爱奇艺本地实时 Cache 方案

高并发系统离不开 Cache，通过采用更多的本地 Cache 来提升系统吞吐量和稳定性是必然的，**这其中的最大难点就是解决分布式本地 Cache 数据的实时性和一致性问题，**否则本地 Cache 就无法更普遍应用于频繁变更的数据上。

没有最完美的方案，只有更合适的方案。本文将详细讲解爱奇艺 TV 后台分布式实时本地 Cache 实践方案，给大家解决高并发问题提供一个参考。

一、背景

目前互联网系统大多是读多写少的系统，面对读多写少的系统，大家一定会拆分为读系统、写系统，提高系统稳定性和吞吐量，今天我们所讲的 Cache 主要是面向读的系统。

爱奇艺拥有大量版权内容的 Metadata，在不同的业务场景都需要将这些 Metadata 和相应的关联数据作为基础数据返回，为了提高业务迭代速度，降低系统耦合，**我们将这些基础数据的组装环节拆分为独立的服务，该服务提供包括通用和个性化逻辑的封装，所有用到基础数据的地方调用此微服务。**每条数据大约几 KB 到十几 KB 不等，且数量不断增长。该服务作为基础服务对各子业务服务。

如何解决该服务对集中式 Cache 带来的高并发问题（高峰期支撑百万级 QPS）：**比如集中式 Cache 内网带宽损耗、Cache 网络故障超时场景等问题。**以下提供众多解决方案中的一个解决方案。

二、思路 &方案

首先对比一下本地 Cache 与集中 Cache 的优缺点：

1.本地 Cache

其优点有：

（1）热点缓存，每扩容一个实例就相当于扩容了一个热点数据库；

（2）命中率高；

（3）过期策略；

（4）业务逻辑速度快，机器损耗低；

（5）抗风险能力强。

其缺点有：

（1）一般是被动缓存，实时性差；

（2）存储量有限，配备 2GB~4GB，足矣满足当前大部分场景的热点数据。

2.集中 Cache

其优点有：

（1）方便实时更新 Cache；

（2）缓存一致性强。

其缺点如下：

（1）集群过大，依赖过重；

（2）并发量高时，IO 过重；

（3）易受应用机器到缓存机器之间的网络抖动影响；

（4）热点 Key 访问量过大时，容易将带宽跑满，需要多 Cache 集群来解决。

对比如上优缺点，**大部分人都会采用本地热点 Cache，**本地存储 4GB 一般都能满足常见的业务热点数据，但是本地 Cache 实时性差，如何解决实时性？如下为解决方案：

3.解决方案

**通过统一的消息机制来触发本地 Cache 的实时更新，同时提供消息过滤机制，由业务方自行处理逻辑，这样可以实现本地 Cache 个性化更新方案。**方案如下：

4.方案说明

**（1）管理后台：**管理使用该本地 Cache 的所有应用实例及缓存策略；

（2）数据变更：数据变更源头；

**（3）消息总线：**消息的集散中心；

**（4）业务 Filter：**业务方可以自行处理部分消息；

**（5）监控统计：**采用爱奇艺统一的日志收集系统，可以用来统计分析热点数据，为其它热点方案提供数据支持，监控采用统一监控，监控各个实例的 Cache 命中等指标

三、扩展

当单个集群本地 Cache 命中率低于可接受临界值（比如 70%）时，内存受限无法扩大本地 Cache 存储，可拆分成轻逻辑数据分片集群，即可提高命中率。

四、效果总结

（1）有效降低了集群雪崩的风险；

（2）解决了高并发读的问题；

（3）减少热点数据的网络穿透，降低集中式 Cache 的负担。