数据库突然断开连接、第三方接口迟迟不返回结果、高峰期网络发生抖动...... 当程序突发异常时，我们的应用可以告诉调用方或者用户「对不起，服务器出了点问题」；或者找到更好的方式，达到提升用户体验的目的。

一、背景

用户在马蜂窝 App 上「刷刷刷」时，推荐系统需要持续给用户推荐可能感兴趣的内容，主要分为根据用户特性和业务场景，召回根据各种机器学习算法计算过的内容，然后对这些内容进行排序后返回给前端这几个步骤。

推荐的过程涉及到 MySQL 和 Redis 查询、REST 服务调用、数据处理等一系列操作。对于推荐系统来说，对时延的要求比较高。马蜂窝推荐系统对于请求的平均处理时延要求在 10ms 级别，时延的 99 线保持在 1s 以内。

当外部或者内部系统出现异常时，推荐系统就无法在限定时间内返回数据给到前端，导致用户刷不出来新内容，影响用户体验。

所以我们希望通过设计一套容灾缓存服务，实现在应用本身或者依赖的服务发生超时等异常情况时，可以返回缓存数据给到前端和用户，来减少空结果数量，并且保证这些数据尽可能是用户感兴趣的。

二、设计与实现

设计思路和技术选型

不仅仅是推荐系统，缓存技术在很多系统中已经被广泛应用，小到 JVM 中的常用整型数，大到网站用户的 session 状态。缓存的目的不尽相同，有些是为了提高效率，有些是为了备份；缓存的要求也高低不一，有些要求一致性，有些则没有要求。我们需要根据业务场景选择合适的缓存方案。

结合到我们上面提到的业务场景和需求，我们采用了基于 OHC 堆外缓存和 SpringBoot 的方案，实现在现有推荐系统中增加本地容灾缓存系统。主要是考虑到以下几点因素：

1. 避免影响线上服务，将业务逻辑和缓存逻辑隔离

为了不影响线上服务，我们将缓存系统封装为一个 CacheService，配置在现有流程的末端，并提供读、写的 API 给外部调用，将业务逻辑和缓存逻辑隔离。

2. 异步写入缓存，提高性能

读、写缓存都会带来时间消耗，特别是写入缓存。为了提高性能，我们考虑将写入缓存做成异步的方式。这部分使用的是 JDK 提供的线程池 ThreadPoolExecutor 来实现，主线程只需要提交任务到线程池，由线程池里的 Worker 线程实现写入缓存。

3. 本地缓存，提高访问速度

在推荐系统中，给用户推荐的内容应该是千人千面的，甚至同一位用户每次刷新看到的内容都可能不同，这就不要求缓存具有强一致性。因此，我们只需要进行本地缓存，而不需要采用分布式的方式。这里使用到的是开源缓存工具 OHC，缓存的数据来源于成功处理过的请求。

4. 备份缓存实例，保证可用性

为了保证缓存的可用性，我们不仅在内存中进行缓存，还定时备份到文件系统中，从而保证在可以应用启动时从文件系统加载到内存。具体可以使用 SpringBoot 提供的定时任务、ApplicationRunner 来实现。

整体架构

我们保持了推荐系统的现有逻辑，并在现有流程的末端，配置了 CacheModule 和 CacheService，负责所有和缓存相关的逻辑。

其中，CacheService 是缓存的具体实现，提供读写接口；CacheModule 对本次请求的数据进行处理，并决定是否需要调用 CacheService 对缓存进行操作。

模块解读

1. CacheModule

在完成推荐系统的原有流程处理之后，CacheModule 会对得到的响应报文进行判断，比如是否抛出了异常，响应是否为空等，然后决定是否读取缓存或者提交缓存任务。

CacheModule 的工作流程如图所示，其中橘黄色部分代表对 CacheService 的调用：

提交缓存任务。如果该次请求没有抛出异常，并且响应结果也不为空，则会提交一个缓存任务到 CacheService。任务的 key 值为对应的业务场景，value 为本次响应计算得到的内容。提交的动作是非阻塞的，对接口的耗时影响很小。
读取缓存数据。当应用本身或者依赖应用抛出异常时，系统会根据业务场景的 key 值从 CacheService 中读取缓存并返回给调用方。当出现用户本身已经刷完所有可用数据的情况时，就不需要读取缓存，而是将请求的数据及时反馈给用户。

