每日习题：memcached面试专题

Posted 2021-05-02 咕泡研习社

    点击“蓝字”关注我们获得资讯/干货/内推

memcached 是怎么工作的？

Memcached 的神奇来自两阶段哈希（ two-stage hash ）。 Memcached 就像一个巨大的、存储了很多 <key,value> 对的哈希表。通过 key ，可以存储或查询任意的数据。

客户端可以把数据存储在多台 memcached 上。当查询数据时，客户端首先参考节点列表计算出 key 的哈希值（阶段一哈希），进而选中一个节点；客户端将请求发送给选中的节点，然后 memcached 节点通过一个内部的哈希算法（阶段二哈希），查找真正的数据（ item ）。

举个列子，假设有 3 个客户端 1, 2, 3 ， 3 台 memcached A, B, C ： Client 1 想把数据 ”barbaz” 以 key “foo” 存储。 Client 1 首先参考节点列表（ A, B, C ），计算 key“foo” 的哈希值，假设 memcached B 被选中。接着， Client 1 直接 connect 到 memcached B ，通过 key “foo” 把数据 ”barbaz” 存储进去。 Client 2 使用与 Client 1 相同的客户端库（意味着阶段一的哈希算法相同），也拥有同样的 memcached 列表（ A, B, C ）。

于是，经过相同的哈希计算（阶段一）， Client 2 计算出 key “foo” 在 memcached B 上，然后它直接请求 memcached B ，得到数据 ”barbaz” 。

各种客户端在 memcached 中数据的存储形式是不同的（ perl Storable, php serialize, javahibernate, JSON 等）。一些客户端实现的哈希算法也不一样。但是， memcached 服务器端的行为总是一致的。

最后，从实现的角度看， memcached 是一个非阻塞的、基于事件的服务器程序。这种架构可以很好地解决 C10K problem ，并具有极佳的可扩展性。

可以参考 A Story of Caching ，这篇文章简单解释了客户端与 memcached 是如何交互的。

memcached 最大的优势是什么？

请仔细阅读上面的问题（即 memcached 是如何工作的）。 Memcached 最大的好处就是它带来了极佳的水平可扩展性，特别是在一个巨大的系统中。由于客户端自己做了一次哈希，那么我们很容易增加大量 memcached 到集群中。

memcached 之间没有相互通信，因此不会增加 memcached 的负载；没有多播协议，不会网络通信量爆炸（ implode ）。 memcached 的集群很好用。内存不够了？增加几台 memcached 吧； CPU 不够用了？再增加几台吧；有多余的内存？在增加几台吧，不要浪费了。

基于 memcached 的基本原则，可以相当轻松地构建出不同类型的缓存架构。除了这篇 FAQ ，在其他地方很容易找到详细资料的。

看看下面的几个问题吧，它们在 memcached 、服务器的 local cache 和 mysql 的 querycache 之间做了比较。这几个问题会让您有更全面的认识。

memcached 和 MySQL 的 query cache 相比，有什么优缺点？

把 memcached 引入应用中，还是需要不少工作量的。 MySQL 有个使用方便的 querycache ，可以自动地缓存 SQL 查询的结果，被缓存的 SQL 查询可以被反复地快速执行。 Memcached 与之相比，怎么样呢？ MySQL 的 query cache 是集中式的，连接到该 querycache 的 MySQL 服务器都会受益。

* 当您修改表时， MySQL 的 query cache 会立刻被刷新（ flush ）。存储一个 memcached item 只需要很少的时间，但是当写操作很频繁时， MySQL 的 query cache 会经常让所有缓存数据都失效。

* 在多核 CPU 上， MySQL 的 query cache 会遇到扩展问题（ scalability issues ）。在多核 CPU 上， query cache 会增加一个全局锁（ global lock ） , 由于需要刷新更多的缓存数据，速度会变得更慢。

* 在 MySQL 的 query cache 中，我们是不能存储任意的数据的（只能是 SQL 查询结果）。而利用 memcached ，我们可以搭建出各种高效的缓存。比如，可以执行多个独立的查询，构建出一个用户对象（ user object ），然后将用户对象缓存到 memcached 中。而 querycache 是 SQL 语句级别的，不可能做到这一点。在小的网站中， query cache 会有所帮助，但随着网站规模的增加， query cache 的弊将大于利。

* query cache 能够利用的内存容量受到 MySQL 服务器空闲内存空间的限制。给数据库服务器增加更多的内存来缓存数据，固然是很好的。但是，有了 memcached ，只要您有空闲的内存，都可以用来增加 memcached 集群的规模，然后您就可以缓存更多的数据。

memcached 和服务器的 local cache（比如 PHP 的 APC、mmap 文件等）相比，有什么优缺点？

首先， local cache 有许多与上面 (query cache) 相同的问题。 local cache 能够利用的内存容量受到（单台）服务器空闲内存空间的限制。不过， local cache 有一点比 memcached 和 query cache 都要好，那就是它不但可以存储任意的数据，而且没有网络存取的延迟。

