知识源于沉淀 导言1-1。TMC是什么？
TMC，即“透明多级缓存”，是赞赞PaaS团队为公司内应用提供的整体缓存解决方案。
TMC在通用分布式缓存解决方案(如CodisProxy+Redis，如自研分布式缓存系统zanKV)的基础上增加了以下功能:
应用层热点探测应用层本地缓存应用层缓存命中统计
帮助应用层解决缓存使用过程中的热点访问问题。
1-2.为什么要做TMC
使用有赞服务的电商商家非常多，商家会时不时做一些“商品秒杀”、“商品促销”等活动，导致“营销活动”、“商品详情”、“交易订单”等链接应用中缓存热点访问:
活动时间、活动类型、活动商品之类的信息不可预期，导致 缓存热点访问 情况不可提前预知；缓存热点访问 出现期间，应用层少数 *热点访问 key * 产生大量缓存访问请求：冲击分布式缓存系统，大量占据内网带宽，最终影响应用层系统稳定性；
为了解决上述问题，我们需要一种能够自动发现热点，并在应用层本地缓存中预先缓存热点访问请求的解决方案，这就是TMC的原因。
1-3.多级缓存解决方案的难点
基于以上描述，我们总结了需要通过多级缓存解决方案解决的以下需求难点:
热点探测：如何快速且准确的发现 *热点访问 key * ？数据一致性：前置在应用层的本地缓存，如何保障与分布式缓存系统的数据一致性？效果验证：如何让应用层查看本地缓存命中率、热点 key 等数据，验证多级缓存效果？透明接入：整体解决方案如何减少对应用系统的入侵，做到快速平滑接入？
TMC针对以上痛点，设计并实现了整体解决方案。支持“热点检测”和“本地缓存”，减少热点访问对下游分布式缓存服务的影响，避免影响应用服务的性能和稳定性。
二、 TMC 整体架构
TMC的整体架构如上图所示，分为三层:
存储层：提供基础的kv数据存储能力，针对不同的业务场景选用不同的存储服务（ codis / zankv / aerospike ）；代理层：为应用层提供统一的缓存使用入口及通信协议，承担分布式数据水平切分后的路由功能转发工作；应用层：提供统一客户端给应用服务使用，内置“热点探测”、“本地缓存”等功能，对业务透明；
本文主要关注应用层客户端的“热点检测”和“本地缓存”功能。
三、 TMC 本地缓存
3-1.如何做到透明
TMC如何减少对业务应用系统的入侵，实现透明访问？
对于公司的Ja应用服务，有两种方式可以使用缓存客户端:
基于spring.data.redis包，使用RedisTemplate编写业务代码；基于youzan.framework.redis包，使用RedisClient编写业务代码；
无论哪种方式，由JedisPool创建的Jedis对象最终都会与缓存服务器的代理层进行交互。
TMC对原生jedis包的JedisPool和Jedis类进行了改造，在JedisPool初始化过程中集成了Hermes-SDK包的初始化逻辑和TMC的“热点发现+本地缓存”功能，使得Jedis客户端在与缓存服务器的代理层交互时可以先与Hermes-SDK进行交互，从而完成“热点发现+本地缓存”功能的透明访问。
对于Ja应用服务，只需要使用特定版本的jedis-jar包，不需要修改代码就可以访问TMC，利用“热点发现”和“本地缓存”的功能，实现对应用系统的最小入侵。
3-2.整体结构
3-2-1.模块划分
TMC本地缓存的整体结构分为以下模块:
Jedis-Client： Ja 应用与缓存服务端交互的直接入口，接口定义与原生 Jedis-Client 无异；Hermes-SDK：自研“热点发现+本地缓存”功能的SDK封装， Jedis-Client 通过与它交互来集成相应能力；Hermes服务端集群：接收 Hermes-SDK 上报的缓存访问数据，进行热点探测，将热点 key 推送给 Hermes-SDK 做本地缓存；缓存集群：由代理层和存储层组成，为应用客户端提供统一的分布式缓存服务入口；基础组件： etcd 集群、 Apollo 配置中心，为 TMC 提供“集群推送”和“统一配置”能力；
3-2-2.基本过程
1)关键值获取
