缓存过滤

缓存过滤概述

在某些情况下，数据集的总大小可能会超过分配给Alluxio缓存的总磁盘空间。 为了解决这个问题，Alluxio提供了缓存过滤功能，使我们可以仅缓存热门数据。 通过配置缓存过滤，用户可以根据文件路径指定要缓存的特定文件。

配置

要启用缓存过滤功能，请在alluxio-site.properties文件中添加以下配置：

alluxio.user.client.cache.filter.enabled=true
alluxio.user.client.cache.filter.class=alluxio.client.file.cache.filter.RuleSetBasedCacheFilter
alluxio.user.client.cache.filter.type=RULE_SET
alluxio.user.client.cache.filter.config.file=${ALLUXIO_HOME}/conf/cache_filter.json
alluxio.user.client.cache.filter.config.check.interval=5min

• alluxio.user.client.cache.filter.config.file 用于指定设置过滤规则的JSON文件路径

• alluxio.user.client.cache.filter.config.check.interval 用于检查JSON文件的间隔

这两个属性允许在运行中的集群上动态更新过滤规则。

在JSON文件中设置过滤规则

Alluxio中有三种不同类型的过滤规则：

• Immutable（不可变）：假设UFS上的文件永远不会更改；这些文件被缓存且永不驱逐

• Skip Cache（跳过缓存）：假设UFS上的文件经常更改；这些文件从不缓存，总是从UFS读取

• Max Age（存活时间）：假设UFS上的文件将在指定时间间隔内更改；这些文件被缓存，但设置为在一定时间间隔后过期

下面是一个示例JSON文件，展示了如何设置规则。

{
  "apiVersion": 1,
  "data": {
    "immutable": [".*/immutable_tables/.*"],
    "skipCache": [".*/skip_cache_tables/.*"],
    "maxAge": {".*/mutable_tables/.*":"10s"},
    "defaultType": "immutable"
  },
  "metadata": {
    "immutable": [".*/immutable_tables/.*"],
    "skipCache": [".*/skip_cache_tables/.*"],
    "maxAge": {".*/mutable_tables/.*":"10s"},
    "defaultType": "immutable"
  }
}

这个JSON文件有两个部分。一部分是metadata（元数据），另一部分是data（数据）。让我们以数据部分为例。

• immutable键设置了一个带有正则表达式模式.*/immutable_tables/.*的单例列表，因此这些文件将永不驱逐。

• skipCache键设置了一个带有正则表达式模式.*/skip_cache_tables/.*的单例列表，因此这些文件将永不缓存。

• maxAge键设置了一个单条目映射{".*/mutable_tables/.*":"10s"}。 匹配正则表达式模式.*/mutable_tables/.*的文件将被缓存，并在10s后过期。

metadata部分的设置方式相同，因此相同文件的元数据将具有相同的缓存行为。 这两种类型被分别定义，以允许每种类型具有不同的行为。

最后，我们可以为不匹配任何配置的正则表达式模式的文件设置默认类型。 在这个例子中，defaultType是immutable。