Redis 基础数据改造

优质博文：IT-BLOG-CN

一、服务背景

基础数据查询服务：提供航司（5000家）、机场（4000）、票台（40000）、城市（4000）等基础数据信息。

痛点一：因为基础数据不属于频繁更新的数据，所以每个应用都有自己和缓存，当基础数据更新后，各个应用缓存刷新不及时就会导致应用数据不一致问题。
痛点二：应用请求量过大，导致基础数据库负载过高，影响其它应用的正常使用。
痛点三：每年都会有机场转场事件（比如：2019年北京南苑机场转场至北京大兴国际机场），要求在某个特定时间点新老机场转换并同时输出，调用方众多每次转场协调复杂，数据需要频繁清洗。

基础服务模块的功能：保证服务的数据一致性，并达到数据限流的目的。

数据请求情况：接口数72个，调用方763个，接口返回nKB~56+MB，QPS：500，核数：9*16 + 6*8 = 192C

问题点：接口的可靠性（如果接口挂掉就会影响改签和下单流程）和数据的准确性（与数据库数据不一致时，会影响用户形成）。

二、基础数据模块

加载和更新机制：
【1】服务启动时预加载数据，验证数据源不可用性。点火时长50s，配置化加载核心数据。为了降低点火时间，也排除了一些非核心的数据。
【2】5分钟检查是否需要更新DataChangeLastTime+TotalCount。
【3】24小时强刷和根据配置的缓存key强刷。记录每个key的最近一次缓存时间，24小时为离散刷新。
【4】缓存增量更新，因为数据量比较大。
【5】过载保护（检查数据变化量），可配置每个key的过载阈值，配置百分比或者数据量，比如airline:20条，city:10%。主要防止脏数据写入，或者大量数据的删除。此时会通过告警通知相关开发，手动进行缓存的更新，大概2分钟之内能够完成，主要防止数据问题。
【6】手动刷新机制：可通过工具手动刷新缓存，刷新维度可以精确到机器维度。
【7】部分接口准实时更新。主要是部分应用需要实时数据。

三、准实时更新

老逻辑：job十五分钟轮询基本数据表的变动情况，有变动则通知调用方刷新缓存。

新逻辑：

763服务获取基础数据应当直接获取Redis缓存数据，Redis数据搭建了集群环境，保证了可靠性。如果应用上云可以节省的内存，我们可以预算一下：

国内私有云	AWS海外	阿里云
9.5/G/月	43/G/月	23/G/月

这里按照应用最少获取4个基础数据信息（航司/机场/票台/城市）预估：4 * 56MB = 224MB，如果所有关联的服务都上云763 * 56MB = 40G，我们转换成Docer费用：AWS节省：40G * (43-9.5) = 1340/月，阿里云：40G * (23-9.5) = 540/月`

四、基础数据上云

SGP调用本地基础数据相对于虫洞回上海调用基础服务，网络延迟能够降低70ms+数据。

数据目前为单向同步，由上海业务人员进行维护。

五、缓存压缩

痛点：基础数据使用的是全量的缓存，所以数据量会很大。

优化点：
【1】使用原生的数据类型：单个对象可由230个字节降到80字节。内存占用估算

原数据类型	新数据类型
private Timestamp effectdate	private long effectdate
private String flight	private byte[] flight
private String isShare	private boolean isShare
private String opFlight	private byte[] opFlight
private Boolean isValid	private boolean isValid

航班号字符串占用情况：

java">java.lang.String @ 0x234234322 HC8932   24， 56
char[6] @ 0x8089405204 HC8932 32 32

对象头12字节 + int类型4字节 + 数组引用4字节 + padding 4字节 = 24字节；
数组对象头16字节 + 字符数6 * char类型2字节 + padding 4字节 = 32字节；
24 + 32 = 56字节；

航班号byte[]占用情况：

java">flight byte[6] @0x843784596  24 24
<class> class byte[] @0x893457382 0 0

数组对象头16字节 + 字节数6字节 + padding 2字节 = 24字节；

优化完成之后的效果：老年代占用由8G降低到4G，降低50%。Young GC的次数也由2降低到1次。

【2】取除中间POJO对象：直接缓存中间层对象，目前缓存的是契约中的对象。

六、缓存上移

1、pojo缓存更改为契约缓存；
2、序列化后+数据压缩再存入缓存；

压测结果：getCity接口，2.8M + 多语言资源后5M + 通过ZSTD压缩后1.5M

`PB`	`5M`	接口平均耗时`350ms`
`PB+ZSTD`	`1.5M`	接口平均耗时`90ms`

如果应用上云可以节省的内存，我们可以预算一下：

国内私有云	AWS海外	阿里云
6.425/G/月	60/G/月	25/G/月

七、优化点

【1】出现脏数据快速回滚：产品修改某条基础数据错误，导致业务不可用。方案：通过OSS存储历史版本，回滚时根据历史版本号获取历史数据。
【2】点火时间需要50s左右，数据可以一步加载减少点火耗时。