memcached使用中避坑實例匯總
線上啟用memcached(以下簡稱mc)作為熱點緩存組件已經多年，其穩定性和性能都經歷住了考驗，這里記錄一下踩過的幾個坑。
大key存儲某年某月某日，觀察mysql的讀庫CPU占比有些異常偏高，去check慢查詢log，發現部分應有緩存的慢sql居然存在幾秒執行一次情況，不符合緩存數小時的代碼邏輯。查看業務log在每次查詢sql之后也確實有將結果set至mc之中：
# python代碼mc.set(cache_key, v, 3600)而set返回的取值卻是False而非正常的True，很快想到mc著名的只可存儲不超過1MB大小的key限制，在以往的業務場景中沒有出現過這么大的key，所以一直沒達到過這個限制，直到這一次撞上。
要解決超過1MB大小的key存儲問題有以下幾個思路：
想辦法將cache結果變小換個cache組件mc >=1.4.2 版本其實已經支持命令行參數-I指定最大key大小了，線上使用版本支持最小1KB最大128MB的設置將大key拆分為幾個子key，通過set_multi和get_multi實現統一的讀寫。無論是通過2或3都可以支持更大的key存儲，但是更大的key存儲對于讀寫傳輸其實都更不友好，而思路4需要手動拆分、組裝子key略顯麻煩，所以優先從思路1著手，意外發現python使用的memcached庫其實提供了key壓縮功能，在寫入時指定min_compress_len參數即可：
mc.set(key, v, time=expires, min_compress_len=1024)如上表示寫入的v對象序列化大小若>=1024則啟用壓縮存儲，庫底層會將其壓縮后再寫入mc，讀取時庫底層也會自動解壓縮后再返回，業務層可以說完全無感，并且壓縮后還能極大降低存儲和傳輸成本。
最終通過min_compress_len參數啟用大key壓縮后，原1MB大小的key直瘦身了4/5。
slab鈣化啟用大key壓縮后mc度過了好一段歲月靜好的日子，直到某一天...
大規模key分布變動導致的鈣化查看zabbix上的相關監控，發現mc的key查詢miss比例居然接近50%！這個緩存命中率著實讓人深思，進一步check后發現同時異常的指標還有evicted items數，日常取值居然可以達到數百/S的級別。
mc官方文檔對evicted items的定義如下：
evictedNumber of times an item had to be evicted from the LRU before it expired.即存儲的key在其實際過期前被從LRU強制清理了，這一般說明mc剩余可分配內存不足了，所以新key寫入時只能先從LRU淘汰一部分key騰出空間后再給新key使用，但是查看mc的內存使用率，明明還有超過>2GB的剩余內存可用。
最終調查后真相大白：mc明明剩余大量內存可用，寫入新key卻不斷導致舊key被提前清除的現象其實是mc特有的slab鈣化問題所致：
Memcached采用LRU(Least Recent Used）淘汰算法，在內存容量滿時踢出過期失效和LRU數據，為新數據騰出內存空間。不過該淘汰算法在內存空間不足以分配新的Slab情況下，這時只會在同一類Slab內部踢出數據。即當某個Slab容量滿，且不能在內存足夠分配新的Slab，只會在相同Slab內部踢出數據，而不會挪用或者踢出其他Slab的數據。這種局部剔除數據的淘汰算法帶來一個問題：Slab鈣化。簡單來說memcached 使用的不同尺寸slab一旦分配完成就不可變了，所以如果某類slab已用盡，即便其他slab剩余大量空閑內存也無法再對其加以利用。
業務這邊之前對使用mc的部分緩存key進行了整合優化，在優化之前單mc的全部5GB內存均已根據key存儲情況分配給了特定的slab，而優化之后大大降低了小key的數量，取而代之的是相對更緊湊的大key，key的數量和大小分布都發生了顯著的變化，于是原有的適用于大量小key的slab分配就無法滿足優化后的key存儲了。
最終體現為，中等大小的slab內存已被耗盡，每次寫入新key只能先通過LRU淘汰部分舊key騰出空間，體現為evicted數異常偏高，并且直接影響了緩存命中率，而小尺寸的slab卻長期大量空閑，體現為mc內存使用剩余空間一直充足。
網上檢索解決鈣化問題有三個辦法：
1) 重啟Memcached實例，簡單粗暴，啟動后重新分配Slab class，但是如果是單點可能造成大量請求訪問數據庫，出現雪崩現象，沖跨數據庫。2) 隨機過期：過期淘汰策略也支持淘汰其他slab class的數據，twitter工程師采用隨機選擇一個Slab，釋放該Slab的所有緩存數據，然后重新建立一個合適的Slab。3) 通過slab_reassign、slab_authmove參數控制。方法2看上去應是twitter的定制版mc Twemcache的特有功能，方法3則是線上mc已支持的方案，但首次接觸也不敢貿然直接在線上使用。
考慮到mc僅作為熱點緩存其數據可丟失，且部署有多臺分攤壓力，直接采用低峰時段分別重啟單個mc的策略解決，重啟后evicted item直接降為0，cache命中率升至90%上下。
少量大key變動導致的鈣化首次鈣化之后又是一段歲月靜好，直到...
