作者简介：patpatbear，携程软件技术专家，负责携程缓存内核的维护，热爱开源，专注于高性能、分布式NoSQL系统的建设和应用。

一、背景

redis使用内存作为存储介质，具有良好的性能和低延迟，但其内存容量通常成为瓶颈，且内存价格较高，导致redis使用成本较高。

随着SSD磁盘性能的不断提高，NVMe SSD的随机读写延迟也仅有几十微秒，与redis的固有延迟(100~200us)相当，用SSD作为存储介质也可以达到较低的延迟，同时节省成本。

因此我们研发了ROR(Redis-On-Rocks)产品，通过对redis内核增强以支持数据冷热交换，使用磁盘扩展缓存容量，可节省约2/3成本，而性能也能满足大多数业务需求。

二、ROR简介

ROR核心思路很简单：在redis codebase基础上扩展冷热交换功能，实现redis数据冷热多级存储，降低缓存的综合使用成本。

ROR将数据分为冷热两部分：

• 热数据沿用redis引擎，使用内存存储，数据结构和原生redis完全一致

• 冷数据选用RocksDB引擎，使用磁盘存储，以subkey为粒度存储在RocksDB中

ROR负责冷热数据的交换：

• 换入(从RocksDB到redis)：当客户端访问冷数据，则将RocksDB中的数据换入到redis中，ROR把命令依赖的数据换入到redis，后续命令执行与原生redis一致。

• 换出(从redis到RocksDB)：当内存用量超过maxmemory之后，则将热数据换出到RocksDB中，ROR冷热交换算法采用了redis原生的LFU算法，原本被redis evict的数据将被交换到内存中。

由于ROR继承了redis的数据结构和命令实现，只负责冷热数据交换，因此可以兼容几乎所有的redis命令，可快速跟进redis官方新特性。

三、与RoF对比

从长远发展考虑，redis是事实上的缓存标准，缓存内核基于社区开源redis更便于跟进社区redis演进，因此ROR选择了基于redis基础上扩展冷热交换能力。

RedisLabs的商业产品Redis-on-Flash(RoF)与ROR设计思路类似，但是调研之后，我们发现RoF在成本、通用性、性能等方面并不能满足我们的需求。

3.1 成本

RoF把value保存在磁盘、key保留在内存主表，可以方便地兼容dbsize、scan、randomkey等命令，但占用的内存量会随着dbsize线性上升。

冷数据key保存在内存主表(hashtable)，每个key的辅助指针、robj等平均占用约50B，生产String类型平均value大小为512B。从成本的角度看，按照key占内存10%，value占90%计算

• 换出80%value，可减少72% (80%*90%) 内存

• 换出80%冷key，可继续减少29% (10%*80%/(100%-72%))内存

因此ROR并不把冷数据的key保存在内存，而是保存到RocksDB中单独的meta column family。

考虑到meta column family访问比较频繁，且只存储type、expire之类的少量元数据，因此用少量内存(block cache)可以缓存多数冷key。

经验证，分配256MB block cache后，把冷数据的key存储到RocksDB并不会降低整体QPS，但会增加IO线程的CPU消耗，由于redis宿主机cpu利用率只有10%，用cpu换内存是可以接受的。

3.2 通用性

为了避免重复缓存，RoF禁用了RocksDB层的table cache和文件系统层的page cache。这意味着访问冷key时必须进行IO操作，因此冷key和热key的访问延迟会有较大区别。

为了提高通用性，ROR合理利用RocksDB层的table cache和操作系统层的page cache，尽可能利用未被占用的内存，减少访问冷key和热key之间的延迟差距。

实际上，无论是DBA还是业务方，都很难准确预测缓存集群是否存在明显的冷热特征。ROR适用于通用场景，能够大大减少沟通成本和业务方关于延迟的担忧。

在redis迁移至ROR时，我们并不评估应用程序是否具有冷热特征，只要业务QPS在redis的一半以下，对P99延迟不是非常敏感，就可以将其迁移到ROR。

3.3 性能

RoF按key粒度存储，key与RocksDB key一一对应;而ROR按subkey粒度存储，subkey都与RocksDB key一一对应。

对于HSET、HGET等聚合类型命令，RoF需要换入换出整个key，而ROR只读写必要的subkey，因此读写放大远低于RoF，QPS和延迟也优于RoF。

以下为ROR、RoF在大压力(100线程不限QPS)和普通压力(1000线程10000QPS)，读写纯冷数据的QPS和延迟。可以看出：

• 大压力情况下，ROR HGET、HSET命令QPS约为RoF的2~3倍

• 普通压力情况下，ROR延迟约300~500us，远低于RoF 14~120ms 延迟

测试说明：

• 数据：hash：5,000,000 (key count) * 2KB (per key，5个field，每个filed 400B)

