1

概述

說到熱點問題，首先我們先理解一下什么是熱點？

熱點通常意義來說，是指在一段時間內(nèi)，被廣泛關(guān)注的物品或事件，例如微博熱搜，熱賣商品，熱點新聞，明星直播等等，所以熱點產(chǎn)生主要包含2個條件：1.有限時間， 2流量高聚。

而在互聯(lián)網(wǎng)領(lǐng)域，熱點又主要分為2大類：

1. 有預(yù)期的熱點：比如在電商活動當中推出的爆款聯(lián)名限量款的商品，又或者是秒殺的會場活動等

2. 無預(yù)期的熱點：比如受到了黑客的惡意攻擊，網(wǎng)絡(luò)爬蟲頻繁訪問，又或者突發(fā)新聞帶來的流量沖擊等

針對于有預(yù)期的熱點可以通過熱點數(shù)據(jù)預(yù)熱， 流量限制和異步隊列進行處理。但是對于突發(fā)性無感知的熱點數(shù)據(jù)流量，往往由于請求過于集中，導(dǎo)致訪問數(shù)據(jù)流量超出的server的正常負載水位，從而出現(xiàn)服務(wù)過載不可用的情況，這種問題被稱之為熱點問題。

2

熱點場景

看完關(guān)于熱點問題的簡單介紹，我們已經(jīng)理解了熱點產(chǎn)生的條件是短時間內(nèi)被頻繁訪問導(dǎo)致流量高聚，而流量高聚就會出現(xiàn)一系列的熱點問題。那被頻繁訪問的Key，就是我們通常所說的熱Key。

接下來我們來看一下哪些場景會導(dǎo)致熱點問題以及對應(yīng)的熱Key：

MySQL中被頻繁訪問的數(shù)據(jù) ，如熱門商品的主鍵Id

Redis緩存中被密集訪問的Key，如熱門商品的詳情需要get goods$Id

惡意攻擊或機器人爬蟲的請求信息，如特定標識的userId、機器IP

頻繁被訪問的接口地址，如獲取用戶信息接口 /userInfo/ + userId

3

熱點探測技術(shù)原理

了解完什么是熱點問題和熱Key出現(xiàn)的場景以后，我們會提出一個疑問，如何去提前感知這些熱點數(shù)據(jù)？這里就需要聊到熱點探測技術(shù)。

3.1 熱點探測可以帶來什么好處？

3.1.1 提升性能

解決熱點問題通常會使用分布式緩存，但是在讀取時還是需要進行網(wǎng)絡(luò)通訊，就會有額外的時間開銷。那如果能對熱點數(shù)據(jù)提前進行本地緩存，即本地預(yù)熱，就能大幅提升機器讀取數(shù)據(jù)的性能，減輕下層緩存集群的壓力。

注意，本地緩存與實時數(shù)據(jù)存在不一致的風險。需要根據(jù)具體業(yè)務(wù)場景進行評估，緩存級數(shù)越多，數(shù)據(jù)不一致的風險就越大！

3.1.2 規(guī)避風險

對于無預(yù)期的熱數(shù)據(jù)（即突發(fā)場景下形成的熱Key），可能會對業(yè)務(wù)系統(tǒng)帶來極大的風險，可將風險分為兩個層次：

對數(shù)據(jù)層的風險

正常情況下，Redis 緩存單機就可支持十萬左右 QPS，并能通過集群部署提高整體負載能力。對于并發(fā)量一般的系統(tǒng)，用 Redis 做緩存就足夠了。但是對于瞬時過高并發(fā)的請求，因為Redis單線程原因會導(dǎo)致正常請求排隊，或者因為熱點集中導(dǎo)致分片集群壓力過載而癱瘓，從而擊穿到DB引起服務(wù)器雪崩。

對應(yīng)用服務(wù)的風險

每個應(yīng)用在單位時間所能接受和處理的請求量是有限的，如果受到惡意請求的攻擊，讓惡意用戶獨自占用了大量請求處理資源，就會導(dǎo)致其他人畜無害的正常用戶的請求無法及時響應(yīng)。

因此，需要一套動態(tài)熱Key 檢測機制，通過對需要檢測的熱Key規(guī)則進行配置，實時監(jiān)聽統(tǒng)計熱Key數(shù)據(jù)，當無預(yù)期的熱點數(shù)據(jù)出現(xiàn)時，第一時間發(fā)現(xiàn)他，并針對這些數(shù)據(jù)進行特殊處理。如本地緩存、拒絕惡意用戶、接口限流 / 降級等。

