memcached全面剖析–4. memcached的分佈式算法

原作者charlee、原始鏈接http://tech.idv2.com/2008/07/24/memcached-004

 

memcached的分佈式

正如第1次中介紹的那樣， memcached雖然稱爲“分佈式”緩存服務器，但服務器端並沒有“分佈式”功能。服務器端僅包括 第2次、 第3次 前阪介紹的內存存儲功能，其實現非常簡單。至於memcached的分佈式，則是完全由客戶端程序庫實現的。這種分佈式是memcached的最大特點。

memcached的分佈式是什麼意思？

這裏多次使用了“分佈式”這個詞，但並未做詳細解釋。現在開始簡單地介紹一下其原理，各個客戶端的實現基本相同。

下面假設memcached服務器有node1～node3三臺，應用程序要保存鍵名爲“tokyo”“kanagawa”“chiba”“saitama”“gunma” 的數據。

圖1 分佈式簡介：準備

首先向memcached中添加“tokyo”。將“tokyo”傳給客戶端程序庫後，客戶端實現的算法就會根據“鍵”來決定保存數據的memcached服務器。服務器選定後，即命令它保存“tokyo”及其值。

圖2 分佈式簡介：添加時

同樣，“kanagawa”“chiba”“saitama”“gunma”都是先選擇服務器再保存。

接下來獲取保存的數據。獲取時也要將要獲取的鍵“tokyo”傳遞給函數庫。函數庫通過與數據保存時相同的算法，根據“鍵”選擇服務器。使用的算法相同，就能選中與保存時相同的服務器，然後發送get命令。只要數據沒有因爲某些原因被刪除，就能獲得保存的值。

圖3 分佈式簡介：獲取時

這樣，將不同的鍵保存到不同的服務器上，就實現了memcached的分佈式。 memcached服務器增多後，鍵就會分散，即使一臺memcached服務器發生故障無法連接，也不會影響其他的緩存，系統依然能繼續運行。

接下來介紹第1次 中提到的Perl客戶端函數庫Cache::Memcached實現的分佈式方法。

Cache::Memcached的分佈式方法

Perl的memcached客戶端函數庫Cache::Memcached是 memcached的作者Brad Fitzpatrick的作品，可以說是原裝的函數庫了。

• Cache::Memcached - search.cpan.org

該函數庫實現了分佈式功能，是memcached標準的分佈式方法。

根據餘數計算分散

Cache::Memcached的分佈式方法簡單來說，就是“根據服務器臺數的餘數進行分散”。求得鍵的整數哈希值，再除以服務器臺數，根據其餘數來選擇服務器。

下面將Cache::Memcached簡化成以下的Perl腳本來進行說明。

use strict;
use warnings;
use String::CRC32;

my @nodes = ('node1','node2','node3');
my @keys = ('tokyo', 'kanagawa', 'chiba', 'saitama', 'gunma');

foreach my $key (@keys) {
    my $crc = crc32($key);             # CRC値
    my $mod = $crc % ( $#nodes + 1 );
    my $server = $nodes[ $mod ];       # 根據餘數選擇服務器
    printf "%s => %s/n", $key, $server;
}

Cache::Memcached在求哈希值時使用了CRC。

• String::CRC32 - search.cpan.org

首先求得字符串的CRC值，根據該值除以服務器節點數目得到的餘數決定服務器。上面的代碼執行後輸入以下結果：

tokyo       => node2
kanagawa => node3
chiba       => node2
saitama   => node1
gunma     => node1

根據該結果，“tokyo”分散到node2，“kanagawa”分散到node3等。多說一句，當選擇的服務器無法連接時，Cache::Memcached會將連接次數添加到鍵之後，再次計算哈希值並嘗試連接。這個動作稱爲rehash。不希望rehash時可以在生成Cache::Memcached對象時指定“rehash => 0”選項。

根據餘數計算分散的缺點

餘數計算的方法簡單，數據的分散性也相當優秀，但也有其缺點。那就是當添加或移除服務器時，緩存重組的代價相當巨大。添加服務器後，餘數就會產生鉅變，這樣就無法獲取與保存時相同的服務器，從而影響緩存的命中率。用Perl寫段代碼來驗證其代價。

use strict;
use warnings;
use String::CRC32;

my @nodes = @ARGV;
my @keys = ('a'..'z');
my %nodes;

foreach my $key ( @keys ) {
    my $hash = crc32($key);
    my $mod = $hash % ( $#nodes + 1 );
    my $server = $nodes[ $mod ];
    push @{ $nodes{ $server } }, $key;
}

foreach my $node ( sort keys %nodes ) {
    printf "%s: %s/n", $node,  join ",", @{ $nodes{$node} };
}

