如何检测和解决大key与热key问题

大key问题

• 可能原因：

  大key的产生，最主要的原因是主键设计不合理，使得单个分区的记录数或数据量过大。一旦某一个分区出现极大时，对该分区的访问，会造成分区所在服务器的负载变高，甚至造成节点内存溢出（OOM）等。

• 处理思路：

  针对大key问题，一般采取如下两种处理思路。

  • 增加缓存，优化表结构。
  • 基于现有分区键，增加分区键散列。对数据进行打散，避免单个分区的记录过大。
• 检测方法：

  通过长时间的业务观察，我们规定以下阈值，超过任何一个条件的阈值即为大key。

  1. 单个分区键的行数不能超过10万。
  2. 单个分区的大小不超过100MB。

  GeminiDB Cassandra支持了大key的检测与告警。在CES界面，可以配置实例的大key告警，具体方法请参见设置告警规则。

  当发生大key事件时，系统会第一时间发送预警通知，您可以前往CES界面查看监控事件数据，及时处理，避免业务波动。

  图1 大key告警查看事件
  

  告警字段说明如下：

  [
    {
      "partition_size": "1008293497",             //超大分区键的总大小
      "timestamp": "2021-09-08 07:08:18,240",      //大key产生时间
      "partition_num": "676826",         //超大分区键的总行数
      "keyspace_name": "ssss",      //keyspace名称
      "node_id": "ae342330ded14605b6304e80e6a6efeeno06",      //节点id
      "table_name": "zzzz",        //表名称
      "table_id": "024a1070-0064-11eb-bdf3-d3fe5956183b",      //表id
      "partition_key": "{vin=TESTW3YWZD2021003}"      //分区键
    }
  ]

• 常见案例及解决方案：

  案例1：某集群的数据量过大，导致集群存在大分区键(排查数量大概为2000+)，最大的分区键达到38GB。当业务频繁访问这部分大的分区键时，会导致节点持续高负载，影响业务请求成功率。

  该案例中表结构设计如下：

  

  表设计分析：

  上述movie表保存了短视频的相关信息，分区键为movieid，并且保存了用户信息(uid)。如果movieid是一个热门短视频，有几千万甚至上亿用户点赞此短视频，则该热门短视频所在的分区非常大(当前发现有38GB)。

  解决方法：

  针对上述案例中问题，可以通过如下方法解决。

  1. 优化表结构。

     创建新表保存热门短视频信息，只保留短视频公共信息，不包含用户信息，确保该表不会产生大的分区键。热门短视频信息写入该表中。

     

  2. 增加缓存

     业务应用先从缓存中读取热门文件信息，没有查询到，则从数据库中查询，减少数据库查询次数。

     整体优化逻辑如下：

     

     1. 先查缓存，当缓存存在，直接返回结果。
     2. 当缓存不存在，查询热门视频缓存（缓存不存在，则查询hot表），当视频为为热门视频时，查询hotmovieaccess表。
     3. 当hotmovieaccess表存在结果时，直接返回。当hotmovieaccess表不存在记录时，查询movie表。
     4. 并缓存查询结果。

  案例2：movie_meta以月度建表，每个表只存当月的数据，初始的这种设计是可以减轻或规避分区键过大问题的。由于业务频繁写入，热门视频存储的记录非常多，还是形成了大的数据分区。

  

  解决方法：

  新分区键增加一个随机数（0~999）：将原来一个分区存储的信息随机离散存储到1000个分区中。采用新的分区键之后，没有形成新超过100MB的分区键，旧的超过100MB的分区键数据，随着时间过期即可。

热key问题

• 热key的危害：

  在日常生活中，经常会发生各种热门事件，应用中对该热点新闻进行上万次的点击浏览和评论时，会形成一个较大的请求量。这种情况下会造成短时间内对同一个key频繁操作，会导致key所在节点的CPU和负载突然升高，从而影响落在该节点的其他请求，导致业务成功率下降。诸如此类的还有热门商品促销，网红直播等场景，这些典型的读多写少的场景也会产生热点问题。

  热key问题会产生如下危害：

  1. 流量集中，达到物理网卡上限。
  2. 请求过多，缓存分片服务被打垮。
  3. 数据库击穿，引起业务雪崩。
• 处理思路：
  针对热key问题，一般采取如下处理思路。

  1. 设计上需要考虑热key的问题，避免在数据库上产生热key。
  2. 业务侧通过增加缓存来减少热key出现的情况。考虑多级缓存解决热key问题（如Redis + 本地二级缓存）
  3. 屏蔽热点key。 比如：在业务侧进行定制，支持热key黑白名单能力，可以将热key临时屏蔽。
• 检测方法：

  我们定义访问频率大于100000 次/min的key为热key。

  热key事件分为两种类型。一种是Writes事件，代表写热点，一种是Reads事件，表示读热点。

  GeminiDB Cassandra提供了热key的监测与告警。在CES界面，可以配置实例的热key告警，具体方法请参见设置告警规则。

  当发生热key事件时，系统会第一时间发送预警通知，您可以前往CES界面查看监控事件数据，及时处理，避免业务波动。

  图2 热key告警
  

  热key告警字段说明：

  {
    "sampler_type": "WRITES",         //采样类型。取值有WRITES,READS;WRITES代表写，READS代表读。
    "partition_num": "2969",          //分区键的热点次数
    "keyspace_name": "performance",   //keyspace名称
    "table_id": "a10f3bb0-3626-11ec-bbdf-63e05bbb4391",   //表id
    "table_name": "stresstable",   //表名
    "partition_key": "85897376"   //产生热点分区键的值
  }

总结

在线业务在使用Cassandra时，必须执行相关的开发规则和使用规范，在开发设计阶段就降低使用风险，合理的设计会降低大部分风险发生的概率。

• 任何表的设计都要考虑是否会造成热key或者大key的产生，是否会造成负载倾斜的问题。
• 建立数据过期机制，表中的数据不能无限制增长而不删除或者过期。
• 针对读多写少的场景，要增加缓存机制，来应对读热点问题，并提升查询性能。
• 对于每个PK以及每行Row的大小，要控制大小，否则将影响性能和稳定性。超出后要及时优化。