3.2 如何進行熱點探測？

首先我們要定義一下如何才能算是一個熱點，我們知道熱點產(chǎn)生的條件是2個：一個時間，一個流量。那么根據(jù)這個條件我們可以簡單定義一個規(guī)則：比如 1 秒內(nèi)訪問 1000 次的數(shù)據(jù)算是熱數(shù)據(jù)，當然這個數(shù)據(jù)需要根據(jù)具體的業(yè)務(wù)場景和過往數(shù)據(jù)進行具體評估。

對于單機應(yīng)用，檢測熱數(shù)據(jù)很簡單，直接在本地為每個Key創(chuàng)建一個滑動窗口計數(shù)器，統(tǒng)計單位時間內(nèi)的訪問總數(shù)（頻率），并通過一個集合存放檢測到的熱 Key。

而對于分布式應(yīng)用，對熱 Key 的訪問是分散在不同的機器上的，無法在本地獨立地進行計算，因此，需要一個獨立的、集中的熱 Key 計算單元。

我們可以簡單理解為：分布式應(yīng)用節(jié)點感知熱點規(guī)則配置，將熱點數(shù)據(jù)進行上報，工作節(jié)點進行熱點數(shù)據(jù)統(tǒng)計，對于符合閾值的熱點進行推送給客戶端，應(yīng)用收到熱點信息進行本地緩存等策略這五個步驟：

1. 熱點規(guī)則：配置熱Key的上報規(guī)則，圈出需要重點監(jiān)測的Key

2. 熱點上報：應(yīng)用服務(wù)將自己的熱Key訪問情況上報給集中計算單元

3. 熱點統(tǒng)計：收集各應(yīng)用實例上報的信息，使用滑動窗口算法計算Key的熱度

4. 熱點推送：當Key的熱度達到設(shè)定值時，推送熱Key信息至所有應(yīng)用實例

5. 熱點緩存：各應(yīng)用實例收到熱Key信息后，對Key值進行本地緩存（此步驟根據(jù)具體業(yè)務(wù)策略調(diào)整）

4

Burning

理解完熱點探測原理以后，我們來聊聊得物的熱點探測中間件Burning。

作為潮流互聯(lián)網(wǎng)電商平臺，得物的電商業(yè)務(wù)高速發(fā)展，突發(fā)性的熱點數(shù)據(jù)不斷的沖擊著我們的系統(tǒng)服務(wù)，比如大促秒殺，熱點商品，惡意攻擊等等。針對于這種突發(fā)性的大流量，單純的機器擴容并不是一個有效的解決手段，我們需要一個集熱點探測，熱點感知，熱點數(shù)據(jù)推送，熱點數(shù)據(jù)預(yù)熱，熱點監(jiān)控分析等功能于一體的熱點探測中間件，因此Burning應(yīng)運而生。

4.1 價值意義

Burning作為得物的熱點探測中間件，提供可供業(yè)務(wù)方接入的SDK包和管理臺規(guī)則配置，用于對熱點數(shù)據(jù)的實時性監(jiān)控，探測，操作和本地緩存等。主要解決了以下問題：

實時熱點感知：能實時監(jiān)控熱點數(shù)據(jù)，包含熱Key，熱數(shù)據(jù)，熱接口等，秒級上報集群統(tǒng)一計算

本地數(shù)據(jù)預(yù)熱：對于特定場景可以通過動態(tài)本地緩存配置，防止流量突增導(dǎo)致Redis或DB數(shù)據(jù)流量壓力過大導(dǎo)致系統(tǒng)雪崩

周期熱點統(tǒng)計：對熱點數(shù)據(jù)進行周期性統(tǒng)計分析，標記出熱Key規(guī)則及分布比例等，可以幫助業(yè)務(wù)方進行針對性優(yōu)化治理和營銷策略選擇

系統(tǒng)安全治理：可以通過熱點Key探測分析，對于刷子用戶，問題IP，機器人和爬蟲進行標識，可實時熔斷存在安全風險的請求，提高系統(tǒng)安全和可用性