這段Perl腳本演示了將“a”到“z”的鍵保存到memcached並訪問的情況。將其保存爲mod.pl並執行。

首先，當服務器只有三臺時：

$ mod.pl node1 node2 nod3
node1: a,c,d,e,h,j,n,u,w,x
node2: g,i,k,l,p,r,s,y
node3: b,f,m,o,q,t,v,z

結果如上，node1保存a、c、d、e……，node2保存g、i、k……，每臺服務器都保存了8個到10個數據。

接下來增加一臺memcached服務器。

$ mod.pl node1 node2 node3 node4
node1: d,f,m,o,t,v
node2: b,i,k,p,r,y
node3: e,g,l,n,u,w
node4: a,c,h,j,q,s,x,z

添加了node4。可見，只有d、i、k、p、r、y命中了。像這樣，添加節點後鍵分散到的服務器會發生巨大變化。26個鍵中只有六個在訪問原來的服務器，其他的全都移到了其他服務器。命中率降低到23%。在Web應用程序中使用memcached時，在添加memcached服務器的瞬間緩存效率會大幅度下降，負載會集中到數據庫服務器上，有可能會發生無法提供正常服務的情況。

mixi的Web應用程序運用中也有這個問題，導致無法添加memcached服務器。但由於使用了新的分佈式方法，現在可以輕而易舉地添加memcached服務器了。這種分佈式方法稱爲 Consistent Hashing。

Consistent Hashing

關於Consistent Hashing的思想，mixi株式會社的開發blog等許多地方都介紹過，這裏只簡單地說明一下。

• mixi Engineers' Blog - スマートな分散で快適キャッシュライフ
• ConsistentHashing - コンシステント ハッシュ法

Consistent Hashing的簡單說明

Consistent Hashing如下所示：首先求出memcached服務器（節點）的哈希值，並將其配置到0～2³²的圓（continuum）上。然後用同樣的方法求出存儲數據的鍵的哈希值，並映射到圓上。然後從數據映射到的位置開始順時針查找，將數據保存到找到的第一個服務器上。如果超過2³²仍然找不到服務器，就會保存到第一臺memcached服務器上。

圖4 Consistent Hashing：基本原理

從上圖的狀態中添加一臺memcached服務器。餘數分佈式算法由於保存鍵的服務器會發生巨大變化而影響緩存的命中率，但Consistent Hashing中，只有在continuum上增加服務器的地點逆時針方向的第一臺服務器上的鍵會受到影響。

圖5 Consistent Hashing：添加服務器

因此，Consistent Hashing最大限度地抑制了鍵的重新分佈。而且，有的Consistent Hashing的實現方法還採用了虛擬節點的思想。使用一般的hash函數的話，服務器的映射地點的分佈非常不均勻。因此，使用虛擬節點的思想，爲每個物理節點（服務器）在continuum上分配100～200個點。這樣就能抑制分佈不均勻，最大限度地減小服務器增減時的緩存重新分佈。

通過下文中介紹的使用Consistent Hashing算法的memcached客戶端函數庫進行測試的結果是，由服務器臺數（n）和增加的服務器臺數（m）計算增加服務器後的命中率計算公式如下：

(1 - n/(n+m)) * 100

支持Consistent Hashing的函數庫

本連載中多次介紹的Cache::Memcached雖然不支持Consistent Hashing，但已有幾個客戶端函數庫支持了這種新的分佈式算法。第一個支持Consistent Hashing和虛擬節點的memcached客戶端函數庫是名爲libketama的PHP庫，由last.fm開發。

• libketama - a consistent hashing algo for memcache clients – RJ ブログ - Users at Last.fm

至於Perl客戶端，連載的第1次 中介紹過的Cache::Memcached::Fast和Cache::Memcached::libmemcached支持 Consistent Hashing。

• Cache::Memcached::Fast - search.cpan.org
• Cache::Memcached::libmemcached - search.cpan.org

兩者的接口都與Cache::Memcached幾乎相同，如果正在使用Cache::Memcached，那麼就可以方便地替換過來。Cache::Memcached::Fast重新實現了libketama，使用Consistent Hashing創建對象時可以指定ketama_points選項。

my $memcached = Cache::Memcached::Fast->new({
    servers => ["192.168.0.1:11211","192.168.0.2:11211"],
    ketama_points => 150
});

另外，Cache::Memcached::libmemcached 是一個使用了Brain Aker開發的C函數庫libmemcached的Perl模塊。 libmemcached本身支持幾種分佈式算法，也支持Consistent Hashing，其Perl綁定也支持Consistent Hashing。

• Tangent Software: libmemcached

總結

本次介紹了memcached的分佈式算法，主要有memcached的分佈式是由客戶端函數庫實現，以及高效率地分散數據的Consistent Hashing算法。下次將介紹mixi在memcached應用方面的一些經驗，和相關的兼容應用程序。