MemCache超詳細解讀

02-11

MemCache是什麼

MemCache是一個自由、源碼開放、高性能、分散式的分散式內存對象緩存系統，用於動態Web應用以減輕資料庫的負載。它通過在內存中緩存數據和對象來減少讀取資料庫的次數，從而提高了網站訪問的速度。MemCaChe是一個存儲鍵值對的HashMap，在內存中對任意的數據（比如字元串、對象等）所使用的key-value存儲，數據可以來自資料庫調用、API調用，或者頁面渲染的結果。MemCache設計理念就是小而強大，它簡單的設計促進了快速部署、易於開發並解決面對大規模的數據緩存的許多難題，而所開放的API使得MemCache能用於Java、C/C++/C#、Perl、Python、PHP、Ruby等大部分流行的程序語言。

另外，說一下MemCache和MemCached的區別：

1、MemCache是項目的名稱

2、MemCached是MemCache伺服器端可以執行文件的名稱

MemCache的官方網站為a distributed memory object caching system

MemCache訪問模型

為了加深理解，我模仿著原阿里技術專家李智慧老師《大型網站技術架構核心原理與案例分析》一書MemCache部分，自己畫了一張圖：

特別澄清一個問題，MemCache雖然被稱為"分散式緩存"，但是MemCache本身完全不具備分散式的功能，MemCache集群之間不會相互通信（與之形成對比的，比如JBoss Cache，某台伺服器有緩存數據更新時，會通知集群中其他機器更新緩存或清除緩存數據），所謂的"分散式"，完全依賴於客戶端程序的實現，就像上面這張圖的流程一樣。

同時基於這張圖，理一下MemCache一次寫緩存的流程：

1、應用程序輸入需要寫緩存的數據

2、API將Key輸入路由演算法模塊，路由演算法根據Key和MemCache集群伺服器列表得到一台伺服器編號

3、由伺服器編號得到MemCache及其的ip地址和埠號

4、API調用通信模塊和指定編號的伺服器通信，將數據寫入該伺服器，完成一次分散式緩存的寫操作

讀緩存和寫緩存一樣，只要使用相同的路由演算法和伺服器列表，只要應用程序查詢的是相同的Key，MemCache客戶端總是訪問相同的客戶端去讀取數據，只要伺服器中還緩存著該數據，就能保證緩存命中。

這種MemCache集群的方式也是從分區容錯性的方面考慮的，假如Node2宕機了，那麼Node2上面存儲的數據都不可用了，此時由於集群中Node0和Node1還存在，下一次請求Node2中存儲的Key值的時候，肯定是沒有命中的，這時先從資料庫中拿到要緩存的數據，然後路由演算法模塊根據Key值在Node0和Node1中選取一個節點，把對應的數據放進去，這樣下一次就又可以走緩存了，這種集群的做法很好，但是缺點是成本比較大。

一致性Hash演算法

從上面的圖中，可以看出一個很重要的問題，就是對伺服器集群的管理，路由演算法至關重要，就和負載均衡演算法一樣，路由演算法決定著究竟該訪問集群中的哪台伺服器，先看一個簡單的路由演算法。

1、餘數Hash

比方說，字元串str對應的HashCode是50、伺服器的數目是3，取餘數得到2，str對應節點Node2，所以路由演算法把str路由到Node2伺服器上。由於HashCode隨機性比較強，所以使用餘數Hash路由演算法就可以保證緩存數據在整個MemCache伺服器集群中有比較均衡的分布。

如果不考慮伺服器集群的伸縮性（什麼是伸縮性，請參見大型網站架構學習筆記），那麼餘數Hash演算法幾乎可以滿足絕大多數的緩存路由需求，但是當分散式緩存集群需要擴容的時候，就難辦了。

就假設MemCache伺服器集群由3台變為4台吧，更改伺服器列表，仍然使用餘數Hash，50對4的餘數是2，對應Node2，但是str原來是存在Node1上的，這就導致了緩存沒有命中。如果這麼說不夠明白，那麼不妨舉個例子，原來有HashCode為0~19的20個數據，那麼：

