大规模游戏平台云缓存技术研究与实践

　　在数据呈爆炸性增长的时代，云计算与大数据技术的重要性不言而喻，对海量数据的挖掘、分析与应用已成热点。本次专题在着重探讨电信运营商该如何发掘大数据价值、拓展新型增值业务的基础上，亦提出了大数据在金融、旅游等领域的具体应用。此外，有关云缓存技术、大数据融合建设的研究在专题中也有所体现，希望通过本次专题为云计算与大数据的发展提供一些思路与建议。
　　【摘 要】传统的缓存处理机制难以满足互联网业务高并发、高性能的需求，因此提出了动静结合的多级云缓存架构，可支持大规模数据存储和快速检索查询服务，并基于一致性哈希算法，实现了对多分布式服务节点的统一管理和调度效率提升，最后通过在大规模游戏业务平台开展的实践，验证了平台性能和访问速度的大幅提升。
　　【关键词】大规模游戏平台 云缓存 数据存储
　　中图分类号：TP399 文献标识码：A 文章编号：1006-1010（2016）05-0005-05
　　1 引言
　　近年来，以游戏、视频为代表的移动互联网应用高速发展。与传统电信应用相比，大型移动互联网应用具有以下特点：
　　（1）高并发、大流量：数以亿计规模的高并发用户，长时间的大流量访问；
　　（2）海量数据：存储、管理海量数据，需要使用大量服务器；
　　（3）用户接入环境复杂：面向全球用户提供服务，用户网络环境千差万别；
　　（4）短时间用户增长迅速，急需大量资源；
　　（5）产品复杂多样，需求快速变更。
　　为了满足多网络用户快速接入需求，提升用户体验，传统电信业务平台多采用内容分发（CDN，Content Delivery Network）缓存机制。但动态缓存数据管理较为复杂，缺乏灵活性，无法满足快速增长和超高的游戏业务峰值并发服务需求。
　　基于此，本文接下来将提出动静结合的多级云缓存框架，以适应大规模移动互联网业务平台的承载需求。在传统CDN文件缓存基础上引入Varnish静态缓存、基于MAP的本地动态缓存和Redis远程动态缓存，构建多级云缓存，并通过实践证明其实现了高性能I/O吞吐能力，减少了服务器和核心数据库的交互次数，提高了接口访问速度和并发量。同时将缓存处理逻辑封装，面向应用层业务需求统一开放接口，提高了上层应用开发效率。
　　2 动静结合的云缓存架构
　　常见的互联网业务多采用分布式的内容分发缓存机制。在中国电信、中国移动、中国联通网络中部署服务器节点，以某一节点为中心，实现多节点间的数据共享和同步。不同网络的用户可以就近接入CDN节点，快速、高效地获取应用内容。基于CDN机制的缓存架构图如图1所示：
　　在实际业务运营中，传统的CDN缓存机制对动态缓存数据管理较为复杂，缺乏灵活性。尤其是新业务上线时，需要大量人力检查并修改缓存文件，给业务快速部署和服务灵活提供带来了严重的挑战。
　　针对上述问题，本文提出了动静结合的云缓存架构，以满足高并发的移动互联网业务承载需求。该架构具备横向扩展能力，相对上层业务系统透明，可根据业务的发展，平滑扩展存储性能与容量，动态满足业务需求，有效地提升系统资源利用率。系统架构如图2所示：
　　中心数据库采用关系型数据库MySQL和非关系型数据库MongoDB。本地动态缓存采用MAP内存处理技术，远程动态缓存采用Redis技术；本地缓存和远程缓存之间通过事件驱动模型实时更新和维护数据；采用XML标记语言，以标准格式封装缓存处理逻辑以及各种查询、数据同步、容灾备份等统一数据服务的业务逻辑，并以Java接口方式封装成API，提供给相关业务统一调用。各种业务调用缓存机制后，输出结果采用静态缓存Varnish技术进行加速，以提升效率。
　　通过对缓存处理逻辑的封装，为应用业务层提供了统一的存储访问接口，使开发人员从繁杂的缓存维护同步工作中解脱出来，专注于业务开发，从而提高了开发效率，减少了由于缓存数据维护不一致而导致的系统漏洞和缺陷，提升了系统稳定性。