• 配置：ROR的maxmemory设置为200MB;RoF有最小内存限制，设置为2G

• 场景：a)100thd：压力测试，100客户端并发，不限速测试;b)1wqps：模拟常规访问，1000客户端，限速1W QPS测试

对于超大的聚合key，RoF将整个key加载到内存中，会有明显的延迟尖刺(可达秒级);而ROR只将必要的subkey换入内存，则不会有明显的延迟尖刺。

多数使用redis的业务对延迟比较敏感，不能接受过大延迟尖刺。

测试说明：

• hash：共有1,000,000个元素，每个元素128B

• list：共有1,000,000个元素，每个元素128B

四、实现方案

4.1 冷热交换

以下是客户端访问到冷key时ROR的处理过程。其中蓝色模块与原生redis相同，橙色模块为ROR新增的冷热交换功能。

总体上ROR先冷热交换(swap)，再执行命令处理流程。

冷热交换(swap)过程主要分为以下步骤：

1)语法分析：分析客户端命令涉及哪些key和subkey。比如，可以分析出MGET k1 k2 k3依赖于k1,k2,k3;而HMGET h1 f1 f2 f3，依赖于 h1.{ f1, f2, f3 }。

2)加锁：根据语法分析出的结果，对命令所依赖的key加锁。值得注意的是，这里的锁并不是pthread_mutex之类的线程锁，而是ROR项目实现的一种单线程锁，本质上是一个等待队列，详细介绍参考后续并发控制章节。

3)提交SWAP任务：拿到锁之后，提交swap任务到IO线程组执行RocksDB读写。

4)执行RocksDB读写：IO线程组执行RocksDB读操作。

5)合并数据：将RocksDB读取的数据合并到redis中。

经过swap过程之后，冷数据已经换入到redis，后续执行命令与原生redis一致。

4.2 并发控制

redis架构上为单主线程，而RocksDB提供的是阻塞模式的API，直接使用redis主线程调用RocksDB将极大降低redis的性能。为了提高IO吞吐，ROR使用了额外的IO线程组执行RocksDB读写。由于增加了IO线程组，对于同一key的读写不再是单线程，如果不加控制，那么数据将变得错乱。

为了控制并发，ROR设计实现了一种单线程可重入锁来保证同一时间对同一key只有一个客户端在进行IO交换。这里的锁并不是pthread_mutex这种系统线程锁，其本质是一个等待队列：当key被锁定后，尝试获取该锁的客户端必须等待前序客户端释放锁之后才能获取到key的锁。

如下图所示，C1、C2、C3三个客户端先后执行了MGET命令，其中Key1、Key2、Key3均为冷数据。

C1依赖Key1、Key2，由于这2个key未被锁定且为冷，因此C1获取到Key1、Key2的锁，并触发了Key1、Key2换入;

C2依赖Key2、Key3，由于Key2被C1锁定，因此C2等待C1执行结束才能获取key2锁;Key3未被锁定且为冷，因此C2获取到了Key2的锁，并触发了Key3换入;

C3依赖Key1、key3，由于Key1、Key3分别被C1、C2锁定，因此C3等待C1、C2执行结束后才能获取Key1、Key3锁。

因此最终换入Key1、Key2、Key3换入后，客户端执行顺序为C1=>C2=>C3。

以上是一个简单的示例，ROR为了实现FLUSHDB/BGSAVE之类涉及整个keyspace的命令并发控制需求，等待队列包含KEY、DB、SVR三种粒度的锁，大粒度的锁需等待细粒度锁释放后才能获得。此外为了确保MULTI/EXEC事务不产生死锁，允许同一个事务重复锁定同一key(亦即可重入)。

如下图所示，C1、C2两个客户端先后发起2个事务。

C1依赖Key1(2次)，由于C1在同一事务中依赖Key1(2次)且为冷，因此C1获得Key1锁并触发换入;

C2依赖Key2(2次)、DB0、SVR锁，由于C2在同一事务中依赖Key2(2次)且为冷，因此C2获得Key2锁并触发换入;注意由于C2依赖DB0锁，DB0锁范围大约Key1、Key2，因此只有C1释放Key1之后才能获得DB0锁。

