万字长文详解降本增效利器 PikiwiDB(Pika) 混合存储原理

​1 混合存储

2023 年 11 月 PikiwiDB 社区发布了 PikiwiDB(Pika) v3.5.2【下文简称 Pika】版本。

在本版本更新中，我们引入了一个关键特性：通过在 Pika 的命令处理层集成 Redis 缓存，对冷数据与热数据进行了分离，在性能和成本之间达成了平衡，实现了混合存储。本文旨在深入探讨这一特性的架构设计与核心思想，期待与各位同行共同探讨。

在大型键值（kv）存储系统中，用户访问的数据通常呈现明显的冷热分布特性。所谓热数据，即那些被频繁访问的数据；而冷数据则相反，它们被访问的频率极低。为了提高数据访问的效率，降低读取耗时，关键在于如何让热数据更多地驻留在内存层，减少不必要的磁盘I/O操作。

为了实现这一目标，我们借鉴了 Redis 的缓存机制，并将其集成到 Pika 的命令处理层中。当用户请求到达时，Pika 首先检查 Redis 缓存中是否存在所需数据。如果数据存在于缓存中（即热数据），则直接返回给用户，无需再访问磁盘层；如果数据不存在于缓存中（即冷数据），则再去 RocksDB 检索数据，并将其加入缓存层以供后续访问。通过这种方式，我们不仅能够显著提高热数据的访问速度，还能够逐步将冷数据转化为热数据，从而优化整个系统的性能。

2 方案选择

为了实现混合存储的缓存层，存在两种方案：

• 1. 引入 cache 库: 直接使用第三方 cache 库，如 Memcached。
• 2. 静态编译 cache 库: 将 cache 的静态编译库引入 Pika，将其作为 Pika 的一个小模块进行维护。

方案对比：

综合考虑兼容性问题和可持久化维护问题，最终选择了使用 Redis 库进行实现，并采用了第二种方案：

• 可定制化: 静态编译 cache 库可以根据 Pika 的需求进行定制化，提高性能和稳定性。
• 组件不变: Pika 维护的组件数量保持不变，降低维护成本。

3 冷热分离

Pika 的混合存储架构并非在所有读写流程中都更新缓存，而是针对以下几种情况进行缓存更新：

• 1. 所有读命令: 由于读操作表明数据被访问，因此将读取到的 key 更新至缓存中，以提升后续访问的效率。
• 2. 写命令中的 key 存在: 对于写入操作，如果 key 已经存在，则更新缓存中的数据，确保缓存与 RocksDB 中的数据保持一致。
• 3. 写命令中的新 key: 对于写入操作，如果 key 不存在，则不更新缓存，因为此时无法确定该数据是否会被频繁访问。

通过上述策略，Pika 能够有效将热数据加载到缓存中，实现冷热数据分离，从而显著提高读操作的性能。

4 缓存架构

缓存层架构图

Pika 混合存储架构采用多 cache 设计，主要基于以下考虑：

• 1. Redis 性能瓶颈: Redis 的内存使用量超过一定阈值【如 16GiB 】时，其性能会明显下降。
• 2. 数据分散存储: 通过多 cache 将 key 分散存储，可以有效缓解单一 cache 的性能压力。

Pika 采用 CRC32 算法对 key 进行散列：

• 1. 计算 key 的 CRC32 值。
• 2. 将 CRC32 值映射到一个 cache 编号。
• 3. 将 key 存储在对应的 cache 中。

Pika 第二代存储引擎 Blackwidow 支持五种数据结构，且每种数据结构都拥有独立的 RocksDB 实例，因此不同类型 key 可能出现重复。不像 Blackwidow 那样，Pika 第三代存储引擎 Floyd 为了更进一步向 Redis 接口靠拢，不再支持一个 key 写多种数据类型，对重复 key 进行覆盖处理。为了兼容这两个存储引擎，Pika 需要对 key 进行前缀处理，以避免数据冲突。