HashCode012345678910111213141516171819路由到的伺服器01201201201201201201

現在我擴容到4台，加粗標紅的表示命中：

HashCode012345678910111213141516171819路由到的伺服器01230123012301230123

如果我擴容到20+的台數，只有前三個HashCode對應的Key是命中的，也就是15%。當然這只是個簡單例子，現實情況肯定比這個複雜得多，不過足以說明，使用餘數Hash的路由演算法，在擴容的時候會造成大量的數據無法正確命中（其實不僅僅是無法命中，那些大量的無法命中的數據還在原緩存中在被移除前佔據著內存）。這個結果顯然是無法接受的，在網站業務中，大部分的業務數據度操作請求上事實上是通過緩存獲取的，只有少量讀操作會訪問資料庫，因此資料庫的負載能力是以有緩存為前提而設計的。當大部分被緩存了的數據因為伺服器擴容而不能正確讀取時，這些數據訪問的壓力就落在了資料庫的身上，這將大大超過資料庫的負載能力，嚴重的可能會導致資料庫宕機。

這個問題有解決方案，解決步驟為：

（1）在網站訪問量低谷，通常是深夜，技術團隊加班，擴容、重啟伺服器

（2）通過模擬請求的方式逐漸預熱緩存，使緩存伺服器中的數據重新分布

2、一致性Hash演算法

一致性Hash演算法通過一個叫做一致性Hash環的數據結構實現Key到緩存伺服器的Hash映射，看一下我自己畫的一張圖：

具體演算法過程為：先構造一個長度為2

32

的整數環（這個環被稱為一致性Hash環），根據節點名稱的Hash值（其分布為[0, 2

32

-1]）將緩存伺服器節點放置在這個Hash環上，然後根據需要緩存的數據的Key值計算得到其Hash值（其分布也為[0, 2

32

-1]），然後在Hash環上順時針查找距離這個Key值的Hash值最近的伺服器節點，完成Key到伺服器的映射查找。

就如同圖上所示，三個Node點分別位於Hash環上的三個位置，然後Key值根據其HashCode，在Hash環上有一個固定位置，位置固定下之後，Key就會順時針去尋找離它最近的一個Node，把數據存儲在這個Node的MemCache伺服器中。使用Hash環如果加了一個節點會怎麼樣，看一下：

看到我加了一個Node4節點，隻影響到了一個Key值的數據，本來這個Key值應該是在Node1伺服器上的，現在要去Node4了。採用一致性Hash演算法，的確也會影響到整個集群，但是影響的只是加粗的那一段而已，相比餘數Hash演算法影響了遠超一半的影響率，這種影響要小得多。更重要的是，集群中緩存伺服器節點越多，增加節點帶來的影響越小，很好理解。換句話說，隨著集群規模的增大，繼續命中原有緩存數據的概率會越來越大，雖然仍然有小部分數據緩存在伺服器中不能被讀到，但是這個比例足夠小，即使訪問資料庫，也不會對資料庫造成致命的負載壓力。

至於具體應用，這個長度為2

32

的一致性Hash環通常使用二叉查找樹實現，至於二叉查找樹，就是演算法的問題了，可以自己去查詢相關資料。

MemCache實現原理

首先要說明一點，MemCache的數據存放在內存中，存放在內存中個人認為意味著幾點：

1、訪問數據的速度比傳統的關係型資料庫要快，因為Oracle、MySQL這些傳統的關係型資料庫為了保持數據的持久性，數據存放在硬碟中，IO操作速度慢

2、MemCache的數據存放在內存中同時意味著只要MemCache重啟了，數據就會消失

3、既然MemCache的數據存放在內存中，那麼勢必受到機器位數的限制，這個之前的文章寫過很多次了，32位機器最多只能使用2GB的內存空間，64位機器可以認為沒有上限

