如何检测和解决大key与热key问题

创作时间:

作者:

@小白创作中心

如何检测和解决大key与热key问题

引用

来源

https://support.huaweicloud.com/cassandraug-nosql/cassandra_faq_0030.html

Cassandra数据库是一个高度可扩展的高性能分布式数据库，面向大数据场景，可用于管理大量的结构化数据。在业务使用的过程中，随着业务量和数据流量的持续增长，往往一些业务的设计弊端逐渐暴露出来，降低了集群的稳定性和可用性。比如主键设计不合理，单个分区的记录数或数据量过大，出现超大分区键，引起了节点负载不均，集群稳定性会下降，这一类问题称为大key问题。当某一热点key的请求在某一主机上的访问超过服务器极限时，会导致热点Key问题的产生。往往大key是造成热key问题的间接原因。

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。

单个分区键的行数不能超过10万。
单个分区的大小不超过100MB。

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。

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。
2. 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。
4. 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：

先查缓存，当缓存存在，直接返回结果。
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。
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。
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：
2. 流量集中，达到物理网卡上限。
4. 请求过多，缓存分片服务被打垮。
6. 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。

设计上需要考虑热key的问题，避免在数据库上产生热key。
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）
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。

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。

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
}