* local cache 的数据查询更快。考虑把 highly common 的数据放在 local cache 中吧。如果每个页面都需要加载一些数量较少的数据，考虑把它们放在 local cached 吧。

* local cache 缺少集体失效（ group invalidation ）的特性。在 memcached 集群中，删除或更新一个 key 会让所有的观察者觉察到。但是在 local cache 中 , 我们只能通知所有的服务器刷新 cache （很慢，不具扩展性），或者仅仅依赖缓存超时失效机制。

* local cache 面临着严重的内存限制，这一点上面已经提到。

memcached 的 cache 机制是怎样的？

Memcached 主要的 cache 机制是 LRU （最近最少用）算法 + 超时失效。当您存数据到 memcached 中，可以指定该数据在缓存中可以呆多久 Which is forever, or some time in thefuture 。如果 memcached 的内存不够用了，过期的 slabs 会优先被替换，接着就轮到最老的未被使用的 slabs 。

memcached 如何实现冗余机制？

不实现！我们对这个问题感到很惊讶。

Memcached 应该是应用的缓存层。它的设计本身就不带有任何冗余机制。如果一个 memcached 节点失去了所有数据，您应该可以从数据源（比如数据库）再次获取到数据。您应该特别注意，您的应用应该可以容忍节点的失效。不要写一些糟糕的查询代码，寄希望于 memcached 来保证一切！

如果您担心节点失效会大大加重数据库的负担，那么您可以采取一些办法。比如您可以增加更多的节点（来减少丢失一个节点的影响），热备节点（在其他节点 down 了的时候接管 IP ），等等。

memcached 如何处理容错的？

不处理！

在 memcached 节点失效的情况下，集群没有必要做任何容错处理。如果发生了节点失效，应对的措施完全取决于用户。节点失效时，下面列出几种方案供您选择：

* 忽略它！在失效节点被恢复或替换之前，还有很多其他节点可以应对节点失效带来的影响。

* 把失效的节点从节点列表中移除。做这个操作千万要小心！在默认情况下（余数式哈希算法），客户端添加或移除节点，会导致所有的缓存数据不可用！因为哈希参照的节点列表变化了，大部分 key 会因为哈希值的改变而被映射到（与原来）不同的节点上。

* 启动热备节点，接管失效节点所占用的 IP 。这样可以防止哈希紊乱（ hashing chaos ）。

* 如果希望添加和移除节点，而不影响原先的哈希结果，可以使用一致性哈希算法（ consistent hashing ）。您可以百度一下一致性哈希算法。支持一致性哈希的客户端已经很成熟，而且被广泛使用。去尝试一下吧！

* 两次哈希（ reshing ）。当客户端存取数据时，如果发现一个节点 down 了，就再做一次哈希（哈希算法与前一次不同），重新选择另一个节点（需要注意的时，客户端并没有把 down 的节点从节点列表中移除，下次还是有可能先哈希到它）。如果某个节点时好时坏，两次哈希的方法就有风险了，好的节点和坏的节点上都可能存在脏数据（ stale data ）。

如何将 memcached 中 item 批量导入导出？

您不应该这样做！

Memcached 是一个非阻塞的服务器。任何可能导致 memcached 暂停或瞬时拒绝服务的操作都应该值得深思熟虑。向 memcached 中批量导入数据往往不是您真正想要的！想象看，如果缓存数据在导出导入之间发生了变化，您就需要处理脏数据了；如果缓存数据在导出导入之间过期了，您又怎么处理这些数据呢？

因此，批量导出导入数据并不像您想象中的那么有用。不过在一个场景倒是很有用。如果您有大量的从不变化的数据，并且希望缓存很快热（ warm ）起来，批量导入缓存数据是很有帮助的。虽然这个场景并不典型，但却经常发生，因此我们会考虑在将来实现批量导出导入的功能。

我需要把 memcached 中的 item 批量导出导入，怎么办？

好吧好吧。如果您需要批量导出导入，最可能的原因一般是重新生成缓存数据需要消耗很长的时间，或者数据库坏了让您饱受痛苦。

如果一个 memcached 节点 down 了让您很痛苦，那么您还会陷入其他很多麻烦。您的系统太脆弱了。您需要做一些优化工作。比如处理 ” 惊群 ” 问题（比如 memcached 节点都失效了，反复的查询让您的数据库不堪重负 … 这个问题在 FAQ 的其他提到过），或者优化不好的查询。记住， Memcached 并不是您逃避优化查询的借口。

如果您的麻烦仅仅是重新生成缓存数据需要消耗很长时间（ 15 秒到超过 5 分钟），您可以考虑重新使用数据库。这里给出一些提示：

* 使用 MogileFS （或者 CouchDB 等类似的软件）在存储 item 。把 item 计算出来并 dump 到磁盘上。 MogileFS 可以很方便地覆写 item ，并提供快速地访问。您甚至可以把 MogileFS 中的 item 缓存在 memcached 中，这样可以加快读取速度。 MogileFS+Memcached 的组合可以加快缓存不命中时的响应速度，提高网站的可用性。

