背景
当前内存数据库发展迅速，用户对于存储系统的要求也越来越高，为了满足各类业务场景的需要，腾讯云设计了新一代的内存数据库，不但保留了原来系统的高性能，高可用等特性，同时还兼容了当前流行的Redis原生协议及使用方式。我们试图在解决原生方案短板的基础上，不断创新，使得新系统同时具备易懂、易用、易维护、高可靠、低成本等特点。主要体现在以下几个方面：
1.沿用了上一代自研系统使用共享内存的数据存储方案，避免Redis采用AOF机制，恢复时间过久的问题，极大的降低了在升级、进程异常等场景产生的影响。同时，使用全新的快照与流水机制，解决了Fork机制造成的内存预留问题
2. 在存储引擎方面，对于自研及开源方案进行重新分析整理，进行了再次创新，不但使用多规格Block灵活组合的存储方式，内部数据结构同样采用动态页管理，对比原生引擎，极大的提高了内存使用率的同时，也降低了运行过程中产生内存碎片的机率
3. 单进程多线程的模型让运维部署更加简便，同时精简模块数量，让请求路径更短
4.更加精细化的数据管理，实现快速的过期淘汰及精确的LRU特性
5.实现了强一致特性，满足了金融等业务对于数据一致性的强需求
6. 集群版模式中，支持了多数据库的场景，降低用户由主从版迁移至集群版的使用门槛
7.存储节点可直接转发用户请求，降低后台数据变更对于客户端的依赖，原生主从版客户端可直接访问集群版，无需修改代码
8.我们正在兼容更多的原生数据库协议，让更多的用户可以无缝切换，体验更多的新特性
技术架构优化历程
在架构方面我们将当前比较流行的两层（不包含客户端）结构简化成了单层，如下图所示。
图1 架构图
图中的Master为集群的管理节点，每组Master管理一个地域的若干集群。
Cache则是实际的数据存储节点。架构中不再显式设置接入层，而是通过Cache转发用户请求，这样做的好处：
单纯的存储或接入模块，由于对不同资源类型（CPU、网卡、内存等）需求的倾斜，无法很好的提高当前高配机型的设备利用率。也基于这个原因，理论上合并后的单层结构能更好的利用硬件资源，节约成本减少模块数量可以减少大量运维操作，便于运维同学部署及规划资源等路由更接近数据，因此在某台Cache上进行数据迁移动作时，可以更加实时的对用户请求做出应对（转发至最新的目标），减少变更对用户请求的影响
针对一些对于接入层有强需求的场景，比如，某业务的客户端链接数极多，我们也有针对性的做了优化。Cache可退化为纯接入机使用，这样可以方便的扩展为两层结构，统一使用一套代码，无需单独维护。
数据分布方面，采用了全部打散的方式，即在任意一台Cache上既有主数据也有（其他业务）备份数据，完全以Shard为粒度（物理内存单元）进行管理，如下图所示。
图2 Shard分布
每台Cache的内存被划分为若干Shard，无论是主从版还是集群版，用户的主或备数据可能落到任意Cache，分配策略支持跨机架、跨机房等。这样做的目的有：
不再有单纯的热备设备，减少低负载设备比例，充分利用整个集群的网卡、CPU等资源当一个或若干节点异常时，利用整个集群的能力进行容错（切换流量）与恢复（在不同节点重建备份），避免雪球效应在分配时，将考虑现有设备主备Shard比例及负载，优化装箱算法，可是集群资源更加均衡
由于CKV+兼容Redis协议及各种使用场景，因此也区分了主从版与集群版。对于集群版来说，经过对比，数据哈希仍然采用了Pre-sharding的方式，如下图所示。
图3数据哈希
对于单个Shard来说，最大可管理内存为8T，由于目前设备限制，实际最大可支持512G，因此集群版支持的容量范围为 [1G，512G] * 16384 = [16T，8P]。当然在实际应用中，还需考虑系统内部预留资源等因素，且Shard大小及Slot对应关系的规划也要视物理资源情况而定。