Ja 应用调用 Jedis-Client 接口获取key的缓存值时，Jedis-Client 会询问 Hermes-SDK 该 key 当前是否是 热点key；对于 热点key ，直接从 Hermes-SDK 的 热点模块 获取热点 key 在本地缓存的 value 值，不去访问 缓存集群 ，从而将访问请求前置在应用层；对于非 热点key ，Hermes-SDK 会通过Callable回调 Jedis-Client 的原生接口，从 缓存集群 拿到 value 值；对于 Jedis-Client 的每次 key 值访问请求，Hermes-SDK 都会通过其 通信模块 将 key访问事件 异步上报给 Hermes服务端集群 ，以便其根据上报数据进行“热点探测”；
2)2)密钥值已过期。
Ja 应用调用 Jedis-Client 的set() del() expire()接口时会导致对应 key 值失效，Jedis-Client 会同步调用 Hermes-SDK 的invalid()方法告知其“ key 值失效”事件；对于 热点key ，Hermes-SDK 的 热点模块 会先将 key 在本地缓存的 value 值失效，以达到本地数据强一致。同时 通信模块 会异步将“ key 值失效”事件通过 etcd集群 推送给 Ja 应用集群中其他 Hermes-SDK节点；其他Hermes-SDK节点的 通信模块 收到 “ key 值失效”事件后，会调用 热点模块 将 key 在本地缓存的 value 值失效，以达到集群数据最终一致；
3)热点发现
Hermes服务端集群 不断收集 Hermes-SDK上报的 key访问事件，对不同业务应用集群的缓存访问数据进行周期性（3s一次）分析计算，以探测业务应用集群中的热点key列表；对于探测到的热点key列表，Hermes服务端集群 将其通过 etcd集群 推送给不同业务应用集群的 Hermes-SDK 通信模块，通知其对热点key列表进行本地缓存；
4)配置读数
Hermes-SDK 在启动及运行过程中，会从 Apollo配置中心 读取其关心的配置信息（如：启动关闭配置、黑白名单配置、etcd地址…）；Hermes服务端集群 在启动及运行过程中，会从 Apollo配置中心 读取其关心的配置信息（如：业务应用列表、热点阈值配置、 etcd 地址…）；
3-2-3.稳定性
TMC本地缓存的稳定性表现在以下几个方面:
数据上报异步化：Hermes-SDK 使用rsyslog技术对“ key 访问事件”进行异步化上报，不会阻塞业务；通信模块线程隔离：Hermes-SDK 的 通信模块 使用独立线程池+有界队列，保证事件上报&监听的I/O操作与业务执行线程隔离，即使出现非预期性异常也不会影响基本业务功能；缓存管控：Hermes-SDK 的 热点模块 对本地缓存大小上限进行了管控，使其占用内存不超过 64MB（LRU），杜绝 JVM 堆内存溢出的可能；
3-2-4.一致性
TMC本地缓存一致性表现在以下几个方面:
Hermes-SDK 的 热点模块 仅缓存 热点key 数据，绝大多数非热点 key 数据由 缓存集群 存储；热点key 变更导致 value 失效时，Hermes-SDK 同步失效本地缓存，保证 本地强一致；热点key 变更导致 value 失效时，Hermes-SDK 通过 etcd集群 广播事件，异步失效业务应用集群中其他节点的本地缓存，保证 集群最终一致；四、TMC热点发现
4-1.整体流程
TMC热点发现过程分为四个步骤:
数据收集：收集 Hermes-SDK 上报的 key访问事件；热度滑窗：对 App 的每个 Key ，维护一个时间轮，记录基于当前时刻滑窗的访问热度；热度汇聚：对 App 的所有 Key ，以<key,热度>的形式进行 热度排序汇总；热点探测：对 App ，从 热Key排序汇总 结果中选出 TopN的热点Key ，推送给 Hermes-SDK；
4-2.数据收集
Hermes-SDK通过本地rsyslog将密钥访问事件以协议格式放入kafka，Hermes服务器集群的各个节点消费kafka消息实时获取密钥访问事件。