假设Key1先于Key2被换入，Key1换入后，C1事务得到执行并释放Key1锁。

当Key2换入后，C2获得DB0锁以及SVR锁(获得所有锁)，C2事务得到执行。

4.3 冷数据存储

与业界多数方案一样，ROR的冷数据存储采用了RocksDB引擎，设计上参考了kvrocks、pika等项目，主要有3个要点：

• key存储到RocksDB

• subkey与RocksDB KV对应(i.e. 按subkey存储)

• lazy删除聚合类型key

key存储到RocksDB

ROR为了做到内存消耗与dbsize无关，内存中并不会存储冷key，key类型、expire、version等信息会存储到RocksDB的metaCF中。这样设计主要是考虑每个key需要额外消耗约50B，如果dbsize为1亿则需要额外消耗约5GB内存。对dbsize大、value小的集群来讲，额外消耗的内存过多，冷热分离的性价比则不高。

因此ROR和RoF不同，不会把冷key存储在内存中，少量与key相关(scan、randomkey、dbsize)命令，则进行适配性改造。

subkey与RocksDB KV对应

RocksDB的数据类型只有KV，与redis支持hash、set、zset等聚合类型key不能一一对应，因此需要构造redis聚合类型key与RocksDB KV类型之间的对应关系。

最直接的方案是将redis的聚合类型key直接序列化单个为RocksDB KV，但这种方案的缺点非常明显，即HGET hash subkey只依赖单个subkey的命令，也需要将整个聚合类型key换入到内存，这会造成严重的读写放大。

因此ROR将聚合类型的subkey存储为RocksDB KV，换入聚合类型数据冷key只需要换入必要的subkey。

lazy删除聚合类型key

对于聚合类型key而言，每个subkey对应RocksDB KV，ROR删除聚合key需要删除掉所有的subkey，直接从RocksDB中迭代删除复杂度为O(N)，会造成延迟尖刺。

参考pika、kvrocks的设计，聚合类型key都有版本号，ROR删除聚合key时，只删掉metaCF的元数据，而其他subkey则在RocksDB compaction中通过compaction filter逐渐过滤删除。

hash/set/zset编码

以下是hash/set类型的编码格式：

每个hash/set在metaCF有1个RocksDB KV，记录了类型、超时时间、版本以及subkey数量。

每个hash/set在defaultCF有N个RocksDB KV，每个subkey对应一个。由于每个subkey都记录了对应的version，因此删除聚合key只需要把metaCF的KV删掉即完成lazy删除。

zset类型的编码格式类似，只多了scoreCF记录zset的score排序。

list编码

由于与hash/set/zset的操作差别较大，list数据模型设计上也有所差别。设计上，ROR内存中的list仍复用redis数据结构，且list可能只有部分subkey在内存中。

模型上list的设计如下：

• list为任意段rockslist(冷)和memlist(热)的组合

• list元素要么在memlist、要么在rockslist，memlist没有交集

• 分段信息存储在listObjectMeta.segments中，segments的每个元素表示一段，记录了每段的类型以及长度。

rockslist也按subkey粒度存储在RocksDB中。

4.4 cuckoo filter减少IO

前面提到ROR为了做到内存用量与dbsize无关，key元信息不存储在内存中，因此如果客户端访问的key不是热数据，则必须查询RocksDB才能确认key是否存在：对于key存在的情况，读RocksDB并换入冷数据是必要的;但如果key不存在，则读RocksDB是非必要的。特别是当业务keyspace miss率高的情况(比如重复读不存在的key)，存在大量的非必要IO情况，降低了整体性能。

对于过滤不存在key问题，用bloom filter能以8~10 bit per key的内存取得很好的过滤效果，但由于bloom filter不支持删除，而ROR的keyspace始终处于动态变化中，因此bloom filter功能上无法满足需求。

经过调研之后，我们发现cuckoo filter可以很好地满足我们的需求，支持删除并且内存消耗量仅需8 bit per key即可满足ROR过滤准确度需求。

由于无法预测准确到key数量，ROR实现cuckoo filter时采用了多个容量指数增长的cuckoo filter组成的cascading cuckoo filter。

经过测试我们发现，对于keyspace miss场景，cuckoo filter可以将ROR的QPS从5W提升到6W左右，吞吐提升约20%;对于keyspace hit场景则无明显影响。

4.5 兼容redis复制

ROR的复制协议完全兼容redis原生复制，全量复制采用RDB格式，增量复制使用RESP协议。由于完全兼容redis原生复制协议，ROR可以直接对接xpipe，具备DR能力。