　　3 关键技术方案
　　3.1 静态缓存和动态缓存机制
　　在静态缓存方面，采用高性能的开源HTTP加速器Varnish技术，缓存静态页面和一些重要业务的静态数据。Varnish基于内存进行缓存，性能好，单台服务并发可达到5000次/s。采用反向代理Web容器定期维护缓存数据。当Tomcat服务器出现故障时，可自动切换到Varnish，提高了平台的稳定性。
　　在本地动态缓存方面，将用户访问频繁的静态数据备份到本地基于MAP的内存缓存中，以减少网络I/O的消耗，提高平台的并发量。
　　本地缓存中各集群节点的数据维护采用组播技术实现。所有节点均为对等模式，节点自动发现，不存在主节点选举。每个节点都维护一份集群成员表，新节点加入时，通知集群其他成员更新成员列表，以便每个节点都能及时更新成员列表。如图3所示，节点1、节点2、节点3分别维护一份成员列表，定期通过组播更新自己节点消息，当节点4新加入集群组时，向节点1、节点2和节点3组播自身的节点消息，节点1、节点2和节点3接收到该信息后，将节点4加入到其成员列表中。同时，节点1、节点2和节点3也不断向集群发送其节点消息，节点4接收后将依次更新成员列表信息，最终达到四个节点均拥有四个节点成员信息。当任意机器数据发生变更时，则将变更数据发送给其他机器，保证各机器数据的一致性。
　　远程动态缓存采用Redis技术。与Memcached类似，Redis是一个key-value存储系统，它支持存储的value类型相对更多，包括string（字符串）、list（链表）、set（集合）、zset（sorted set：有序集合）和Hash（哈希类型）等。
　　游戏业务实践中，Redis缓存采用主从读写分离技术。在大并发业务需求（如游戏APP集中下载、活动集中参与等）时，使用多台服务器作为Redis服务器，并采用＂多级服务器集群架构＂和＂主从模式＂对服务器设备进行管理。设定一个主服务器负责数据写入，多台从服务器负责数据读取。主服务器和从服务器之间通过Redis server端实现数据同步。各Redis服务器也采用分布式，Redis客户端负责选择连接到哪台服务器，无需人工干预。   通过分级动态缓存技术，极大提升了平台的服务能力。游戏业务单台服务器并发可达到7000次/s，命中率可达90%以上。
　　3.2 本地缓存与远程缓存机制
　　本地缓存保存一些常用的基本数据和少量列表信息，以减少调用远程缓存服务器及数据库的压力。同时为了控制内存的占用量，在处理之前需要评估缓存信息大小。当缓存的信息总量超过预设的内存大小时，使用近期最少使用（LRU，Least Recently Used）算法，对内存中缓存的信息进行替换。目前仅这一层的访问命中率可高达90%以上，保证了接口的整体访问速度在200ms以内。
　　远程缓存主要用来保存数据库各表之间的对应关系，以代替传统的数据库查询功能，实现业务快速查询和处理响应。
　　为了实现缓存处理逻辑层的统一封装，需要将多台机器的缓存信息同步，实现本地缓存与远程缓存之间的信息更新。在游戏业务实践中，通过事件驱动模型实时更新/维护缓存数据。具体实现过程如图4所示。
　　数据查询采用本地缓存、远程缓存、核心层本地缓存、核心层远程缓存、数据库的查询流程。在远程缓存没有命中时，将查询中心数据库，查询结果将保存在本地缓存和远程缓存中。在数据保存在本地缓存后，将以异步的方式发送给其它节点机器实现同步。
　　采用了创新的云缓存框架后，平台业务应用接口最高不超过300ms，90%在100ms以内，缓存刷新延迟不超过500ms。
　　3.3 改进型的一致性哈希映射算法
　　普通的Hash方法在数据缓存处理时存在问题。例如，以key%N的方式将数据映射到具体的服务器物理节点上，其中key是数据的key，N是服务器节点数。如果有一个机器加入或退出这个集群，每一个服务器缓存节点都必须进行数据迁移，数据的缓存命中率将大幅降低。
