摘要：馬蜂窩推薦系統(tǒng)對于請求的平均處理時(shí)延要求在級別，時(shí)延的線保持在以內(nèi)。任務(wù)隊(duì)列與異步寫入這里我們使用了中的線程池來實(shí)現(xiàn)。三優(yōu)化方向基于和，我們在現(xiàn)有的推薦系統(tǒng)中增加了一個(gè)本地容災(zāi)緩存系統(tǒng)，當(dāng)依賴服務(wù)或者應(yīng)用本身突發(fā)異常時(shí)可以返回緩存的數(shù)據(jù)。

數(shù)據(jù)庫突然斷開連接、第三方接口遲遲不返回結(jié)果、高峰期網(wǎng)絡(luò)發(fā)生抖動...... 當(dāng)程序突發(fā)異常時(shí)，我們的應(yīng)用可以告訴調(diào)用方或者用戶「對不起，服務(wù)器出了點(diǎn)問題」；或者找到更好的方式，達(dá)到提升用戶體驗(yàn)的目的。

一、背景

用戶在馬蜂窩 App 上「刷刷刷」時(shí)，推薦系統(tǒng)需要持續(xù)給用戶推薦可能感興趣的內(nèi)容，主要分為根據(jù)用戶特性和業(yè)務(wù)場景，召回根據(jù)各種機(jī)器學(xué)習(xí)算法計(jì)算過的內(nèi)容，然后對這些內(nèi)容進(jìn)行排序后返回給前端這幾個(gè)步驟。

推薦的過程涉及到 MySQL 和 Redis 查詢、REST 服務(wù)調(diào)用、數(shù)據(jù)處理等一系列操作。對于推薦系統(tǒng)來說，對時(shí)延的要求比較高。馬蜂窩推薦系統(tǒng)對于請求的平均處理時(shí)延要求在 10ms 級別，時(shí)延的 99 線保持在 1s 以內(nèi)。

當(dāng)外部或者內(nèi)部系統(tǒng)出現(xiàn)異常時(shí)，推薦系統(tǒng)就無法在限定時(shí)間內(nèi)返回?cái)?shù)據(jù)給到前端，導(dǎo)致用戶刷不出來新內(nèi)容，影響用戶體驗(yàn)。

所以我們希望通過設(shè)計(jì)一套容災(zāi)緩存服務(wù)，實(shí)現(xiàn)在應(yīng)用本身或者依賴的服務(wù)發(fā)生超時(shí)等異常情況時(shí)，可以返回緩存數(shù)據(jù)給到前端和用戶，來減少空結(jié)果數(shù)量，并且保證這些數(shù)據(jù)盡可能是用戶感興趣的。

二、設(shè)計(jì)與實(shí)現(xiàn)

設(shè)計(jì)思路和技術(shù)選型

不僅僅是推薦系統(tǒng)，緩存技術(shù)在很多系統(tǒng)中已經(jīng)被廣泛應(yīng)用，小到 JVM 中的常用整型數(shù)，大到網(wǎng)站用戶的 session 狀態(tài)。緩存的目的不盡相同，有些是為了提高效率，有些是為了備份；緩存的要求也高低不一，有些要求一致性，有些則沒有要求。我們需要根據(jù)業(yè)務(wù)場景選擇合適的緩存方案。

結(jié)合到我們上面提到的業(yè)務(wù)場景和需求，我們采用了基于 OHC 堆外緩存和 SpringBoot 的方案，實(shí)現(xiàn)在現(xiàn)有推薦系統(tǒng)中增加本地容災(zāi)緩存系統(tǒng)。主要是考慮到以下幾點(diǎn)因素：

1. 避免影響線上服務(wù)，將業(yè)務(wù)邏輯和緩存邏輯隔離

為了不影響線上服務(wù)，我們將緩存系統(tǒng)封裝為一個(gè) CacheService，配置在現(xiàn)有流程的末端，并提供讀、寫的 API 給外部調(diào)用，將業(yè)務(wù)邏輯和緩存邏輯隔離。

2. 異步寫入緩存，提高性能

讀、寫緩存都會帶來時(shí)間消耗，特別是寫入緩存。為了提高性能，我們考慮將寫入緩存做成異步的方式。這部分使用的是 JDK 提供的線程池 ThreadPoolExecutor 來實(shí)現(xiàn)，主線程只需要提交任務(wù)到線程池，由線程池里的 Worker 線程實(shí)現(xiàn)寫入緩存。

3. 本地緩存，提高訪問速度

在推薦系統(tǒng)中，給用戶推薦的內(nèi)容應(yīng)該是千人千面的，甚至同一位用戶每次刷新看到的內(nèi)容都可能不同，這就不要求緩存具有強(qiáng)一致性。因此，我們只需要進(jìn)行本地緩存，而不需要采用分布式的方式。這里使用到的是開源緩存工具 OHC，緩存的數(shù)據(jù)來源于成功處理過的請求。

