美团KV存储squirrel和Celler学习

美团在Redis Cluster和阿里的开源项目Tair基础上，分别自研开发了Squirrel和Celler两款KV存储系统。Squirrel全内存、高吞吐和低延迟，适合业务的数据量小，对延迟敏感，建议用 Squirrel ；Celler持久化、大容量、数据高可靠，适合数据量大，对延迟不是特别敏感，成本更低的Cellar 。

美团在KV存储squirrel优化和改进

KV存储主要的两个问题是，数据量增后的扩张性和随着节点增加后的可用性如何保证。squrriel分别在水平方向扩展和垂直方向扩展优化。

在水平方向

1、对Gossip协议进行优化

使用markle tree 对每个节点的数据进行摘要，将集群中Gossip协议通信传输数据量减少了90%以上。同时使用单独的心跳线程更新拓扑结构元数据，对于工作线程只对拓扑元数据进行读，可以做到无锁读，gosssip的请求处理对业务请求完全没有影响。

在垂直扩展方面

1、forkless RDB数据复制优化

Redis在的RDB过程中是通过系统的fork()函数创建一个子进程，创建的子进程拥有和父进程相同的资源和数据（系统的copy on write思想），然后让子进程对拥有的内存数据进行持久化。fork过程非常快，通常在秒级别完成，但对于一个通常几十毫秒KV系统来说也是影响很大的，尤其要求响应非常高的系统往往也是不可以接受。forkless 不需要创建子进程，使用工作线程将每次数据变成写到一个持久化队列里面，实时同步对数据的变更，相比fork好处是，即使在RDB过程中，也不会阻塞工作线程，但如果变更数据很多时，需要占用工作工作线程时间，如果有大kv需要复制，可能也会造成单个用户请求耗时增加。

2、使用多线程，充分利用机器的多核能力

squirrle的多线程方案吞吐比社区IO的多线程提升70%，相比社区单线程提升3倍多，具体原因没有太理解。

在高可用方面

多机房部署进行融灾，但为了降低多机房部署维护的难度，并同时实现为存活节点过半选主过程，增加不存储数据的见证节点单独部署在一个机房。对于跨地域容灾，使用双向数据同步，对数据双向同步遇到的循环复制和数据冲突问题，分别使用同步数据带上clusterId和基于时间戳的last write win策略进行解决。

美团持久化kv存储celler优化和改进

OB:只提供客户端集群节点元数据查询功能，可以水平扩展
ZooKeeper：分布式仲裁
Master：集群节点的管理
Slave：Master自己点，做容灾

kv存储希结构本身比较简单，基于内存的读写实现存储系统的高效性是kv系统设计的其中一个初衷原因，基于内存的存储系统受限于存储断电的丢失性和内存有限性，在有些场景，需要同时兼顾安全性、数据量和高效性。通过一定策略将热点数据缓存到内存中，将冷数据持久化到磁盘中，可以兼顾高效性和安全性。首先celler使用中心化方式进行集群管理和节点间数据同步，节点之间不用使用gossip进行通信，每个节点向管理中心发送心跳，理论上不存在水平扩展问题。但对单个节点来说，却存在水平扩展的问题。

水平扩展优化

1、使用bulkload进行数据导入

Celler是基于LSM-tree进行数据导入，存在写入放大的问题，为了解决这个问题，先将客户端数据使用对象存储（因为是直接从本地传输数据到对象存储服务器，突然理解为什么平时公司为什么对大数据问题，让客户端做数据的上传，然后只上传文件地址给服务端），将存储地址从客户端发送给服务器，服务器根据地址从对象存储服务器中获取数据，避免客户端网络不稳定可能导致的大数据传输失败问题。

2、线程模型调度优化

为了隔离开离线请求、快慢请求，使用四个队列和四个线程池分别处理，分别处理读快、读慢和写快写慢四种请求，保证对核心请求处理的效率。

知识点解释

1、对于哨兵架构的redis虽然也使用一致性hash进行扩所容，但为什么有可能在扩缩容导致数据丢失？

哨兵架构主要是为了保证高可用，但一个节点宕机，快速选择新的节点作为主节点。扩缩容主要有数据重分配和数据迁移过程中数据一致性问题，一致性hash只能减少扩缩容时数据迁移量，并不能保证数据迁移过程中一致性问题。数据迁移过程中，除了网络问题，如果迁移过程没有被正确管理，比如迁移过程中旧数据的更新并没有同步到新节点，会造成数据丢失。

2、为什么对于kv存储服务，当集群数量达到一定规模之后，再水平扩容会遇到哪些问题，如何解决？

管理复杂度增加，大规模节点中发现有问题的节点更加困难，更难保证数据的负载均衡；性能问题，集群节点内数据通信增加，网络宽带可能成为瓶颈，客户端访问数据分布在不同节点上，导致整体延时增加；数据一致性，在多个解节点维持事物的ACID更加困难，达到最终一致性延迟增高。其中一个有效解决方案是集群分区，根据业务场景，将数据划分到不同集群。

3、mget操作在大集群中可能会有木桶效应，如何解决？

mget是可以一次批量获取多个key的值。在大集群中，第一、节点数据可能分布不均匀，一致性hash只可以相对均匀维持数据的分布均匀；第二，节点性能差异，每个节点硬件、网络都会有差异，批量查询时，整个结果响应耗时以最差节点返回结果为准；第三，网络延迟的增加，如果同时请求多个数据中心的数据，整个查询延时会增加。针对这三个主要问题，可以定期重新分布数据；所有节点尽量使用相同的硬件和网络，对于热点key进行多副本处理或者升级硬件提升机器性能；减小单次mget查询的数据量，对于可以预测的热点key单独请求，缩短单次查询的耗时。

4、什么是Gossip协议，应用场景和优缺点分别是什么？

Gossip协议是分布式环境中节点之间信息交换的算法，使用过程要考虑如何避免循环传递，例如使用版本号和时间戳，分布式Id或者设置生存时间。工作原理，每个节点定期与周围节点交换信息，信息交换可以是单向，也可以是双向，每次选择交换节点事随机选取的，每次交换信息后会更新自身信息，并将更新信息在后续交换中传播。优点、去中心化，扩展性强，因为每次只用和部分节点进行交换，即使在大的分布式环境中依然可以使用，容错性高，即使某个节点出现故障，整个集群的消息依然可以保持正常交流。缺点、第一、冗余通信，同一个节点同一个更新信息，可能被通知多次；第二，全局达到一致性的时间会更长，由于每一轮只通知n个节点，过了一个周期后才会选择n个节点通知，需要经过多个周期之后，才有可能达到整个集群的一致性；第三、可能有些有些信息在某些节点不会被通知到，可以通过改进节点选择算法，或者调整更新频率或者范围（偶尔进行一次全局广播）。

Reference

美团大规模KV存储挑战与架构实践