• 1. 加前缀: 读写 cache 时，所有 key 都添加前缀，前缀代表数据类型。
• 2. 访问 DB: 访问 RocksDB 时，不添加任何前缀。

/* 
 * key type 
 */
const char PIKA_KEY_TYPE_KV = 'k';
const char PIKA_KEY_TYPE_HASH = 'h';
const char PIKA_KEY_TYPE_LIST = 'l';
const char PIKA_KEY_TYPE_SET = 's';
const char PIKA_KEY_TYPE_ZSET = 'z';

5 读写命令

命令处理流程

std::shared_ptr<Cmd> PikaClientConn::DoCmd(const PikaCmdArgsType& argv, const std::string& opt, const std::shared_ptr<std::string>& resp_ptr)

Pika 实例的命令处理入口为 PikaClientConn::DoCmd 方法。在引入混合存储架构后，为了保证缓存与数据的一致性，需要对命令处理流程进行调整。

• 主实例的写操作在 PikaClientConn::DoCmd 方法中执行。
• 从实例的写操作在消费完 binlog 后写入 DB，并同时更新缓存。

命令处理基类

每个命令都继承自基类，并实现基类中的几个虚函数，根据命令的类型和标记确定是否需要处理缓存和数据。

Cmd:Do 命令处理

Cmd:Do 命令需要实现以下三个虚函数：

• 1. ReadCache: 只存在于所有读命令中，用于从缓存中读取数据。
• 2. DoThroughDB: 存在于所有读写命令中，用于从 DB 中读取或写入数据。
• 3. DoUpdateCache: 存在于所有读写流程中，用于更新缓存。
  • 每次读命令都会将读取到的数据更新至缓存。
  • 写命令需要根据 key 是否存在于缓存中决定是否更新缓存，以确保缓存中只包含热数据。

优化后的命令处理流程

// 命令处理流程
PikaClientConn::DoCmd() {
  // 处理缓存
  if (need_read_cache) {
    ReadCache();
  }
  // 处理数据
  DoThroughDB();
  // 更新缓存
  if (need_update_cache) {
    DoUpdateCache();
  }
}

通过对命令处理流程的调整，Pika 能够有效地将热数据加载到缓存中，提升读操作的性能，并保持缓存与数据的一致性。

6 主从流程

混合存储设计旨在通过缓存热数据来提升 Pika 服务的读性能。Pika 在生产环境中通常采用主节点负责写、主从节点负责读的架构。因此，缓存的实现需要考虑主节点和从节点的不同场景。

先看下主节点的读写及从节点读缓存的实现流程图：

主实例读写及从实例读流程

6.1 master 读写以及 slave 读 流程

操作缓存条件

• 该命令需要操作缓存
• 缓存模式不为NONE
• 缓存状态为OK

代码流程：

void Cmd::DoCommand(const HintKeys& hint_keys) {
  // 加锁
  if (!IsSuspend()) {
    db_->DBLockShared();
  }

  // 解锁
  DEFER {
    if (!IsSuspend()) {
      db_->DBUnlockShared();
    }
  };

  // 满足操作缓存条件
  if (IsNeedCacheDo()
      && PIKA_CACHE_NONE != g_pika_conf->cache_mode()
      && db_->cache()->CacheStatus() == PIKA_CACHE_STATUS_OK) {
    // 读缓存
    if (IsNeedReadCache()) {
      ReadCache();
    }

    // 读命令且未命中缓存
    if (is_read() && res().CacheMiss()) {
      // 加锁
      pstd::lock::MultiScopeRecordLock record_lock(db_->LockMgr(), current_key());

      // 读 DB
      DoThroughDB();

      // 更新缓存
      if (IsNeedUpdateCache()) {
        DoUpdateCache();
      }
    } else if (is_write()) { // 写命令
      DoThroughDB(); // 写 DB

      // 写成功后判断是否更新缓存
      if (IsNeedUpdateCache()) {
        DoUpdateCache();
      }
    }
  } else {
    Do(); // 直接操作 DB
  }
}