4.2 關(guān)鍵指標

為滿足高并發(fā)場景，熱點探測中間件Burning在設(shè)計的時候，重點關(guān)注了如下指標：

1.實時性：熱點問題往往具備突發(fā)性，客戶端必須能夠?qū)崟r發(fā)現(xiàn)可疑熱Key并推送給計算單元進行探測

2.高性能：熱點探測往往需要處理大量的熱點探測請求和熱點計算，因此熱點探測中間件的性能要求較高，才能滿足巨量的并發(fā)并有效降低成本

3.準確性：熱點探測需要精準的探測符合規(guī)則熱Key，實時監(jiān)聽規(guī)則的變化，正確的進行熱Key上報和熱Key計算

4.一致性：熱點探測需要保證應(yīng)用實例的本地緩存熱Key一致，當熱Key變更導(dǎo)致value失效時，應(yīng)用需要同時進行失效來保證數(shù)據(jù)一致性，不能出現(xiàn)數(shù)據(jù)錯誤

5.可擴展：熱點探測需要統(tǒng)計和計算的Key量級很大，而且存在突發(fā)流量的情況，統(tǒng)一計算集群需要具備水平擴展的能力

4.3 架構(gòu)設(shè)計

Burning的架構(gòu)設(shè)計遵循了以上熱點探測的技術(shù)原理，同時借鑒了jd-hotKey的設(shè)計思路，主要分為Burning-Admin、Burning-Worker、Burning-Config、Burning-Client四個模塊：

Burning-Admin （熱點探測管理臺）：與Worker節(jié)點Netty長鏈接通信，提供不同維度的應(yīng)用管理和熱點規(guī)則配置，提供查詢熱點數(shù)據(jù)統(tǒng)計，規(guī)則和熱點數(shù)據(jù)監(jiān)控大盤，提供工作集群信息查詢及客戶端節(jié)點信息查詢，提供本地緩存動態(tài)配置及熱點信息實時通知

Burning-Worker（熱點集中計算單元）：無狀態(tài)server端，與管理臺和客戶端進行Netty長鏈接通信，獲取規(guī)則，滑動窗口計算熱點，將熱點記錄推送到管理臺展示和客戶端處理

Burning-Config（熱點配置中心）：作為熱點、規(guī)則配置中心和注冊中心，將規(guī)則配置下發(fā)到Worker節(jié)點和客戶端，通過Raft算法進行系統(tǒng)高可用一致性保證

Burning-Client（熱點客戶端SDK）：與Worker節(jié)點建立Netty長鏈接通信，監(jiān)聽配置中心配置變化定時推送熱Key數(shù)據(jù)，獲取熱Key推送本地內(nèi)緩存設(shè)置，與Redis-client無縫集成及其他ORM框架無縫集成

4.4 鏈路流程

熱點探測主要包含以下幾個主要流程：

用戶在管理后臺（Burning-Admin）進行熱點規(guī)則配置并進行熱點數(shù)據(jù)實時監(jiān)控

管理后臺（Burning-Admin）將規(guī)則配置信息上傳給配置中心（Burning-Config）

配置中心（Burning-Config）將熱點規(guī)則下發(fā)給客戶端（Buring-Client）和工作節(jié)點（Burning-Worker）

客戶端（Burning-Client）獲取到規(guī)則， 將指定規(guī)則的熱Key定時上報給工作節(jié)點（Burning-Worker）

工作節(jié)點（Burning-Worker）獲取到上報的熱Key后進行滑動時間窗口計算，對于滿足閾值的熱點推送給客戶端（Burning-Client）

客戶端（Burning-Client）拿到熱點數(shù)據(jù)后，進行對應(yīng)的本地緩存配置

4.5 核心代碼

客戶端啟動器ClientStarter，啟動配置中心和注冊中心，Worker建連，注冊事件監(jiān)聽，設(shè)置app_name、port、caffeine緩存大小、cache配置、監(jiān)控配置等

public synchronized static void startPipeline(BurningCommonProperties burningCommonProperties) {


    if (STARTED.get() == Boolean.FALSE) {
        DwLogger.info("start pipeline");
        // 設(shè)置參數(shù)上下文
        setToContext(burningCommonProperties);
        // 配置中心啟動
        EtcdConfigFactory.buildConfigCenter(burningCommonProperties.getConfigServer());
        ConfigStarter starter = EtcdConfigStarter.getInstance();
        starter.start();
        // 注冊中心啟動
        RegisterFactory.buildRegisterCenter(burningCommonProperties);
        RegisterStarter registerStarter = RegisterStarter.getInstance();
        registerStarter.start();
        // 熱點探測啟動
        DetectFactory.startDetect(burningCommonProperties.getPushPeriod());
        // 開啟worker重連器
        WorkerRetryConnector.retryConnectWorkers();
        // 注冊事件監(jiān)聽
        registEventBus();
        // 開啟監(jiān)控
        MetricsFactory.startMetrics();
        STARTED.set(Boolean.TRUE);
    }