* 重新使用 MySQL 。 MySQL 的 InnoDB 主键查询的速度非常快。如果大部分缓存数据都可以放到 VARCHAR 字段中，那么主键查询的性能将更好。从 memcached 中按 key 查询几乎等价于 MySQL 的主键查询：将 key 哈希到 64-bit 的整数，然后将数据存储到 MySQL 中。您可以把原始（不做哈希）的 key 存储都普通的字段中，然后建立二级索引来加快查询 …key 被动地失效，批量删除失效的 key ，等等。

上面的方法都可以引入 memcached ，在重启 memcached 的时候仍然提供很好的性能。由于您不需要当心 ”hot” 的 item 被 memcached LRU 算法突然淘汰，用户再也不用花几分钟来等待重新生成缓存数据（当缓存数据突然从内存中消失时），因此上面的方法可以全面提高性能。

memcached 是如何做身份验证的？

没有身份认证机制！

memcached 是运行在应用下层的软件（身份验证应该是应用上层的职责）。 memcached 的客户端和服务器端之所以是轻量级的，部分原因就是完全没有实现身份验证机制。这样， memcached 可以很快地创建新连接，服务器端也无需任何配置。

如果您希望限制访问，您可以使用防火墙，或者让 memcached 监听 unix domain socket 。

memcached 的多线程是什么？如何使用它们？

线程就是定律（ threads rule ）！

在 Steven Grimm 和 Facebook 的努力下， memcached 1.2 及更高版本拥有了多线程模式。多线程模式允许 memcached 能够充分利用多个 CPU ，并在 CPU 之间共享所有的缓存数据。 memcached 使用一种简单的锁机制来保证数据更新操作的互斥。相比在同一个物理机器上运行多个 memcached 实例，这种方式能够更有效地处理 multi gets 。

如果您的系统负载并不重，也许您不需要启用多线程工作模式。如果您在运行一个拥有大规模硬件的、庞大的网站，您将会看到多线程的好处。

简单地总结一下：命令解析（ memcached 在这里花了大部分时间）可以运行在多线程模式下。 memcached 内部对数据的操作是基于很多全局锁的（因此这部分工作不是多线程的）。未来对多线程模式的改进，将移除大量的全局锁，提高 memcached 在负载极高的场景下的性能。

memcached 能接受的 key 的最大长度是多少？

key 的最大长度是 250 个字符。需要注意的是， 250 是 memcached 服务器端内部的限制，如果您使用的客户端支持 ”key 的前缀 ” 或类似特性，那么 key （前缀 + 原始 key ）的最大长度是可以超过 250 个字符的。我们推荐使用使用较短的 key ，因为可以节省内存和带宽。

memcached 对 item 的过期时间有什么限制？

过期时间最大可以达到 30 天。 memcached 把传入的过期时间（时间段）解释成时间点后，一旦到了这个时间点， memcached 就把 item 置为失效状态。这是一个简单但 obscure 的机制。

memcached 最大能存储多大的单个 item？

1MB 。如果你的数据大于 1MB ，可以考虑在客户端压缩或拆分到多个 key 中。

为什么单个 item 的大小被限制在 1M byte 之内？

简单的回答： 因为内存分配器的算法就是这样的。

详细的回答： Memcached 的内存存储引擎（引擎将来可插拔 … ），使用 slabs 来管理内存。内存被分成大小不等的 slabs chunks （先分成大小相等的 slabs ，然后每个 slab 被分成大小相等 chunks ，不同 slab 的 chunk 大小是不相等的）。 chunk 的大小依次从一个最小数开始，按某个因子增长，直到达到最大的可能值。

如果最小值为 400B ，最大值是 1MB ，因子是 1.20 ，各个 slab 的 chunk 的大小依次是： slab1 – 400B slab2 – 480B slab3 – 576B …

slab 中 chunk 越大，它和前面的 slab 之间的间隙就越大。因此，最大值越大，内存利用率越低。 Memcached 必须为每个 slab 预先分配内存，因此如果设置了较小的因子和较大的最大值，会需要更多的内存。

还有其他原因使得您不要这样向 memcached 中存取很大的数据 … 不要尝试把巨大的网页放到 mencached 中。把这样大的数据结构 load 和 unpack 到内存中需要花费很长的时间，从而导致您的网站性能反而不好。

如果您确实需要存储大于 1MB 的数据，你可以修改 slabs.c:POWER_BLOCK 的值，然后重新编译 memcached ；或者使用低效的 malloc/free 。其他的建议包括数据库、 MogileFS 等。

我可以在不同的 memcached 节点上使用大小不等的缓存空间吗？这么做之后， memcached 能够更有效地使用内存吗？

Memcache 客户端仅根据哈希算法来决定将某个 key 存储在哪个节点上，而不考虑节点的内存大小。因此，您可以在不同的节点上使用大小不等的缓存。但是一般都是这样做的：拥有较多内存的节点上可以运行多个 memcached 实例，每个实例使用的内存跟其他节点上的实例相同。

往期推荐：

升职加薪 就来咕泡学院

长按二维码关注

点“在看”涨薪50%哟