注：slave 仅负责读操作，因此 slave 读流程只包含上面代码块的读缓存和读 DB 的逻辑。

6.2 slave 写流程

slave 写 DB 需要应用主节点的 binlog 进行主从复制，因此 slave 缓存更新在处理 binlog 的逻辑中实现。

从实例写流程

slave 代码示例：

void PikaReplBgWorker::HandleBGWorkerWriteDB(void* arg) {
  // 加锁
  pstd::lock::MultiRecordLock record_lock(c_ptr->GetDB()->LockMgr());
  record_lock.Lock(c_ptr->current_key());

  if (!c_ptr->IsSuspend()) {
    c_ptr->GetDB()->DBLockShared();
  }

  // 判断是否需要操作缓存
  if (c_ptr->IsNeedCacheDo()
      && PIKA_CACHE_NONE != g_pika_conf->cache_mode()
      && c_ptr->GetDB()->cache()->CacheStatus() == PIKA_CACHE_STATUS_OK) {
    if (c_ptr->is_write()) {
      // 先写 DB
      c_ptr->DoThroughDB();

      // DB 写成功后判断是否需要更新缓存
      if (c_ptr->IsNeedUpdateCache()) {
        // 更新缓存
        c_ptr->DoUpdateCache();
      }
    } else {
      LOG(WARNING) << "impossible reach";
    }
  } else {
    // 不需要操作缓存的命令只写DB即可
    c_ptr->Do();
  }

  if (!c_ptr->IsSuspend()) {
    c_ptr->GetDB()->DBUnlockShared();
  }
}

7 缓存管理

为了确保缓存与数据的一致性，需要对缓存进行有效管理，包括启动、淘汰、清理、重启等操作。接下来，我们将深入探讨这些缓存管理流程。

7.1 操作判断

判断依据

在 Pika 混合存储架构中，缓存操作需要根据命令类型和配置进行判断，以确保缓存数据的一致性。

缓存操作标志

为了实现灵活的缓存控制，Pika 在 Cmd 类中引入了一系列标志位：

• kCmdFlagsUpdateCache: 指示是否需要更新缓存
• kCmdFlagsReadCache: 指示是否需要读缓存
• kCmdFlagsDoThroughDB: 指示是否需要操作缓存

判断方法

是否需要更新缓存

bool Cmd::IsNeedUpdateCache() const {
  return (flag_ & kCmdFlagsUpdateCache);
}

是否需要操作缓存

bool Cmd::IsNeedCacheDo() const {
  if (g_pika_conf->IsCacheDisabledTemporarily()) {
    return false;
  }

  // 根据命令类型检查缓存配置
  if (hasFlag(kCmdFlagsKv)) {
    if (!g_pika_conf->GetCacheString()) {
      return false;
    }
  } else if (hasFlag(kCmdFlagsSet)) {
    if (!g_pika_conf->GetCacheSet()) {
      return false;
    }
  } else if (hasFlag(kCmdFlagsZset)) {
    if (!g_pika_conf->GetCacheZset()) {
      return false;
    }
  } else if (hasFlag(kCmdFlagsHash)) {
    if (!g_pika_conf->GetCacheHash()) {
      return false;
    }
  } else if (hasFlag(kCmdFlagsList)) {
    if (!g_pika_conf->GetCacheList()) {
      return false;
    }
  } else if (hasFlag(kCmdFlagsBit)) {
    if (!g_pika_conf->GetCacheBit()) {
      return false;
    }
  }

  // 确保命令需要操作缓存
  return (hasFlag(kCmdFlagsDoThroughDB));
}

是否需要读缓存

bool Cmd::IsNeedReadCache() const {
  return hasFlag(kCmdFlagsReadCache);
}

7.2 缓存类图

Cache 类图详细描述了缓存的运作机制和管理功能，对于理解 Pika 的缓存管理流程至关重要。

cache类图

Cache 类图详细描述了缓存的运作机制和管理功能，对于理解 Pika 的缓存管理流程至关重要。

7.3 缓存启动

cache启动

1 创建 Cache 实例

当 PikaServer 启动并创建 DB 时，会同时创建对应的 Cache 实例。该实例负责管理该 DB 的缓存数据。

void DB::Init() {
  cache_ = std::make_shared<PikaCache>(g_pika_conf->zset_cache_start_direction(), g_pika_conf->zset_cache_field_num_per_key());
}

参数说明

• zset_cache_start_direction: ZSET 类型缓存的起始方向 (正序或逆序)
• zset_cache_field_num_per_key: ZSET 类型缓存每次加载的成员数量