}

客戶端進行熱Key判斷，如果符合規(guī)則就上報給Worker節(jié)點計算，同時進行統(tǒng)計計數(shù)

public static Object dynamicGetValue(String key, KeyType keyType) {
    try {
        //如果沒有為該key配置規(guī)則，就不用上報key
        Boolean dynamicRule = dynamicRule(key);
        if (dynamicRule == null) {
            return null;
        }
        Object userValue = null;


        ValueModel value = getValueSimple(key);


        if (value == null) {
            HotKeyPusher.push(key, keyType);
        } else {
            //臨近過期了，也發(fā)
            if (isNearExpire(value)) {
                HotKeyPusher.push(key, keyType);
            }
            Object object = value.getValue();
            //如果是默認值，也返回null
            if (object instanceof Integer && Constant.MAGIC_NUMBER == (int) object) {
                userValue = null;
            } else if (Boolean.FALSE.equals(dynamicRule)) {
                userValue = null;
            } else {
                userValue = object;
            }
        }


        //統(tǒng)計計數(shù)
        MetricsFactory.metrics(new KeyHotModel(key, value != null));


        return userValue;
    } catch (Exception e) {
        DwLogger.error(DwHotKeyStore.class, "get value error");
        return null;
    }
}

Worker節(jié)點啟動nettyServer，用于各個業(yè)務(wù)服務(wù)實例進行長連接，接收客戶端上報數(shù)據(jù)

public void startNettyServer(int port) throws Exception {
    //boss單線程
    EventLoopGroup bossGroup = new NioEventLoopGroup(1);
    //worker節(jié)點組
    EventLoopGroup WorkerGroup = new NioEventLoopGroup(CpuNum.WorkerCount());
    try {
        ServerBootstrap bootstrap = new ServerBootstrap();
        bootstrap.group(bossGroup, WorkerGroup)
                .channel(NioServerSocketChannel.class)
                .handler(new LoggingHandler(LogLevel.INFO))
                .option(ChannelOption.SO_BACKLOG, 1024)
                //保持長連接
                .childOption(ChannelOption.SO_KEEPALIVE, true)
                //出來網(wǎng)絡(luò)io事件，如記錄日志、對消息編解碼等
                .childHandler(new ChildChannelHandler());
        //綁定端口，同步等待成功
        ChannelFuture future = bootstrap.bind(port).sync();
        Runtime.getRuntime().addShutdownHook(new Thread(() -> {
            bossGroup.shutdownGracefully (1000, 3000, TimeUnit.MILLISECONDS);
            WorkerGroup.shutdownGracefully (1000, 3000, TimeUnit.MILLISECONDS);
        }));
        //等待服務(wù)器監(jiān)聽端口關(guān)閉
        future.channel().closeFuture().sync();
    } catch (Exception e) {
        DwLogger.error("netty server start error.", e);
    } finally {
        //優(yōu)雅退出，釋放線程池資源
        bossGroup.shutdownGracefully();
        WorkerGroup.shutdownGracefully();
    }
}

Worker節(jié)點通過監(jiān)聽客戶端上報，異步消費隊列Client消息

public void beginConsume() {
    while (true) {
        try {
            HotKeyModel model = QUEUE.take();
            if (model.isRemove()) {
                iKeyListener.removeKey(model, KeyEventOriginal.CLIENT);
            } else {
                iKeyListener.newKey(model, KeyEventOriginal.CLIENT);
            }
            //處理完畢，將數(shù)量加1
            totalDealCount.increment();
        } catch (Exception e) {
            DwLogger.error("consumer error.", e);
        }
    }
}

如果是新增一個Key，就生成滑動窗口，基于時間窗口數(shù)據(jù)判斷是否熱Key

@Override
public void newKey(HotKeyModel hotKeyModel, KeyEventOriginal original) {
    //cache里的key
    String key = buildKey(hotKeyModel);
    String name = StringUtils.isBlank(hotKeyModel.getGroup()) ? hotKeyModel.getAppName() : hotKeyModel.getGroup();


    //判斷是不是剛熱不久
    Object o = hotCache.getIfPresent(key);
    if (o != null) {
        return;
    }
    SlidingWindow slidingWindow = checkWindow(hotKeyModel, key, name);
    //看看hot沒
    boolean hot = slidingWindow.addCount(hotKeyModel.getCount());


    if (!hot) {
        //如果沒hot，重新put，cache會自動刷新過期時間
        CaffeineCacheHolder.getCache(name).put(key, slidingWindow);
    } else {
        hotCache.put(key, 1);