然後我們來看一下MemCache的原理，MemCache最重要的莫不是內存分配的內容了，MemCache採用的內存分配方式是固定空間分配，還是自己畫一張圖說明：

這張圖片裡面涉及了slab_class、slab、page、chunk四個概念，它們之間的關係是：

1、MemCache將內存空間分為一組slab

2、每個slab下又有若干個page，每個page默認是1M，如果一個slab佔用100M內存的話，那麼這個slab下應該有100個page

3、每個page裡面包含一組chunk，chunk是真正存放數據的地方，同一個slab裡面的chunk的大小是固定的

4、有相同大小chunk的slab被組織在一起，稱為slab_class

MemCache內存分配的方式稱為allocator，slab的數量是有限的，幾個、十幾個或者幾十個，這個和啟動參數的配置相關。

MemCache中的value過來存放的地方是由value的大小決定的，value總是會被存放到與chunk大小最接近的一個slab中，比如slab[1]的chunk大小為80位元組、slab[2]的chunk大小為100位元組、slab[3]的chunk大小為128位元組（相鄰slab內的chunk基本以1.25為比例進行增長，MemCache啟動時可以用-f指定這個比例），那麼過來一個88位元組的value，這個value將被放到2號slab中。放slab的時候，首先slab要申請內存，申請內存是以page為單位的，所以在放入第一個數據的時候，無論大小為多少，都會有1M大小的page被分配給該slab。申請到page後，slab會將這個page的內存按chunk的大小進行切分，這樣就變成了一個chunk數組，最後從這個chunk數組中選擇一個用於存儲數據。

如果這個slab中沒有chunk可以分配了怎麼辦，如果MemCache啟動沒有追加-M（禁止LRU，這種情況下內存不夠會報Out Of Memory錯誤），那麼MemCache會把這個slab中最近最少使用的chunk中的數據清理掉，然後放上最新的數據。針對MemCache的內存分配及回收演算法，總結三點：

1、MemCache的內存分配chunk裡面會有內存浪費，88位元組的value分配在128位元組（緊接著大的用）的chunk中，就損失了30位元組，但是這也避免了管理內存碎片的問題

2、MemCache的LRU演算法不是針對全局的，是針對slab的

3、應該可以理解為什麼MemCache存放的value大小是限制的，因為一個新數據過來，slab會先以page為單位申請一塊內存，申請的內存最多就只有1M，所以value大小自然不能大於1M了

再總結MemCache的特性和限制

上面已經對於MemCache做了一個比較詳細的解讀，這裡再次總結MemCache的限制和特性：

1、MemCache中可以保存的item數據量是沒有限制的，只要內存足夠

2、MemCache單進程在32位機中最大使用內存為2G，這個之前的文章提了多次了，64位機則沒有限制

3、Key最大為250個位元組，超過該長度無法存儲

4、單個item最大數據是1MB，超過1MB的數據不予存儲

5、MemCache服務端是不安全的，比如已知某個MemCache節點，可以直接telnet過去，並通過flush_all讓已經存在的鍵值對立即失效

6、不能夠遍歷MemCache中所有的item，因為這個操作的速度相對緩慢且會阻塞其他的操作

7、MemCache的高性能源自於兩階段哈希結構：第一階段在客戶端，通過Hash演算法根據Key值算出一個節點；第二階段在服務端，通過一個內部的Hash演算法，查找真正的item並返回給客戶端。從實現的角度看，MemCache是一個非阻塞的、基於事件的伺服器程序

8、MemCache設置添加某一個Key值的時候，傳入expiry為0表示這個Key值永久有效，這個Key值也會在30天之後失效，見memcache.c的源代碼：

#define REALTIME_MAXDELTA 60*60*24*30static rel_time_t realtime(const time_t exptime) { if (exptime == 0) return 0; if (exptime > REALTIME_MAXDELTA) { if (exptime <= process_started) return (rel_time_t)1; return (rel_time_t)(exptime - process_started); } else { return (rel_time_t)(exptime + current_time); }}