某段時間開始一個主要接口偶發耗時會突然飆升一下，對應機器的CPU使用也會瞬間飚高一小陣，查看zabbix監控時，發現mc的 evicted items>0已持續好一段時間，但一直是個位數/S的級別，看著影響不大。
進一步執行stats items命令，發現發生key evict的是最大的chunk_size=1048576 的slab 42，這也就是說存在大小在512KB~1MB之間的大key，同時當前mc分配的1MB slab個數已無法滿足其存儲，也無法再分配出新的1MB大小的slab，最終體現為對于大key的再次鈣化。
由于slab鈣化大key會被頻繁evict，對應緩存機制基本失效，所幸server端針對該類大key的讀取還做了一個短期的本地cache，避免了每次請求都穿透到db。
在某些特定時刻，當mc中對應大key失效且本地cache失效，對應請求又較多的時候，多個獨立的請求都會穿透到db獲取數據，而后再寫入mc，無論是穿透到db獲取數據后本地進行相應的數據組裝處理邏輯，還是讀寫mc的壓縮、解壓縮數據操作，都比較耗CPU，最終會體現為api耗時增加，且CPU使用率也存在飚高的現象。
近期并沒有涉及大key讀寫的改動，那這次的大key slab鈣化又是怎么來的？進一步探查原因：觸發evict的大key近期確實無相關邏輯改動，但該部分舊key的大小和運營放出的資源多少直接相關，近一段時間放出的資源一直持續增加，舊key原本大小是<512KB，所以使用的是512KB的slab 41，近期持續增大為>512KB后，就只能使用1MB的slab 42存儲了，對于slab 42來說相當于在原有支持的大key數量基礎上又新的大key存儲需要支持，又由于slab鈣化無法再分配新的slab 42，最終觸發evict，cache命中率降低，api偶發耗時上升。
最終解決方案：還是在業務低峰期逐個重啟mc，觸發slab重分配即可。
總結memcached作為一個開源的純內存kv緩存組件，上手簡單、性能、穩定性都有足夠保證，但是實際使用時也不可掉以輕心，對其相關監控與關注不能少，對于其特有的最大key存儲限制、slab鈣化問題要有一定的認識并能及時處理。
參考https://github.com/memcached/memcached/blob/master/doc/protocol.txt#L637
https://github.com/memcached/memcached/wiki/ReleaseNotes142#configurable-maximum-item-size
https://www.jianshu.com/p/b91a45711460
https://blog.twitter.com/engineering/en_us/a/2012/caching-with-twemcache
https://www.cnblogs.com/AcAc-t/p/memcached_large_key_slab_calcification.html
https://bugwz.com/2020/05/24/memcached-slab-calcification/#2-2-2、Rebalance執行邏輯
https://www.cnblogs.com/Leo_wl/p/3310294.html
到此這篇關于memcached使用中避坑實例匯總的文章就介紹到這了,更多相關memcached 踩的一些坑內容請搜索好吧啦網以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持好吧啦網！
網公網安備