Go开源项目BigCache如何加速并发访问以及避免高额的GC开销

golang.png

 几天前,我读了一篇关于BigCache的文章,我对它是如何做到以下两点十分感兴趣:
 
1.加速并发访问
2.避免高额的GC开销

于是我去阅读了它的代码。我觉得它的做法很赞,所以我写了这篇文章来与你分享。
 
BigCache 是一个快速,支持并发访问,自淘汰的内存型缓存,可以在存储大量元素时依然保持高性能。BigCache将元素保存在堆上却避免了GC的开销。 —— 摘自《BigCache README 中的简介》
 

 
// BigCache README 中的简单使用示例
 
import "github.com/allegro/bigcache"
 
cache, _ := bigcache.NewBigCache(bigcache.DefaultConfig(10 * time.Minute))
 
cache.Set("my-unique-key", byte("value"))
 
entry, _ := cache.Get("my-unique-key")
fmt.Println(string(entry))
 

 
 
并发访问
一个缓存,支持并发访问是必须的,无论是程序使用了协程,还是 HTTP 服务器为每个请求分配的协程,都可能并发访问缓存。最常见的解决方案是使用读写锁(sync.RWMutex)来保证在一个时间点只允许一个协程修改缓存内容。但是如果这样做,锁可能会阻塞后续的操作,导致缓存性能下降。
 
为了解决这个问题,BigCache使用了shards(译者yoko注:单词意思为碎片,可以理解为桶或分片或分区),shard是什么?一个shard是一个结构体,它包含了一个带锁的cache实例。
 
BigCache使用了一个元素个数为N的shard数组,然后将数据打散到不同的shard中,所以当你从缓存中读写数据时,缓存会选取其中的一个shard使用(选取策略下文会说)。使用这种方式,锁粒度被大幅度减小,因为锁范围从全局缓存缩小到了单个shard中。(译者yoko注:对shard数组的访问是不需要加锁的,因为该数组在初始化时创建,后续大小就不会变了,即后续对数组的访问只有读,当然,对数组中的元素shard是有读有写的,但是这已经和数组没关系了)
 
高额GC开销
 

 
var map[string]Item
 

 
 
Go中实现缓存最简单最常见的方式是使用一个map来存储元素,但是如果使用map,GC(垃圾回收器)会在标记阶段访问map中的每一个元素,当map非常大时这会对程序性能带来非常大的开销。
 
go 1.5版本之后,如果你使用的map的key和value中都不包含指针,那么GC会忽略这个map。
 
 

 
var map[int]int
 

 
为避免这个问题,BigCache使用了一个key和value都不包含指针的map,这样,GC就会忽略掉这个map。具体做法为:
 
map的key为存入缓存中的key经过hash函数后得到的值。
 
map的value比较值得一说,BigCache并不是直接把存入缓存的value作为map的value,而是将存入缓存的value序列化成二进制的byte,然后将序列化后的byte追加到一个全局的byte中(一个shard包含一个全局byte)。map中存储的是该序列化后数据在全局byte中的下标。
 
使用全局的byte是非常聪明的做法,因为这样做,只会给GC增加了一个额外对象,由于字节切片除了自身对象并不包含其他指针数据,所以GC对于整个对象的标记时间是O(1)的。
 
译者yoko注
 
英文原文写到这,基本上关于优化方面的思想已经说明白了。大致是以下两点:
 
第一,将元素非常多的容器通过hash打散到各个桶(子容器)中。这是一种比较常见通用的减小锁粒度,提高性能的手段。
 
第二,就是把map的key和value都弄成了无指针类型,具体做法上面已经说了。这种做法说白了是针对Go GC的特性所做的针对性优化。
 
另外,值得一提的是,关于第二点,由于桶中的全局的byte使用的是数组类型,那么显然从中间删除元素的开销是很大的。我去看了看BigCache的实现,它也确实没有提供删除指定key的接口。这种缓存,一般来说,删除元素靠的是全局过期时间(注意,是先进先出的过期,并不能为每个key单独指定不同的过期时间)或缓存总大小达到一定阈值后删除,也即把数组当队列用。所以,这种实现的前提是,缓存是自淘汰类型,而非可手动删除指定元素类型的。
 
英文原文的后续部分,是英文作者在BigCache的基础上自己写了一个简单版本的cache,然后通过代码来说明上面原理。如果你看到这觉得ok了,后面的内容就不用看了。
 
看代码
以下是我写的一个cache的简单实现,我去掉了关于过期淘汰,容量等功能,只为了更好的演示我上面所说的内容。
 
首先,哈希函数是从BigCache中抄的,这个哈希实现是零堆内存申请的。
 
hasher.go
 

 
package main
 
// newDefaultHasher returns a new 64-bit FNV-1a Hasher which makes no memory allocations.
// Its Sum64 method will lay the value out in big-endian byte order.
// See https://en.wikipedia.org/wiki/Fowler–Noll–Vo_hash_function
func newDefaultHasher() fnv64a {
    return fnv64a{}
}
 
type fnv64a struct{}
 
const (
    // offset64 FNVa offset basis. See https://en.wikipedia.org/wiki/Fowler–Noll–Vo_hash_function#FNV-1a_hash
    offset64 = 14695981039346656037
    // prime64 FNVa prime value. See https://en.wikipedia.org/wiki/Fowler–Noll–Vo_hash_function#FNV-1a_hash
    prime64 = 1099511628211
)
 
