内容简介:实现一个memcache proxy
通常我们会使用多台 memcached 构成一个集群,通过客户端库来实现缓存数据的分片(replica)。这会带来2个主要问题:
- memcached机器连接数过多
- 不利于做整体的服务化;缺少可运维性。例如想对接入的客户端做应用级隔离;或者对缓存数据做多区域(机房)的冗余
实现一个memcache proxy,相对于减少连接数来说,主要可以提供更多的扩展性。目前已经存在一些不错的memcache proxy,例如twitter的 twemproxy ,facebook的 mcrouter 。稍微调研了下,发现twemproxy虽然轻量,但功能较弱;mcrouter功能齐全,类似多区域多写的需求也满足。处于好玩的目的,之前又读过网络库xnio源码,我还是决定自己实现一个。
这个项目简单取名为 kvproxy ,通过简单的抽象可以实现为memcache或 redis 等key-value形式的服务proxy。 这是一些预想中的 feature 。
在目前的阶段,主要关注于其性能。因为memcached本身的RT非常小,所以这个proxy的性能就要求比较高。这里主要先关注下核心功能的实现。
架构
如下图:
-
Service
,用于抽象key-value服务,如memcache;MemcacheService
是其实现之一 -
ServerLocator
,用于定位memcached机器列表,例如ConstantLocator
则是从配置文件中读取。可以实现一个从名字服务读取列表的locator。 -
Connection
,配合KVProxy
,基于xnio,表示一个与客户端的连接 -
ConnectionListener
,用于处理网络连接上的请求,例如RequestHandler
则是MemcaheService
中的listener,用于处理从客户端发过来的memcache协议请求 -
MemClient
,包装memcache客户端,用于proxy将请求转发到后端的memcache服务 -
GroupClient
,包装MemClient
,可以用于多区域数据的同时写入,目前实现为单个primary及多个slave。写数据同步写入primary异步写入slave;读取数据则只从primary读。
本身要抽象的东西不复杂,所以结构其实是很简单的,也没有花太多心思。接下来关注下性能方面的问题。
异步性
作为一个proxy,异步基本是必然选择的方案,指的是,proxy在收到memcache的请求时,不阻塞当前的IO线程,形成一个请求context,在收到回应时拿到这个context来回应客户端。这样通过增加消耗的内存,来释放CPU资源,可以让IO模块尽可能多地接收从客户端来的请求。当然,如果请求过多,可能就会耗尽内存。
为了简单,我没有自己实现memcache client。网络上有很多开源的memcache client。我试了几个,例如xmemcached(为此还读过它的源码),但由于这些客户端都是同步的,虽然可以自己起线程池来把同步包装为异步,但始终不是最优方案。最后无意发现了 folsom ,集成到kvproxy后性能表现还不错。当然,真正要做到性能最优,最好还是自己实现memcache client,这样可以使用同一个xnio reactor,不用开那么多IO线程,拿到数据后就可以直接得到ByteBuffer,应该可以减少内存拷贝操作(能提高多少也不确定)。
性能测试
我使用了 memtier_benchmark 来做压力测试。测试环境是16core的虚拟机(宿主机不同),benchmark工具同目标测试服务部署在不同的机器,proxy同memcache部署在相同机器。目标服务基于OS centos7,测试命令为:
./memtier_benchmark -s 127.0.0.1 -p 22122 -P memcache_text --test-time 60 -d 4096 --hide-histogram
默认开启4个压测线程,每个线程建立50个连接,测试60秒,默认设置是1:10的set/get。
首先是直接压测memcached:
ALL STATS
========================================================================
Type Ops/sec Hits/sec Misses/sec Latency KB/sec
------------------------------------------------------------------------
Sets 5729.65 --- --- 3.27500 23141.85
Gets 57279.42 80.33 57199.09 3.16000 1771.99
Waits 0.00 --- --- 0.00000 ---
Totals 63009.07 80.33 57199.09 3.17000 24913.84
然后我压测了twitter的twemproxy,RT差不多增加70%。
ALL STATS
========================================================================
Type Ops/sec Hits/sec Misses/sec Latency KB/sec
------------------------------------------------------------------------
Sets 3344.58 --- --- 5.58400 13508.68
Gets 33430.28 40.00 33390.28 5.41900 1006.32
Waits 0.00 --- --- 0.00000 ---
Totals 36774.85 40.00 33390.28 5.43400 14515.00
最后是压测kvproxy (jdk8),只与memcache建立一个连接,RT增加95%,基本上翻倍。不过由于是 Java 实现,相对于twemproxy的C实现感觉也不差。当然,机器资源消耗更大(主要是内存)。
ALL STATS
========================================================================
Type Ops/sec Hits/sec Misses/sec Latency KB/sec
------------------------------------------------------------------------
Sets 2959.41 --- --- 6.62400 11953.00
Gets 29578.47 33.90 29544.57 6.20800 884.38
Waits 0.00 --- --- 0.00000 ---
Totals 32537.88 33.90 29544.57 6.24600 12837.37
压测中IO线程CPU并没有跑满,推测是虚拟机之间的网络带宽还是不够。
以上所述就是小编给大家介绍的《实现一个memcache proxy》,希望对大家有所帮助,如果大家有任何疑问请给我留言,小编会及时回复大家的。在此也非常感谢大家对 码农网 的支持!
猜你喜欢:- php如何实现session,自己实现session,laravel如何实现session
- AOP如何实现及实现原理
- webpack 实现 HMR 及其实现原理
- Docker实现原理之 - OverlayFS实现原理
- 为什么实现 .NET 的 ICollection 集合时需要实现 SyncRoot 属性?如何正确实现这个属性?
- 自己实现集合框架(十):顺序栈的实现
本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。
Mastering Flask
Jack Stouffer / Packt Publishing / 2015-9-30 / USD 49.99
Work with scalable Flask application structures to create complex web apps Discover the most powerful Flask extensions and learn how to create one Deploy your application to real-world platforms......一起来看看 《Mastering Flask》 这本书的介绍吧!