        //刪掉該key
        CaffeineCacheHolder.getCache(name).invalidate(key);


        //開啟推送
        hotKeyModel.setCreateTime(SystemClock.now());


        //當開關(guān)打開時，打印日志。大促時關(guān)閉日志，就不打印了
        if (ConfigStarter.LOGGER_ON) {
            DwLogger.info(NEW_KEY_EVENT + hotKeyModel.getKey());
        }


        //分別推送到各client和etcd
        for (IPusher pusher : iPushers) {
            pusher.push(hotKeyModel);
        }


    }


}

如果是刪除一個Key，這里刪除包含客戶端發(fā)消息刪除，本地線程掃描過期Key和管理臺刪除

@Override
public void removeKey(HotKeyModel hotKeyModel, KeyEventOriginal original) {
    //cache里的key
    String key = buildKey(hotKeyModel);
    String name = StringUtils.isBlank(hotKeyModel.getGroup()) ? hotKeyModel.getAppName() : hotKeyModel.getGroup();
    hotCache.invalidate(key);
    CaffeineCacheHolder.getCache(name).invalidate(key);


    //推送所有client刪除
    hotKeyModel.setCreateTime(SystemClock.now());
    DwLogger.info(DELETE_KEY_EVENT + hotKeyModel.getKey());


    for (IPusher pusher : iPushers) {
        pusher.remove(hotKeyModel);
    }


}

Worker計算完成后將結(jié)果異步推送給Client，通過app進行分組批量推送

@PostConstruct
public void batchPushToClient() {
    AsyncPool.asyncDo(() -> {
        while (true) {
            try {
                List tempModels = new ArrayList<>();
                //每10ms推送一次
                Queues.drain(hotKeyStoreQueue, tempModels, 10, 10, TimeUnit.MILLISECONDS);
                if (CollectionUtil.isEmpty(tempModels)) {
                    continue;
                }


                Map> allAppHotKeyModels = Maps.newHashMap();
                Map> allGroupHotKeyModels = Maps.newHashMap();


                //拆分出每個app的熱key集合，按app分堆
                for (HotKeyModel hotKeyModel : tempModels) {
                    if (StringUtils.isNotBlank(hotKeyModel.getGroup())) {
                        List groupModels = allGroupHotKeyModels.computeIfAbsent(hotKeyModel.getGroup(), (key) -> new ArrayList<>());
                        groupModels.add(hotKeyModel);
                    } else {
                        List oneAppModels = allAppHotKeyModels.computeIfAbsent(hotKeyModel.getAppName(), (key) -> new ArrayList<>());
                        oneAppModels.add(hotKeyModel);
                    }
                }


                CustomizedMetricsProcessor processor = CustomizedMetricsProcessor.builder(MetricsConstant.BURNING_NETTY_OUT).build();


                // group hot key push
                pushGroup(processor, allGroupHotKeyModels);


                // app hot key push
                pushApp(processor, allAppHotKeyModels);


            } catch (Exception e) {
                DwLogger.error("push to client error.", e);
            }
        }
    });
}

4.6 最佳實踐

Burning提供了2種使用方式，一是通過原生方法調(diào)用，二是通過聲明式注解@EnableBurning ， 以下對使用注解進行熱點探測的部分場景提供最佳實踐：

1. 進行熱點判斷，用于熱點攔截和自定義處理實現(xiàn)

@Component
public class Cache {
    @EnableBurning(prefix = "hot_Key_", cache = false, hitHandler = ExceptionHitHandler.class)
    public String getResult2(String Key) {
        return "這是一個測試結(jié)果" + Key;
    }
}

2. 命中熱點規(guī)則處理類，可進行自定義實現(xiàn)hitHandler接口（注意cache=false）

public class ExceptionHitHandler implements HitHandler {
   @Override
   public Object handle(String Key, ProceedingJoinPoint joinPoint) {
       //此處可自定義實現(xiàn)
      throw new RuntimeException("對不起，您沒有權(quán)限訪問: " + Key);
   }
}

3. 用于Redis緩存熱點探測

@Component
public class Cache {


    @Resource
    private RedisTemplate RedisTemplate;


    @EnableBurning
    public String getResult(String Key) {
        return RedisTemplate.opsForValue().get(Key);
    }
}