2 初始化 Cache 配置

在创建 Cache 实例后，需要根据配置文件中的参数对 Cache 进行初始化。

void PikaServer::CacheConfigInit(cache::CacheConfig& cache_cfg) {
  cache_cfg.maxmemory = g_pika_conf->cache_maxmemory();
  cache_cfg.maxmemory_policy = g_pika_conf->cache_maxmemory_policy();
  cache_cfg.maxmemory_samples = g_pika_conf->cache_maxmemory_samples();
  cache_cfg.lfu_decay_time = g_pika_conf->cache_lfu_decay_time();
}

将配置文件中的参数赋值给 Cache 配置对象 cache_cfg，包括：

• maxmemory: 缓存最大内存
• maxmemory_policy: 缓存淘汰策略
• maxmemory_samples: 淘汰策略采样数
• lfu_decay_time: LFU 衰减时间

3 完成 Cache 初始化

最后，将配置对象传递给 Cache 实例，完成 Cache 的初始化。

cache_->Init(g_pika_conf->GetCacheNum(), &cache_cfg);

该函数会根据配置参数创建并管理多个 Cache 实例，并根据需要进行缓存操作。

4 初始化 Cache 加载线程

PikaCache::PikaCache(int zset_cache_start_direction, int zset_cache_field_num_per_key)
    : cache_status_(PIKA_CACHE_STATUS_NONE),
      cache_num_(0),
      zset_cache_start_direction_(zset_cache_start_direction),
      zset_cache_field_num_per_key_(EXTEND_CACHE_SIZE(zset_cache_field_num_per_key)) {
  cache_load_thread_ = std::make_unique<PikaCacheLoadThread> (zset_cache_start_direction_, zset_cache_field_num_per_key_);
  cache_load_thread_->StartThread();
}

5 线程处理流程

PikaCache 在其构造函数中初始化了一个名为 cache_load_thread_ 的线程，用于异步加载 Key 到缓存。

void *PikaCacheLoadThread::ThreadMain() {
  LOG(INFO) << "PikaCacheLoadThread::ThreadMain Start";

  // 线程通过循环不断地从 loadkeys_queue_ 中获取需要加载的 Key 信息。该队列是一个线程安全的队列，用于存储待加载的 Key。
  while (!should_exit_) {
    std::deque<std::pair<const char, std::string>> load_keys;
    {
      std::lock_guard lq(loadkeys_mutex_);
      // 等待队列中有数据
      waitting_load_keys_num_ = loadkeys_queue_.size();
      while (!should_exit_ && 0 >= loadkeys_queue_.size()) {
        loadkeys_cond_.notify_one();
      }
      // 退出线程循环
      if (should_exit_) {
        return nullptr;
      }
      // 获取一定数量的 Key
      for (int i = 0; i < CACHE_LOAD_NUM_ONE_TIME; ++i) {
        if (!loadkeys_queue_.empty()) {
          load_keys.push_back(loadkeys_queue_.front());
          loadkeys_queue_.pop_front();
        }
      }
    }
    auto slot = cache_->GetSlot();
    // 逐个加载 Key: 线程会遍历获取到的 Key 列表，并调用 LoadKey 函数尝试将每个 Key 加载到缓存中。
    for (auto iter = load_keys.begin(); iter != load_keys.end(); ++iter) {
      if (LoadKey(iter->first, iter->second, slot)) {
        ++async_load_keys_num_;
      } else {
        LOG(WARNING) << "PikaCacheLoadThread::ThreadMain LoadKey: " << iter->second << " failed !!!";
      }

      std::lock_guard lq(loadkeys_map_mutex_);
      loadkeys_map_.erase(iter->second);
    }
  }

  return nullptr;
}

6 PikaCache 初始化

调用 Init 对 cache 进行初始化操作。

// 参数说明
// cache_num: 需要创建的 Cache 实例数量
// cache_cfg: 指向 Cache 配置对象的指针 (可为空)
Status PikaCache::Init(uint32_t cache_num, cache::CacheConfig *cache_cfg) {
  std::lock_guard l(rwlock_);

  if (nullptr == cache_cfg) {
    return Status::Corruption("invalid arguments !!!");
  }
  // 调用 InitWithoutLock 函数进行核心初始化操作，并传递参数 cache_num 和 cache_cfg
  return InitWithoutLock(cache_num, cache_cfg);
}