4. 備份緩存實(shí)例，保證可用性

為了保證緩存的可用性，我們不僅在內(nèi)存中進(jìn)行緩存，還定時(shí)備份到文件系統(tǒng)中，從而保證在可以應(yīng)用啟動時(shí)從文件系統(tǒng)加載到內(nèi)存。具體可以使用 SpringBoot 提供的定時(shí)任務(wù)、ApplicationRunner 來實(shí)現(xiàn)。

整體架構(gòu)

我們保持了推薦系統(tǒng)的現(xiàn)有邏輯，并在現(xiàn)有流程的末端，配置了 CacheModule 和 CacheService，負(fù)責(zé)所有和緩存相關(guān)的邏輯。

其中，CacheService 是緩存的具體實(shí)現(xiàn)，提供讀寫接口；CacheModule 對本次請求的數(shù)據(jù)進(jìn)行處理，并決定是否需要調(diào)用 CacheService 對緩存進(jìn)行操作。

模塊解讀

1. CacheModule

在完成推薦系統(tǒng)的原有流程處理之后，CacheModule 會對得到的響應(yīng)報(bào)文進(jìn)行判斷，比如是否拋出了異常，響應(yīng)是否為空等，然后決定是否讀取緩存或者提交緩存任務(wù)。

CacheModule 的工作流程如圖所示，其中橘黃色部分代表對 CacheService 的調(diào)用：

提交緩存任務(wù)。如果該次請求沒有拋出異常，并且響應(yīng)結(jié)果也不為空，則會提交一個(gè)緩存任務(wù)到 CacheService。任務(wù)的 key 值為對應(yīng)的業(yè)務(wù)場景，value 為本次響應(yīng)計(jì)算得到的內(nèi)容。提交的動作是非阻塞的，對接口的耗時(shí)影響很小。

讀取緩存數(shù)據(jù)。當(dāng)應(yīng)用本身或者依賴應(yīng)用拋出異常時(shí)，系統(tǒng)會根據(jù)業(yè)務(wù)場景的 key 值從 CacheService 中讀取緩存并返回給調(diào)用方。當(dāng)出現(xiàn)用戶本身已經(jīng)刷完所有可用數(shù)據(jù)的情況時(shí)，就不需要讀取緩存，而是將請求的數(shù)據(jù)及時(shí)反饋給用戶。

2. CacheService

在緩存的具體實(shí)現(xiàn)上，CacheService 使用到了從 Apache Cassandra 項(xiàng)目中獨(dú)立出來的 OHC。另外因?yàn)槲覀冋麄€(gè)應(yīng)用是基于 SpringBoot 的，也用到了 SpringBoot 提供的各種功能。

上文說到對緩存沒有強(qiáng)一致性的要求，所以我們采用的是本地緩存而非分布式緩存，并且抽象出一個(gè) CacheService 類負(fù)責(zé)對本地緩存進(jìn)行維護(hù)。

(1) 數(shù)據(jù)格式

推薦系統(tǒng)返回?cái)?shù)據(jù)時(shí)，根據(jù)業(yè)務(wù)場景和用戶特征設(shè)定以「屏」為單位返回?cái)?shù)據(jù)，每屏可以包含多個(gè)內(nèi)容項(xiàng)，所以采取 key-set 的數(shù)據(jù)格式：key 值為業(yè)務(wù)場景，比如首頁的「視頻」頻道；緩存內(nèi)容則為「屏」的集合。

(2) 存儲位置

對于 Java 應(yīng)用，緩存可以存放在內(nèi)存中或者硬盤文件中。而內(nèi)存空間又分為 heap（堆內(nèi)存）和 off-heap（堆外內(nèi)存）。我們對這幾種方式進(jìn)行了對比：

為了保證較快的讀寫速度，避免緩存 GC 影響線上服務(wù)，所以選擇 off-heap 作為緩存空間。OHC 最早包含在 Apache Cassandra 項(xiàng)目中，之后獨(dú)立出來，成為了基于 off-heap 的開源緩存工具。它既可以維護(hù)大量的 off-heap 內(nèi)存空間，同時(shí)也使用于低開銷的小型緩存實(shí)體。所以我們使用 OHC 作為 off-heap 的緩存實(shí)現(xiàn)。

(3) 文件備份

在應(yīng)用重啟時(shí)，off-heap 中的緩存為空。為了盡快載入緩存，我們使用 SpringBoot 的 Scheduling Tasks 功能，定期將緩存從 off-heap 備份到文件系統(tǒng)；通過繼承 SpringBoot 的 ApplicationRunner 監(jiān)聽?wèi)?yīng)用啟動的過程，啟動完成后將硬盤中的備份文件加載到 off-heap，保證緩存數(shù)據(jù)的可用性。