流式全量复制

ROR与Redis全量复制主要流程相同：master fork出child进程，由child进程打RDB。ROR由于有冷热两类数据，因此生成RDB的与原生Redis有区别：

• 热数据生成RDB方案不变

• 冷数据先获取RocksDB CHECKPOINT，然后SCAN冷数据转换为RDB格式

冷数据(RocksDB部分)生成RDB的一种方案是将冷key临时加载内存，复用redis的序列化方法构造RDB，但这种方案加载全部冷key会消耗大量CPU，当遇到redis宿主机宕机重启，大量redis全量同步争用CPU将导致全量同步时间过长。

出于性能考虑，ROR构造RDB并不加载冷key，而是采用了流式构造RDB的方案：使用一个IO线程迭代RocksDB全量数据，并将迭代的数据流式append到RDB中。需要注意的是，流式构造RDB依赖于ROR在存储设计上将同一个聚合类型key的subkey存储在RocksDB相邻位置。

实现层面，流式构造RDB方案避免了把key加载到内存并跳过redis层重新编码，直接将RockDB数据流式填充到rdb，全量复制速度315MB/s，可以达到redis复制性能(390MB/s)的80%左右。

并发增量复制

redis增量复制过程中，master通过单个复制客户端推送复制流到slave。由于复制客户端只有1个(冷热交换最大并发为1)如果ROR slave直接用复制客户端交换数据，会出现slave复制无法跟上master写入。

为了提高复制交换性能，ROR将从复制客户端将收到的命令分发到多个worker客户端，并发执行交换。

如果worker客户端在交换结束后直接调用命令，那么slave上命令执行的顺序可能与master不同，造成主从数据不一致。

ROR采用的方案下，worker客户端交换结束后并不立即执行命令，而是等到前序命令全部执行完之后在执行。由于slave执行增量复制命令与master向下传播的复制流的命令顺序一致，可以确保主从数据一致。

如上图所示，①、②、④在并发执行IO操作，虽然②、④可能在①之前完成数据交换，但一定会等到①完成IO后再执行命令。

ROR增量复制并发改造后，slave处理复制命令速度从几千QPS提升到大于master的最大写入速度(5~10W QPS左右，与冷热数据占比相关)。

五、生产实践

从经验来看，多数redis集群QPS较低但内存用量较大，redis宿主机通常因为达到内存上限触发扩容，但CPU资源则比较空闲，比如携程内redis宿主机平均CPU使用率约15%，但平均内存使用率达到50%。

ROR采用磁盘增加了缓存容量，能容纳更多的数据量，但RocksDB引擎的compaction和压缩会消耗更多的CPU资源，因此ROR可以认为是用空闲的CPU换内存的成本解决方案。

成本方面，经验数据显示1个ROR实例可容纳3个redis实例的数据，因此redis迁ROR能节省2/3的成本。

目前在ROR在生产部署了几万个实例。由于海外公有云内存单价高，已基本全部部署为ROR，每年可以节省成本上千万元。

性能方面，从吞吐量考虑，携程内部redis集群高QPS占比较低，远低于ROR的QPS上限(参考上文性能数据)。

从延迟考虑，ROR设计上合理利用缓存，按subkey粒度存储，且硬件上nvme SSD延迟只有几十微秒，因此与Redis相比延迟并没有特别明显的上升。

以下为一个典型redis集群迁移ROR后延迟对比，其中80%为冷数据、20%为热数据，迁移前后客户端访问延迟从200us变为220us左右。

六、项目开源与未来计划

6.1 项目开源

目前ROR(Redis-On-Rocks)已开源，采用与Redis一致的BSD协议。

6.2 未来计划

1)提升单实例QPS

部分业务场景(比如大数据相关业务)不但数据量大，而且QPS也比较高，这些集群可能出现ROR主线程100%情况。针对这些场景，我们考虑从软硬件2个层面优化，软件层面考虑减少冷热交换损耗、自动化pipeline减少网络CPU消耗;硬件层面使用更高主频的CPU提升上限。

2)完善数据结构支持

部分使用频次较少的数据结构待优化，比如：bitmap目前按照string处理，读写放大比较大，待优化性能;stream目前尚未支持，使用内存存储，待支持。

3)减少全量同步

国内与海外的带宽比较小，如果出现全量同步则海外业务受影响时间会比较久。随着随着海外部署量上升，这个问题的影响性逐步增大，后续ROR考虑提供可用性与一致性的选项，允许少量数据不一致的情况下增量同步。