這個失效的時間是memcache源碼裡面寫的，開發者沒有辦法改變MemCache的Key值失效時間為30天這個限制

MemCache指令匯總

上面說過，已知MemCache的某個節點，直接telnet過去，就可以使用各種命令操作MemCache了，下面看下MemCache有哪幾種命令：

命令作用get返回Key對應的Value值add 添加一個Key值，沒有則添加成功並提示STORED，有則失敗並提示NOT_STOREDset 無條件地設置一個Key值，沒有就增加，有就覆蓋，操作成功提示STOREDreplace 按照相應的Key值替換數據，如果Key值不存在則會操作失敗 stats返回MemCache通用統計信息（下面有詳細解讀）stats items返回各個slab中item的數目和最老的item的年齡（最後一次訪問距離現在的秒數）stats slabs返回MemCache運行期間創建的每個slab的信息（下面有詳細解讀）version返回當前MemCache版本號flush_all清空所有鍵值，但不會刪除items，所以此時MemCache依舊佔用內存quit關閉連接

stats指令解讀

stats是一個比較重要的指令，用於列出當前MemCache伺服器的狀態，拿一組數據舉個例子：

STAT pid 1023STAT uptime 21069937STAT time 1447235954STAT version 1.4.5STAT pointer_size 64STAT rusage_user 1167.020934STAT rusage_system 3346.933170STAT curr_connections 29STAT total_connections 21STAT connection_structures 49STAT cmd_get 49STAT cmd_set 7458STAT cmd_flush 0STAT get_hits 7401STAT get_misses 57..（delete、incr、decr、cas的hits和misses數，cas還多一個badval）STAT auth_cmds 0STAT auth_errors 0STAT bytes_read 22026555STAT bytes_written 8930466STAT limit_maxbytes 4134304000STAT accepting_conns 1STAT listen_disabled_num 0STAT threads 4STAT bytes 151255336STAT current_items 57146STAT total_items 580656STAT evicitions 0

這些參數反映著MemCache伺服器的基本信息，它們的意思是：

參數名作用pidMemCache伺服器的進程id uptime伺服器已經運行的秒數time伺服器當前的UNIX時間戳 versionMemCache版本 pointer_size當前操作系統指針大小，反映了操作系統的位數，64意味著MemCache伺服器是64位的 rusage_user進程的累計用戶時間 rusage_system 進程的累計系統時間 curr_connections 當前打開著的連接數total_connections 當伺服器啟動以後曾經打開過的連接數connection_structures 伺服器分配的連接構造數 cmd_get get命令總請求次數 cmd_setset命令總請求次數 cmd_flush flush_all命令總請求次數 get_hits 總命中次數，重要，緩存最重要的參數就是緩存命中率，以get_hits / (get_hits + get_misses)表示，比如這個緩存命中率就是99.2% get_misses 總未命中次數 auth_cmds 認證命令的處理次數 auth_errors 認證失敗的處理次數 bytes_read 總讀取的位元組數bytes_written 總發送的位元組數 limit_maxbytes分配給MemCache的內存大小（單位為位元組） accepting_conns 是否已經達到連接的最大值，1表示達到，0表示未達到listen_disabled_num 統計當前伺服器連接數曾經達到最大連接的次數，這個次數應該為0或者接近於0，如果這個數字不斷增長，就要小心我們的服務了threads 當前MemCache匯流排程數，由於MemCache的線程是基於事件驅動機制的，因此不會一個線程對應一個用戶請求 bytes 當前伺服器存儲的items總位元組數current_items 當前伺服器存儲的items總數量 total_items 自伺服器啟動以後存儲的items總數量

stats slab指令解讀

如果對上面的MemCache存儲機制比較理解了，那麼我們來看一下各個slab中的信息，還是拿一組數據舉個例子：

1 STAT1:chunk_size 96 2 ... 3 STAT 2:chunk_size 144 4 STAT 2:chunks_per_page 7281 5 STAT 2:total_pages 7 6 STAT 2:total_chunks 50967 7 STAT 2:used_chunks 45197 8 STAT 2:free_chunks 1 9 STAT 2:free_chunks_end 576910 STAT 2:mem_requested 608463811 STAT 2:get_hits 4808412 STAT 2:cmd_set 5958827113 STAT 2:delete_hits 014 STAT 2:incr_hits 015 STAT 2:decr_hits 016 STAT 2:cas_hits 017 STAT 2:cas_badval 018 ...19 STAT 3:chunk_size 21620 ...

