据库团队 自主设计和研发的开源分布式高性能 KV 存储系统。另外在 可靠性、复制机制、并发控制、gossip 实现以及数据搬迁等做了大量的优化, 并且解决了一些 Redis cluster 比较棘手的问题。完全兼容 Redis 协议, 并使用 RocksDB 作为底层存储引擎。

**Tendis 冷热混合存储版**冷热混合存储 综合了缓存版和存储版的优点, 缓存层存放热数据, 全量数据存放在存储层。这既保证了热数据的访问性能，同时保证了全量数据的可靠性，同时热数据支持自动降冷。

## Tendis 冷热混合存储版 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:

**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。

**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: 1) 版本控制 2) 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; 3) 使用 Cuckoo Filter 表示全量 Keys, 防止缓存穿透; 4) 基于 RDB+AOF 扩缩容方式, 扩缩容更加高效便捷。

**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, 该引擎已经在腾讯集团内部运营多年, 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。

**同步层 Redis-sync**: 1) 并行数据导入 存储层 Tendis; 2) 服务无状态, 故障重新拉起; 3) 数据自动路由。

![ae1327c72fbc26284d42e1ad577fe878.png][]

Tendis 冷热混合存储的一些重要特性介绍:

*  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 ##

冷热混合存储缓存层 Redis 在社区版的基础上增加了以下功能:

*  版本控制
 *  冷热数据交互
 *  Cuckoo Filter 避免缓存穿透
 *  智能淘汰算法
 *  基于 RDB+AOF 扩缩容

下面分别对这几个特性进行详细的讲解。

## 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。

1.  **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。

## 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。

![2d3b7bd5eb08aede5e4e3908c43bfa07.png][]

用户访问一个 Key 的具体流程如下:

1.  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;
2.  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;
3.  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;
4.  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。

## 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 火热 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分析, 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 实现了 Cuckoo Filter 在删除的时候会出现误删, 最终给 RedisBloom 题 PR(**Fix Cuckoo filter compact cause deleted by mistake \#260**) 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 。

## 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: 1) **当缓存层内存满时, 选择哪些数据淘汰**; 2) **当用户访问存储层的数据时, 是否需要将其放入缓存层**。

1.  首先介绍混合存储的淘汰策略, 主要有以下两个淘汰策略:

*  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; )
 *  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;

1.  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。

## 基于 RDB+AOF 扩缩容 ##

社区版 Redis 的扩容流程:

![db07f6c29e45cff147518d7fc0331dc8.png][]

社区版 Redis 扩容存在的一些问题:

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 。

1.  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。

1.  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)

![a86c35cfc840515a50449732483b9291.png][]

## 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:

*  并发地导入到存储层 Tendis, 如何保证时序正确 ?
 *  特殊命令的处理, 比如 FLUSHALL/FLUSHDB/SWAPDB/SELECT/MULTI 等 ?
 *  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 ?
 *  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 ?

![2f56d66fdafab4dbdc5887083fb2c37e.png][]

为了解决上述的三个问题, 我们实现了下面的功能:

*  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。
 *  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, 在执行 FLUSHDB 命令。
 *  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。
 *  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:

*  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。
 *  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。
 *  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。
 *  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。
 *  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。

![60b2ce6ae3393959ff49c40e4b56d0ae.png][]

![04055354c21c492cab92a82a036dd0ed.jpeg][]

[d60ca1218f9532212a1350767b95109e.png]: https://img-blog.csdnimg.cn/img_convert/d60ca1218f9532212a1350767b95109e.png
[ae1327c72fbc26284d42e1ad577fe878.png]: https://img-blog.csdnimg.cn/img_convert/ae1327c72fbc26284d42e1ad577fe878.png
[2d3b7bd5eb08aede5e4e3908c43bfa07.png]: https://img-blog.csdnimg.cn/img_convert/2d3b7bd5eb08aede5e4e3908c43bfa07.png
[db07f6c29e45cff147518d7fc0331dc8.png]: https://img-blog.csdnimg.cn/img_convert/db07f6c29e45cff147518d7fc0331dc8.png
[a86c35cfc840515a50449732483b9291.png]: https://img-blog.csdnimg.cn/img_convert/a86c35cfc840515a50449732483b9291.png
[2f56d66fdafab4dbdc5887083fb2c37e.png]: https://img-blog.csdnimg.cn/img_convert/2f56d66fdafab4dbdc5887083fb2c37e.png
[60b2ce6ae3393959ff49c40e4b56d0ae.png]: https://img-blog.csdnimg.cn/img_convert/60b2ce6ae3393959ff49c40e4b56d0ae.png
[04055354c21c492cab92a82a036dd0ed.jpeg]: https://img-blog.csdnimg.cn/04055354c21c492cab92a82a036dd0ed.jpeg