L2Cache 是一个基于内存
、 Redis
、 Spring Cache
实现的满足高并发场景下的分布式二级缓存框架。
L2Cache 并没有重复造轮子,它只是将目前市面上比较成熟、经得起考验的框架组合起来,封装屏蔽了复杂的缓存操作和实现原理,最终给开发者留出了一个简单易懂和易维护的分布式缓存开发工具。
1、整体数据
- 已在生产环境投产,目前主要应用在商品、优惠券、用户、营销等核心服务。
- 经历过多年双十一、双十二,以及
多次大促活动的流量洗礼
。 - 支撑公司单月
10亿GMV
- 支撑全链路压测
35W QPS
- 支撑500w日活
2、下面提供一个【首页重构】时商品中心
的压测数据,具体如下:
环境 | 压测维度 | 最高QPS | 最低QPS | 平均RT | 配置 |
---|---|---|---|---|---|
单POD | 单接口 | 5k+ | 2k+ | 50ms内 | 1个pod,8c16g |
集群 | 单接口 | 8w+ | 1w+ | 50ms内 | 25个pod,8c16g |
集群 | 单链路 | 4.5w+ | 3.5w+ | 55ms内 | 25个pod,8c16g |
集群 | 全链路 | 35w+ | - | 55ms内 | 120个pod,8c16g |
特别注意:
- 由于依赖的资源较多,上面只列出了pod的配置,未列出诸如mq/redis/db/ingress/SLB等资源的配置。
- 不同接口的QPS不一样,因为业务复杂度和实现逻辑不一样。
- 压测是对系统的一种整体考量,链路中的任何环节,都对压测有致命的影响。
- 链路的压测,分为单链路和混合链路。其中,全链路是一种混合链路的压测场景。
- 上述QPS是在系统的各个指标处于稳定状态的压测值,如果极限施压QPS会更高。
- 支持多种缓存类型: 一级缓存、二级缓存、混合缓存
- 解决痛点问题: 缓存击穿、缓存穿透等
- 动态缓存配置: 支持动态调整混合缓存下的缓存类型,支持热key的手动配置
- 缓存一致性保证: 通过消息通知的方式来保证集群环境下一级缓存的一致性
- 自动热key探测: 自动识别热key并缓存到一级缓存
- 支持缓存批量操作: 支持分页的批量获取、批量删除等
- 定义通用缓存层: 承上启下,简化业务开发,规整业务代码
核心功能 | JetCache(阿里) | J2Cache(OSChina) | L2Cache |
---|---|---|---|
支持的缓存类型 | 一级缓存 二级缓存 混合缓存 |
一级缓存 二级缓存 混合缓存 |
一级缓存 二级缓存 混合缓存 |
解决的痛点问题 | 缓存击穿 缓存穿透 |
缓存击穿 缓存穿透 |
缓存击穿 缓存穿透 |
缓存一致性保证 | 支持 | 支持 | 支持 |
动态缓存配置 | 不支持 | 不支持 | 支持 |
自动热key探测 | 不支持 | 不支持 | 支持 |
缓存批量操作 | 不支持 | 不支持 | 支持 |
通用缓存层 | 不支持 | 不支持 | 支持 |
说明:上面表格的对比,数据正在整理中,后续会再校对一次。
- 从上面表格的对比可发现,
L2Cache
的核心优势为三个点:自动热key探测
、缓存批量操作
、通用缓存层
。 - 这三点优势是从实际业务开发中沉淀下来的能力,不仅解决了实现多级缓存的复杂性问题,还进一步屏蔽了业务维度的缓存操作的复杂性。
- 这样一来,原本需要资深开发者才能开发的功能,现在高级和中级开发者,甚至初级开发者都能轻松、高效、高质地进行开发。
- 如果在实际业务开发中,你也遇到开发难度高,难以维护,难以扩展的痛点问题,建议可以试试L2Cache。
反正接入成本低,试试又何妨?
1、L1:一级缓存,内存缓存,支持 Caffeine
和 Guava Cache
。
2、L2:二级缓存,集中式缓存,支持 Redis
。
3、混合缓存,指支持同时使用一级缓存和二级缓存。
由于大量的缓存读取会导致 L2
的网络成为整个系统的瓶颈,因此 L1
的目标是降低对 L2
的读取次数。避免使用独立缓存系统所带来的网络IO开销问题。L2
可以避免应用重启后导致的 L1
数据丢失的问题,同时无需担心L1
会增加太多的内存消耗,因为你可以设置 L1
中缓存数据的数量。
说明:
L2Cache
满足CAP定理中的AP,也就是满足可用性和分区容错性,至于C(一致性)因为缓存的特性所以无法做到强一致性,只能尽可能的去做到一致性,保证最终的一致。
支持根据配置缓存类型
来灵活的组合使用不同的Cache。
1、支持只使用一级缓存Caffeine
和 Guava Cache
。
2、支持只使用二级缓存Redis
。
3、支持同时使用一二级缓存Composite
。
若使用缓存,则必然可能出现不一致的情况。
也就是说,无法保证强一致性,只能保证最终一致性。
- l2cache热key探测-技术方案调研
- 关于缓存的几个常见问题分析和处理方案
- 实战-用户中心-l2cache-Caffeine的OOM异常分析
- 实战-用户中心-还原并验证使用caffeine出现频繁gc和oom的场景
- 实战-商品中心-Redis集群版超出最大内存限制异常
- 实战-商品中心-l2cache高并发场景下出现OOM的分析和优化方案
- 实战-商品中心-l2cache中caffeine.getIfPresent()仅仅获取缓存,但触发了数据加载,导致被设置为NullValue的问题分析
如果 l2cache 对您有所帮助,不妨右上角点点 Star
或者任意赞赏
支持。
您的 Star
或 赞赏
将会给我带来更多动力。
最后,欢迎你 Fork PR 成为项目贡献者。
微信:chenck1112
按照注册顺序,欢迎更多访问公司在#26注册(仅限开源用户)。