内存引擎设计，确定CKV+引擎
内存管理是内存数据库系统中非常重要的一环，在CKV+系统的设计阶段，对于引擎也是进行了大量的讨论与调研，根据我们的经验，同时吸纳了多种主流内存管理体系的优点，确定了当前CKV+的引擎方案。主要特点归纳如下：
使用共享内存，方便升级或进程异常时快速恢复基于共享内存实现了红黑树算法，在保证性能的前提下，兼容Redis中的Hash、Set、ZSet数据类型使用多规格Block作为（最小的）数据存储单位，更加灵活同时内存空隙更小使用经典的Page管理模式，优化了动态分配策略，提高了Page回收几率，降低内存碎片率用户数据所依附的内部数据结构同样基于Page进行动态分配，减少内部预留空间的浪费
图4 内存引擎
内存引擎的一个重要指标就是内存使用率，我们与原生Redis存储进行了对比测试。
测试方法：使用同样的随机数据，分别写入Redis及CKV+的1G实例，对比实际存储数据量的多少。
样本大小：key [10，30]，Value [20，100]
图5 使用率对比
测试结果显示，在简单String类型的场景下，两者存储量近似，但在稍复杂的结构中，CKV+则可以存储更多的用户数据。
大胆尝试，采用单进程多线程模型
对于内存数据库来说，高性能仍然是大前提，而开发过程中使用的线程模型及框架对于这个层面影响较大。因此在设计初始，我们对于这部分也做了大胆尝试。
首先，我们使用了单进程多线程的模式，而非大多开源系统的单进程单线程的路数，一方面可以更好的利用整机资源，另一方面也能降低运维门槛。对于多线程来说，需要解决的主要问题有如下几点：
若干线程共同管理内存则势必需要引入锁，而高配机型核数多、线程多，加锁可能带来毛刺单个进程需要管理多个业务数据，特别是主从版，每块内存Shard容量较大，难免有比较庞大的kv数据，同时主从版支持部分耗时操作，需要尽量减少实例间的相互影响线程间通信或共享数据的代价要小，比如同步路由信息等同时要考虑诸如线程上下文切换、CPU缓存命中率、IO等因素
在进行了一系列的调研工作后，最终确定线程模型为：每个物理核启动一个线程，管理若干内存Shard，如下图所示。
图6 线程模型
使用这种模式的主要考虑：
具体内存的操作仅由某一个CPU处理，避免加锁，某个Shard出现热点时，对其他线程管理的实例影响较小在管理实例数量不多的情况下，空闲CPU可以处理网络及磁盘IO，以及请求的编解码等工作，提高整机资源利用率线程间不存在依赖或竞争关系，避免不必要的损耗 性能测试
性能应该是大家比较关注的部分，我们针对Redis的String与ZSet两种数据结构进行了性能测试，结果如下。
注：
"单实例"表示一台Cache仅管理1个Shard，"N实例"则表示同时管理N个Shard所有测试均使用2400个客户端对整台设备进行压测测试不涉及消息转发，即客户端直接请求数据所在设备测试样本分别使用10Byte与100Byte的数据本次测试并未启用DPDK，后续会进行补充
图7 STRING类型读写性能对比
图8 ZSET类型读写性能对比
结语
腾讯云新一代内存数据库不但全面兼容了Redis的数据结构及使用方法，同时解决了原生方案在备份、容灾等方面的不足。在性能方面，我们并没有满足于现状，后续还将更细致的优化逻辑流程，并引入DPDK等特性，进一步提升系统性能。成本也是我们关注的重点，当前的系统架构与线程模型能更好的适应不断提升的硬件设备性能，提高硬件资源的利用率，同时，我们也将引进冷热数据分离等技术，在保证性能的前提下，更好的为用户节省成本。
作者 ： carloszhao，2010年加入腾讯，前后参与过分布式计算、存储等多个项目的设计与开发，目前在腾讯TEG-基础架构部，负责内存数据库的研发工作。