　　本文采用改进型的一致性哈希算法，以降低缓存节点变化对缓存命中率的影响。如图5所示，实际部署4个物理节点，将数据按照key的哈希值分布到100个虚拟节点上，以N=Hash（key）%100的方式计算分配每个物理节点，配置Hash值权重。N为0 19时，则数据落到Node1节点上；N为20 39时，则数据落到Node2节点上；N为40 59时，则数据落到Node3节点上；N为60 99时，则数据落到Node4节点上。
　　如图6所示，如果Node4节点负载过大，则添加Node5节点，调整中只会影响Node4节点的缓存命中率，从而实现缓存节点平滑地添加与删除。
　　4 应用效果
　　本文的研究成果在中国电信爱游戏业务平台中开展了应用实践。
　　在未采用云缓存机制前，爱游戏业务采用互联网传统处理机制，利用关系型数据库保存业务的基础数据、用户访问日志以及经营分析数据等。在实际业务运营中，该架构无法满足高并发、高性能要求。以用户下载为例，缓存的命中率较低（仅为30%），实测的平均下载速度小于100kb/s，请求返回延时较大，特别是在服务高峰期，经常出现服务超时、连接不成功等问题，用户体验较差，流失率增高。
　　在采用本文提出的云缓存架构进行平台升级后，静态缓存命中率达95%，动态数据缓存命中率达90%，中心数据库仅需处理其中5‰的业务量。中心数据库无需直接面对用户请求，服务能力提升了200倍，大幅提高了整个系统的吞吐量。对于一个复杂的列表页面请求，原机制下响应时间需800ms左右。升级后命中一级缓存（静态页面），响应时间不到10ms，加快了数据访问速度，提升了用户体验。
　　5 结束语
　　随着移动互联网业务的快速增长，迫切需要使用缓存技术优化提升平台性能。本文利用Varnish、Redis等开源互联网技术，构建了动态缓存和静态缓存相结合、本地缓存和远端缓存相结合的多级云缓存体系，可大幅提升业务平台承载能力，满足海量数据存储和用户高并发量访问的需求。研究成果已应用于爱游戏平台优化升级，提高了缓存命中率、减少了中心数据库的I/O访问压力、降低了用户的访问时间、提升了用户体验。
　　参考文献：
　　[1] 邱祝文. 基于redis的分布式缓存系统架构研究[J]. 网络安全技术与应用， 2014（10）： 52.
　　[2] 王心妍. Memcached和Redis在高速缓存方面的应用[J]. 无线互联科技， 2012（9）： 8-9.
　　[3] 曾泉匀. 基于Redis的分布式消息服务的设计与实现[D]. 北京： 北京邮电大学， 2014.
　　[4] 秦秀磊，张文博，魏峻，等. 云计算环境下分布式缓存技术的现状与挑战[J]. 软件学报， 2013，24（1）： 50-66.
　　[5] 贺琛，陈肇雄，黄河燕，等. Web缓存技术综述[J]. 小型微型计算机系统， 2004，25（5）： 836-842.
　　[6] 赵玉伟，赵小雨，乔木，等. 缓存技术在B/S架构信息系统中的应用[J]. 计算机工程， 2008，34（1）： 233-235.
　　[7] 杨传栋，余镇危，王行刚，等. 一种流媒体CDN的内容部分推送策略[J]. 计算机工程与应用， 2007，43（25）： 162-164.
　　[8] 周江. 面向大数据分析的分布式文件系统关键技术[J]. 计算机研究与发展， 2014（2）： 382-394.
　　[9] 戴伟，胡鹏. 基于缓存回收的成本节约云服务算法研究[J]. 计算机应用研究， 2015，32（10）： 3138-3141.
　　[10] 方晖. 基于能效控制的DctAF框架式云缓存技术[J]. 科技通报， 2014（2）： 77-79.