Status PikaCache::InitWithoutLock(uint32_t cache_num, cache::CacheConfig *cache_cfg) {
  cache_status_ = PIKA_CACHE_STATUS_INIT;

  cache_num_ = cache_num;
  if (cache_cfg != nullptr) {
    cache::RedisCache::SetConfig(cache_cfg);
  }

  // 循环遍历 cache_num 次，每次创建一个新的 cache::RedisCache 实例并添加到 caches_ 容器中
  for (uint32_t i = 0; i < cache_num; ++i) {
    auto *cache = new cache::RedisCache();
    rocksdb::Status s = cache->Open();
    if (!s.ok()) {
      LOG(ERROR) << "PikaCache::InitWithoutLock Open cache failed";
      DestroyWithoutLock();
      cache_status_ = PIKA_CACHE_STATUS_NONE;
      return Status::Corruption("create redis cache failed");
    }
    caches_.push_back(cache);
    cache_mutexs_.push_back(std::make_shared<pstd::Mutex>());
  }
  cache_status_ = PIKA_CACHE_STATUS_OK;
  return Status::OK();
}​

7 定时任务

PikaServer 服务器通过定时任务机制定期执行各种维护和统计操作，以确保服务器的稳定运行和性能优化。

void PikaServer::DoTimingTask() {
  ProcessCronTask();
  UpdateCacheInfo();
}

PikaCache 新增了 ProcessCronTask 和 UpdataCacheInfo 这两个接口，用来定期检测 cache 命中率和更新 cache 信息 。

7.4 缓存清理

在执行某些命令（如 slaveof 或 flushdb）时，需要清除相应的缓存数据，并把 cache的状态设置为 PIKA_CACHE_STATUS_CLEAR。Pika 会用 bg_thread 专门去做清空缓存的操作。

void PikaServer::ClearCacheDbAsync(std::shared_ptr<DB> db) {
  // disable cache temporarily, and restore it after cache cleared
  g_pika_conf->SetCacheDisableFlag();
  if (PIKA_CACHE_STATUS_OK != db->cache()->CacheStatus()) {
    LOG(WARNING) << "can not clear cache in status: " << db->cache()->CacheStatus();
    return;
  }

  common_bg_thread_.StartThread();
  BGCacheTaskArg *arg = new BGCacheTaskArg();
  arg->db = db;
  arg->task_type = CACHE_BGTASK_CLEAR;
  common_bg_thread_.Schedule(&DoCacheBGTask, static_cast<void*>(arg));
}

7.5 缓存重启

当 Pika 服务器启动时，会根据配置文件中的 cache_num 参数创建相应数量的 Cache 实例。如果配置文件中 cache_num 的值与当前运行的 Cache 实例数量不一致，则会触发 Cache 重启操作。

if (set_item == "cache-num") {
    if (!pstd::string2int(value.data(), value.size(), &ival) || ival < 0) {
      res_.AppendStringRaw("-ERR Invalid argument " + value + " for CONFIG SET 'cache-num'\r\n");
      return;
    }

    int cache_num = (ival <= 0 || ival > 48) ? 16 : ival;
    if (cache_num != g_pika_conf->GetCacheNum()) {
      g_pika_conf->SetCacheNum(cache_num);
      // 重启 cache
      g_pika_server->ResetCacheAsync(cache_num, db);
    }
    res_.AppendStringRaw("+OK\r\n");
  } 

  Status PikaCache::Reset(uint32_t cache_num, cache::CacheConfig *cache_cfg) {
  std::lock_guard l(rwlock_);