首先看到，第二個slab的chunk_size（144）/第一個slab的chunk_size（96）=1.5，第三個slab的chunk_size（216）/第二個slab的chunk_size（144）=1.5，可以確定這個MemCache的增長因子是1.5，chunk_size以1.5倍增長。然後解釋下欄位的含義：

參數名作用chunk_size當前slab每個chunk的大小，單位為位元組chunks_per_page每個page可以存放的chunk數目，由於每個page固定為1M即1024*1024位元組，所以這個值就是（1024*1024/chunk_size）total_pages分配給當前slab的page總數total_chunks當前slab最多能夠存放的chunk數，這個值是total_pages*chunks_per_pageused_chunks已經被分配給存儲對象的chunks數目free_chunks曾經被使用過但是因為過期而被回收的chunk數free_chunks_end新分配但還沒有被使用的chunk數，這個值不為0則說明當前slab從來沒有出現過容量不夠的時候mem_requested當前slab中被請求用來存儲數據的內存空間位元組總數，（total_chunks*chunk_size）-mem_requested表示有多少內存在當前slab中是被閑置的，這包括未用的slab+使用的slab中浪費的內存get_hits當前slab中命中的get請求數cmd_set當前slab中接收的所有set命令請求數delete_hits當前slab中命中的delete請求數incr_hits當前slab中命中的incr請求數decr_hits當前slab中命中的decr請求數cas_hits當前slab中命中的cas請求數cas_badval當前slab中命中但是更新失敗的cas請求數

看到這個命令的輸出量很大，所有信息都很有作用。舉個例子吧，比如第一個slab中使用的chunks很少，第二個slab中使用的chunks很多，這時就可以考慮適當增大MemCache的增長因子了，讓一部分數據落到第一個slab中去，適當平衡兩個slab中的內存，避免空間浪費。

MemCache的Java實現實例

講了這麼多，作為一個Java程序員，怎麼能不寫寫MemCache的客戶端的實現呢？MemCache的客戶端有很多第三方jar包提供了實現，其中比較好的當屬XMemCached了，XMemCached具有效率高、IO非阻塞、資源耗費少、支持完整的協議、允許設置節點權重、允許動態增刪節點、支持JMX、支持與Spring框架集成、使用連接池、可擴展性好等諸多優點，因而被廣泛使用。這裡利用XMemCache寫一個簡單的MemCache客戶單實例，也沒有驗證過，純屬拋磚引玉：

public class MemCacheManager{ private static MemCacheManager instance = new MemCacheManager(); /** XMemCache允許開發者通過設置節點權重來調節MemCache的負載，設置的權重越高，該MemCache節點存儲的數據越多，負載越大 */ private static MemcachedClientBuilder mcb = new XMemcachedClientBuilder(AddrUtil.getAddresses("127.0.0.1:11211 127.0.0.2:11211 127.0.0.3:11211"), new int[]{1, 3, 5}); private static MemcachedClient mc = null; /** 初始化載入客戶端MemCache信息 */ static { mcb.setCommandFactory(new BinaryCommandFactory()); // 使用二進位文件 mcb.setConnectionPoolSize(10); // 連接池個數，即客戶端個數 try { mc = mcb.build(); } catch (IOException e) { e.printStackTrace(); } } private MemCacheManager() { } public MemCacheManager getInstance() { return instance; } /** 向MemCache伺服器設置數據 */ public void set(String key, int expiry, Object obj) throws Exception { mc.set(key, expiry, obj); } /** 從MemCache伺服器獲取數據 */ public Object get(String key) throws Exception { return mc.get(key); } /** * MemCache通過compare and set即cas協議實現原子更新，類似樂觀鎖，每次請求存儲某個數據都要附帶一個cas值，MemCache * 比對這個cas值與當前存儲數據的cas值是否相等，如果相等就覆蓋老數據，如果不相等就認為更新失敗，這在並發環境下特別有用 */ public boolean update(String key, Integer i) throws Exception { GetsResponse<Integer> result = mc.gets(key); long cas = result.getCas(); // 嘗試更新key對應的value if (!mc.cas(key, 0, i, cas)) { return false; } return true; }}

本文轉載自：MemCache超詳細解讀 - 五月的倉頡 - 博客園