访问事件协议的格式如下:
appName：集群节点所属业务应用uniqueKey：业务应用 key访问事件 的 keysendTime：业务应用 key访问事件 的发生时间weight：业务应用 key访问事件 的访问权值
Hermes服务器集群节点将收集到的密钥访问事件存储在本地内存中，内存数据结构为map & gt。
4-3.热推拉窗
4-3-1.时间滑动窗口
Hermes服务器群集节点为每个应用程序的每个键维护一个时间轮:
时间轮10个 时间片，每个时间片记录当前 key 对应 3 秒时间周期的总访问次数；时间轮10个时间片的记录累加即表示当前 key 从当前时间向前 30 秒时间窗口内的总访问次数；
4-3-2.映射任务
Hermes服务器集群节点每3秒为每个app生成一个映射任务，交给节点中的“缓存映射线程池”执行。映射内容如下:
对当前 App ，从Map< appName , Map< uniqueKey , 热度 >>中取出 appName 对应的Map Map< uniqueKey , 热度 >>；遍历Map< uniqueKey , 热度 >>中的 key ，对每个 key 取出其热度存入其 时间轮 对应的时间片中；
4-4.热量汇聚
完成第二步“热滑窗”后，贴图任务继续“热收敛”当前app:
遍历 App 的 key ，将每个 key 的 时间轮 热度进行汇总（即30秒时间窗口内总热度）得到探测时刻 滑窗总热度；将 < key , 滑窗总热度 > 以排序集合的方式存入 Redis存储服务 中，即 热度汇聚结果；
4-5.热点检测
在前几步，每3秒 一次的 映射任务 执行，对每个 App 都会产生一份当前时刻的 热度汇聚结果 ；Hermes服务端集群 中的“热点探测”节点，对每个 App ，只需周期性从其最近一份 热度汇聚结果 中取出达到热度阈值的 TopN 的 key 列表，即可得到本次探测的 热点key列表；
TMC热点发现的整体过程如下:
4-6.特征概述
4-6-1.实时
Hermes-SDK基于rsyslog+kafka实时报告关键访问事件。映射任务以3秒为一个周期完成“热滑窗”+“热收敛”，有热点访问场景时最长3秒即可检测到对应的热键。
4-6-2.准确(性)
key的热度聚合结果通过“基于时间轮的滑动窗口”进行聚合，相对准确地反映了当前和近期的访问分布。
4-6-3.可量测性
Hermes服务器集群节点是无状态的，节点数量可以基于kafka的分区数量进行横向扩展。
“热滑窗”+“热融合”过程是基于app数量，在单个节点进行多线程扩展。
五、TMC实战效果
5-1.auto快手商家的一次商品营销活动
赞赞商家在Aauto faster通过直播平台为某商品搞活动，导致该商品短时间内被密集访问，TMC在活动期间记录的实际热点访问效果数据如下:
5-1-1.核心应用程序的缓存请求&；命中率曲线
*上面的蓝线显示了应用集群调用get()方法访问缓存的次数*上面的绿线显示了get cache操作命中TMC本地缓存的次数。
*上图为本地缓存命中率曲线。
可以看出，在活动期间，缓存请求数和本地缓存命中率显著增加，本地缓存命中率达到近80%(即应用集群中80%的缓存查询请求被TMC本地缓存截获)。
5-1-2.热点缓存对应用访问的加速效应
*上图为应用界面的QPS曲线。
*上图是应用界面的RT曲线。
可以看出，在活动过程中，应用界面的请求量明显增加，但由于TMC本地缓存的影响，应用界面的RT下降。
5-2.双十一期间TMC效应演示。
5-2-1.商品领域的核心应用效果
5-2-2.活跃领域核心应用的作用
六、TMC功能展望
目前，TMC已经成为商品中心、物流中心、库存中心、营销活动、用户中心、gateway & Messages等核心应用模块提供服务，后续应用也正在陆续接入。
TMC提供了“热点检测+本地缓存”的核心能力，同时也为应用服务提供了灵活的配置选项。应用服务可以根据实际业务情况，在“热点阈值”、“热点重点检测数量”、“热点黑白名单”等维度自由配置，以达到更好的使用效果。