4. 用于MySQL熱數(shù)據(jù)緩存

@Repository
public class SmsSignRepo {


   @Autowired
   private SmsSignMapper smsSignMapper;


   @EnableBurning(prefix = "SMS_SIGN", dynamic = false, KeyType = DATABASE_Key)
   public List getAll() {
      Example example = new Example(SmsSign.class);
      Example.Criteria criteria = example.createCriteria();
      criteria.andEqualTo("status", 1);
      return smsSignMapper.selectByExample(example);
   }
}

4.7 性能表現(xiàn)

4.7.1 Worker節(jié)點性能壓測

上游40個測試調(diào)用實例共同調(diào)用的場景下，并發(fā)數(shù)800，遞進壓測

壓測結(jié)果：1個4C8G工作節(jié)點每秒可平穩(wěn)處理約15W個key的熱點探測，成功率大于99.999%，worker節(jié)點CPU平均占用為80%，內(nèi)存占用60%

4.7.2 Client業(yè)務(wù)應(yīng)用性能壓測

DB場景壓測

Client配置為4C8G，120個并發(fā)請求，壓測時長10min

原生未接入Burning的DB操作接口場景

壓測結(jié)果：未接入burning，處理總請求數(shù)約112萬，平均TPS約1500，平均RT約63MS。CPU在壓測滿載情況下100%，內(nèi)存平均使用48%

接入Burning的DB操作接口場景

壓測結(jié)果：接入burning后，處理總請求數(shù)457萬（對比未接入Burning增加345萬），平均TPS約5800（對比未接入Burning增加4300），平均RT約8MS（對比未接入Burning下降55MS）。CPU在壓測滿載情況下100%，內(nèi)存平均使用50%（對比未接入上升2%，本地緩存消耗）

Redis場景壓測

Client配置為4C8G，120個并發(fā)請求，壓測時長10min

原生未接入Burning的Redis操作接口場景

壓測結(jié)果：未接入burning，處理總請求數(shù)約298萬，平均TPS約3800，平均RT約14MS。CPU在壓測滿載情況下100%，內(nèi)存平均使用48%

已接入Burning的Redis操作接口場景

壓測結(jié)果：已接入burning，處理總請求數(shù)約443萬（對比未接入增加145萬），平均TPS約5700（對比未接入上升1900），平均RT約8MS（對比未接入下降6ms）。CPU在壓測滿載情況下100%，內(nèi)存平均使用48%，基本持平

4.7.3 壓測報告

Burning工作節(jié)點單機每秒處理15萬個key的探測請求，CPU穩(wěn)定在80%左右，基本無任何異常

客戶端應(yīng)用接入burning后，對應(yīng)用實例本身CPU負載基本無影響，內(nèi)存占用上升主要取決于指定的本地緩存大小，接入后接口性能提升明顯，QPS明顯上升，RT明顯下降

5

總結(jié)

熱點問題在互聯(lián)網(wǎng)場景中屢屢出現(xiàn)，特別是電商業(yè)務(wù)的需求場景，例如對于大促期間或者活動搶購期間的某個爆品，可能會出現(xiàn)在幾秒時間內(nèi)流入大量的流量，由于商品數(shù)據(jù)在Redis cluster場景下會按照hash規(guī)則被存放在某個Redis分片上，那么這個瞬間流量也有可能出現(xiàn)打掛Redis分片，導(dǎo)致系統(tǒng)雪崩。所以我們要善于利用熱點探測中間件進行熱Key探測，通過預(yù)置本地緩存解決突發(fā)流量導(dǎo)致的系統(tǒng)瓶頸，也能通過熱點數(shù)據(jù)監(jiān)控分析進行針對性的系統(tǒng)調(diào)優(yōu)。

得物熱點探測組件Burning上線至今，支持了數(shù)十個交易核心鏈路服務(wù)，在滿足基礎(chǔ)熱點探測的前提下，Burning還支持本地緩存壓測標/染色標識別能力，客戶端本地Ecache/Caffeine緩存模式選擇，熱點規(guī)則Group聚合統(tǒng)計等擴展能力。應(yīng)用服務(wù)接入Burning后對于熱點數(shù)據(jù)探測及數(shù)據(jù)獲取性能顯著提高，通過預(yù)熱&實時本地緩存，極大的降低了下層緩存集群和數(shù)據(jù)庫的負載壓力，為業(yè)務(wù)服務(wù)的健康運作保駕護航。

審核編輯：劉清