2. CacheService

在缓存的具体实现上，CacheService 使用到了从 Apache Cassandra 项目中独立出来的 OHC。另外因为我们整个应用是基于 SpringBoot 的，也用到了 SpringBoot 提供的各种功能。

上文说到对缓存没有强一致性的要求，所以我们采用的是本地缓存而非分布式缓存，并且抽象出一个 CacheService 类负责对本地缓存进行维护。

(1) 数据格式

推荐系统返回数据时，根据业务场景和用户特征设定以「屏」为单位返回数据，每屏可以包含多个内容项，所以采取 key-set 的数据格式：key 值为业务场景，比如首页的「视频」频道；缓存内容则为「屏」的集合。

(2) 存储位置

对于 Java 应用，缓存可以存放在内存中或者硬盘文件中。而内存空间又分为 heap（堆内存）和 off-heap（堆外内存）。我们对这几种方式进行了对比：

为了保证较快的读写速度，避免缓存 GC 影响线上服务，所以选择 off-heap 作为缓存空间。OHC 最早包含在 Apache Cassandra 项目中，之后独立出来，成为了基于 off-heap 的开源缓存工具。它既可以维护大量的 off-heap 内存空间，同时也使用于低开销的小型缓存实体。所以我们使用 OHC 作为 off-heap 的缓存实现。

(3) 文件备份

在应用重启时，off-heap 中的缓存为空。为了尽快载入缓存，我们使用 SpringBoot 的 Scheduling Tasks 功能，定期将缓存从 off-heap 备份到文件系统；通过继承 SpringBoot 的 ApplicationRunner 监听应用启动的过程，启动完成后将硬盘中的备份文件加载到 off-heap，保证缓存数据的可用性。

CacheService 维护一个任务队列，队列中保存着 CacheModule 通过非阻塞的方式提交的缓存任务，由 CacheService 决定是否要执行这些缓存任务。

(4) 对 CacheModule 提供的 API

读取缓存时，传入 key 值，缓存模块随机从 set 中读取数据返回。
写入缓存时，将 key 和 value 封装为一个任务，提交到任务队列，由任务队列负责异步写入缓存。

(5) 任务队列与异步写入

这里我们使用了 JDK 中的线程池来实现。在构造线程池时，使用 LinkedBlockingQueue 作为任务队列，可以实现快速增删元素；因为应用的 QPS 在 100 以内，所以工作线程数目固定为 1；队列写满之后，则执行 DiscardPolicy，放弃插入队列。

(6) 缓存数量控制

如果缓存占用内存空间过大，会影响线上应用，我们可以采用为不同的业务场景配置最大缓存数量来控制缓存数量。没有达到配置值时，将成功处理过的数据写入缓存；达到配置值时可以随机抽样覆盖原有缓存项，来保证缓存的实时性。

综合考虑以上各个方面，CacheService 的设计如下：

线上表现

为了验证容灾缓存的效果，我们在命中缓存时进行了埋点，并通过 Kibana 查看每小时缓存的命中数量。如图所示，在 18:00 到 19:00 系统存在一定的超时，而这段时间由于缓存服务发挥了作用，使系统的可用性得到提升。

我们还对 OHC 的读取和写入速度进行了监控。写入缓存的时延在毫秒级别，并且是异步写入；读取缓存的时延在微秒级别。基本没有给系统增加额外的时间消耗。

踩过的坑

在将缓存写入 OHC 之前，需要进行序列化，我们使用了开源的 kryo 作为序列化工具。之前在使用 kyro 时，发现对于没有实现 Serializable 的类，反序列化时可能失败，比如使用 List#subList 方法返回的内部类 java.util.ArrayList$SubList。这里可以手动注册 Serializer 来解决这个问题，在 Github 上开源的 kryo-serializers 仓库提供了各种类型的 serializers。

另外一点，需要注意根据具体使用场景，来配置 OHC 中的 capacity 和 maxEntrySize。如果配置的值太小的话，会导致写入缓存失败。可以在上线之前测算缓存的空间占用，合理设置整个缓存空间的大小和每个缓存 entry 的大小。