CacheService 維護(hù)一個(gè)任務(wù)隊(duì)列，隊(duì)列中保存著 CacheModule 通過非阻塞的方式提交的緩存任務(wù)，由 CacheService 決定是否要執(zhí)行這些緩存任務(wù)。

(4) 對 CacheModule 提供的 API

讀取緩存時(shí)，傳入 key 值，緩存模塊隨機(jī)從 set 中讀取數(shù)據(jù)返回。

寫入緩存時(shí)，將 key 和 value 封裝為一個(gè)任務(wù)，提交到任務(wù)隊(duì)列，由任務(wù)隊(duì)列負(fù)責(zé)異步寫入緩存。

(5) 任務(wù)隊(duì)列與異步寫入

這里我們使用了 JDK 中的線程池來實(shí)現(xiàn)。在構(gòu)造線程池時(shí)，使用 LinkedBlockingQueue 作為任務(wù)隊(duì)列，可以實(shí)現(xiàn)快速增刪元素；因?yàn)閼?yīng)用的 QPS 在 100 以內(nèi)，所以工作線程數(shù)目固定為 1；隊(duì)列寫滿之后，則執(zhí)行 DiscardPolicy，放棄插入隊(duì)列。

(6) 緩存數(shù)量控制

如果緩存占用內(nèi)存空間過大，會影響線上應(yīng)用，我們可以采用為不同的業(yè)務(wù)場景配置最大緩存數(shù)量來控制緩存數(shù)量。沒有達(dá)到配置值時(shí)，將成功處理過的數(shù)據(jù)寫入緩存；達(dá)到配置值時(shí)可以隨機(jī)抽樣覆蓋原有緩存項(xiàng)，來保證緩存的實(shí)時(shí)性。

綜合考慮以上各個(gè)方面，CacheService 的設(shè)計(jì)如下：

線上表現(xiàn)

為了驗(yàn)證容災(zāi)緩存的效果，我們在命中緩存時(shí)進(jìn)行了埋點(diǎn)，并通過 Kibana 查看每小時(shí)緩存的命中數(shù)量。如圖所示，在 18:00 到 19:00 系統(tǒng)存在一定的超時(shí)，而這段時(shí)間由于緩存服務(wù)發(fā)揮了作用，使系統(tǒng)的可用性得到提升。

我們還對 OHC 的讀取和寫入速度進(jìn)行了監(jiān)控。寫入緩存的時(shí)延在毫秒級別，并且是異步寫入；讀取緩存的時(shí)延在微秒級別。基本沒有給系統(tǒng)增加額外的時(shí)間消耗。

踩過的坑

在將緩存寫入 OHC 之前，需要進(jìn)行序列化，我們使用了開源的 kryo 作為序列化工具。之前在使用 kyro 時(shí)，發(fā)現(xiàn)對于沒有實(shí)現(xiàn) Serializable 的類，反序列化時(shí)可能失敗，比如使用 List#subList 方法返回的內(nèi)部類 java.util.ArrayList$SubList。這里可以手動注冊 Serializer 來解決這個(gè)問題，在 Github 上開源的 kryo-serializers 倉庫提供了各種類型的 serializers。

另外一點(diǎn)，需要注意根據(jù)具體使用場景，來配置 OHC 中的 capacity 和 maxEntrySize。如果配置的值太小的話，會導(dǎo)致寫入緩存失敗。可以在上線之前測算緩存的空間占用，合理設(shè)置整個(gè)緩存空間的大小和每個(gè)緩存 entry 的大小。

三、優(yōu)化方向

基于 SpringBoot 和 OHC，我們在現(xiàn)有的推薦系統(tǒng)中增加了一個(gè)本地容災(zāi)緩存系統(tǒng)，當(dāng)依賴服務(wù)或者應(yīng)用本身突發(fā)異常時(shí)可以返回緩存的數(shù)據(jù)。

該緩存系統(tǒng)還存在一些不足，我們近期會針對以下幾點(diǎn)進(jìn)行重點(diǎn)優(yōu)化：

緩存數(shù)目寫滿之后，目前應(yīng)用會隨機(jī)覆寫已經(jīng)存在的緩存。未來可以進(jìn)行優(yōu)化，將最老的緩存項(xiàng)替換。

在某些場景下緩存的粒度不夠精細(xì)，比如目的地頁推薦共用一個(gè)緩存的 key 值。未來可以根據(jù)目的地的 ID，為每個(gè)目的地配置一份緩存。

現(xiàn)在推薦系統(tǒng)還有部分配置依賴于 MySQL，未來會考慮將在本地進(jìn)行文件緩存。

[參考資料]

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：孫興斌，馬蜂窩推薦和搜索后端研發(fā)工程師。

（馬蜂窩技術(shù)原創(chuàng)內(nèi)容，轉(zhuǎn)載務(wù)必注明出處保存文末二維碼圖片，謝謝配合。）