  DestroyWithoutLock();
  return InitWithoutLock(cache_num, cache_cfg);
}

void PikaServer::ResetCacheAsync(uint32_t cache_num, std::shared_ptr<DB> db, cache::CacheConfig *cache_cfg) {
  if (PIKA_CACHE_STATUS_OK == db->cache()->CacheStatus()
      || PIKA_CACHE_STATUS_NONE == db->cache()->CacheStatus()) {

    common_bg_thread_.StartThread();
    BGCacheTaskArg *arg = new BGCacheTaskArg();
    arg->db = db;
    arg->cache_num = cache_num;
    if (cache_cfg == nullptr) {
      arg->task_type = CACHE_BGTASK_RESET_NUM;
    } else {
      arg->task_type = CACHE_BGTASK_RESET_CFG;
      arg->cache_cfg = *cache_cfg;
    }
    common_bg_thread_.Schedule(&DoCacheBGTask, static_cast<void*>(arg));
  } else {
    LOG(WARNING) << "can not reset cache in status: " << db->cache()->CacheStatus();
  }
}

7.6 缓存淘汰

在调用 ~PikaCache、Reset 等接口时，会触发对资源的清理操作，具体由 DestroyWithoutLock 函数执行。

void PikaCache::DestroyWithoutLock(void)
{
  cache_status_ = PIKA_CACHE_STATUS_DESTROY;

  for (auto iter = caches_.begin(); iter != caches_.end(); ++iter) {
    delete *iter;
  }
  caches_.clear();
  cache_mutexs_.clear();
}

8 成果展示

在我司搜索的AI 推理超大集群上部署 Pika Cache 后，取得了显著的性能提升：整体查询耗时降低了约 30%。

8.1 压测成果

压测命令：

redis-benchmark -t get -p 9980 -a 0613130a362abf27360 -n 100000000 -r 10000000 -d 1024 -c 150 (有cache)
redis-benchmark -t get -p 9981 -a 0613130a362abf27360 -n 100000000 -r 10000000 -d 1024 -c 150 （无cache）

数据规模：28GiB

压测数据量

未打开缓存时压测读结果：

// redis-benchmark -t get -p 9981 -a 0613130a362abf27360 -n 100000000 -r 10000000 -d 1024 -c 150
====== GET ======                                                   
  100000000 requests completed in 1779.78 seconds
  150 parallel clients
  1024 bytes payload
  keep alive: 1
  host configuration "save": 
  host configuration "appendonly": no
  multi-thread: no
  Summary:
  throughput summary: 56186.62 requests per second
  latency summary (msec):
          avg       min       p50       p95       p99       max
        2.597     0.032     2.527     4.423     5.415    14.223

打开缓存时压测读结果：

// redis-benchmark -t get -p 9980 -a 0613130a362abf27360 -n 100000000 -r 10000000 -d 1024 -c 150
====== GET ======                                                    
  100000000 requests completed in 1045.44 seconds
  150 parallel clients
  1024 bytes payload
  keep alive: 1
  host configuration "save": 
  host configuration "appendonly": no
  multi-thread: no
  Summary:
  throughput summary: 95653.23 requests per second
  latency summary (msec):
          avg       min       p50       p95       p99       max
        0.804     0.048     0.791     0.927      1.124

此时缓存使用量：

缓存大小

压测结论：

• QPS: 打开缓存后 QPS 提升 80%。
• 平均耗时: 使用缓存后平均耗时降低 67%。
• 高延迟: 使用缓存后 P99 耗时降低 80%，P95 耗时降低 75%。

在 28G 数据量的情况下，将 Cache 设置为 6G 可以显著提升性能。

8.2 实际成果

数据规模：

• 集群：千兆网卡机器，每个机器部署 4 个实例
• 存储量：每个集群 12 主 12 从，每个集群存储量 200G，总数据量 2.4T
• 访问量：高峰期读 40w QPS，写 10w QPS
• 版本：v3.5.2

未使用 Pika 混合存储：

使用 Pika 混合存储：

结论：

• 1. P99 峰值从 18ms 降低到 4.97ms，P999 峰值从 70ms 降低到 30ms。
• 2. 缓存命中率保持在 90% 以上，GPU 资源消耗减少 35%。

注：以上结果获取时间是 2023 年 11 月，使用的存储引擎是 Blackwidow，此时【2024 年 06 月】我司线上使用 Floyd 存储引擎的 v4.0 版本 Pika 后效果又有大幅度提升。

9 PikiwiDB 社区 

PikiwiDB (Pika) 开源社区热烈欢迎您的参与和支持。如果您有任何问题、意见或建议，请扫码添加 PikiwiDB小助手为好友，它会拉您加入官方微信群。