// Sum64 gets the string and returns its uint64 hash value.
func (f fnv64a) Sum64(key string) uint64 {
    var hash uint64 = offset64
    for i := 0; i < len(key); i++ {
        hash ^= uint64(key[i])
        hash *= prime64
    }
 
    return hash
}
 
[/i]

 
然后,cache结构体包含了获取shard的逻辑,以及get和set方法。
 
在前文并发访问小节中,提到了为数据选取特定shard的函数,该函数的实现是首先通过前面的哈希函数将key转换成一个hash值,然后用hash值与shard的数量计算出shard数组的下标。值得一提的是,这里不是用取余运算得到结果,而是通过按位与计算的。
 

[i] 
hashedkey&mask
 
    0111
AND 1101  (mask)
  = 0101
 
[/i]

 
 
cache.go
 

[i] 
package main
 
var minShards = 1024
 
type cache struct {
    shards *cacheShard
    hash   fnv64a
}
 
func newCache() *cache {
    cache := &cache{
        hash:   newDefaultHasher(),
        shards: make(*cacheShard, minShards),
    }
    for i := 0; i < minShards; i++ {
        cache.shards[i] = initNewShard()
    }
 
    return cache
}
 
func (c *cache) getShard(hashedKey uint64) (shard *cacheShard) {
    return c.shards[hashedKey&uint64(minShards-1)]
}
 
func (c *cache) set(key string, value byte) {
    hashedKey := c.hash.Sum64(key)
    shard := c.getShard(hashedKey)
    shard.set(hashedKey, value)
}
 
func (c *cache) get(key string) (byte, error) {
    hashedKey := c.hash.Sum64(key)
    shard := c.getShard(hashedKey)
    return shard.get(key, hashedKey)
}
 
[/i][/i]

[i] 
最后,也就是最赞的地方,在每个shard中有一个字符数组byte和一个map[uint64]uint32。在map中,存储每个键值对的值在全局字符数组中的下标,在字符数组中存储键值对的值。
 
使用tail变量来保存字符数组的尾部下标。
 
shard.go
 
[/i]

[i][i] 
package main
 
import (
    "encoding/binary"
    "errors"
    "sync"
)
 
const (
    headerEntrySize = 4
    defaultValue    = 1024 // For this example we use 1024 like default value.
)
 
type cacheShard struct {
    items        map[uint64]uint32
    lock         sync.RWMutex
    array        byte
    tail         int
    headerBuffer byte
}
 
func initNewShard() *cacheShard {
    return &cacheShard{
        items:        make(map[uint64]uint32, defaultValue),
        array:        make(byte, defaultValue),
        tail:         1,
        headerBuffer: make(byte, headerEntrySize),
    }
}
 
func (s *cacheShard) set(hashedKey uint64, entry byte) {
    w := wrapEntry(entry)
    s.lock.Lock()
    index := s.push(w)
    s.items[hashedKey] = uint32(index)
    s.lock.Unlock()
}
 
func (s *cacheShard) puash(data byte) int {
    dataLen := len(data)
    index := s.tail
    s.save(data, dataLen)
    return index
}
 
func (s *cacheShard) save(data byte, len int) {
    // Put in the first 4 bytes the size of the value
    binary.LittleEndian.PutUint32(s.headerBuffer, uint32(len))
    s.copy(s.headerBuffer, headerEntrySize)
    s.copy(data, len)
}
 
func (s *cacheShard) copy(data byte, len int) {
    // Using the tail to keep the order to write in the array
    s.tail += copy(s.array[s.tail:], data[:len])
}
 
func (s *cacheShard) get(key string, hashedKey uint64) (byte, error) {
    s.lock.RLock()
    itemIndex := int(s.items[hashedKey])
    if itemIndex == 0 {
        s.lock.RUnlock()
        return nil, errors.New("key not found")
    }
 
    // Read the first 4 bytes after the index, remember these 4 bytes have the size of the value, so
    // you can use this to get the size and get the value in the array using index+blockSize to know until what point
    // you need to read
    blockSize := int(binary.LittleEndian.Uint32(s.array[itemIndex : itemIndex+headerEntrySize]))
    entry := s.array[itemIndex+headerEntrySize : itemIndex+headerEntrySize+blockSize]
    s.lock.RUnlock()
    return readEntry(entry), nil
}
 
func readEntry(data byte) byte {
    dst := make(byte, len(data))
    copy(dst, data)
 
    return dst
}
 
func wrapEntry(entry byte) byte {
    // You can put more information like a timestamp if you want.
    blobLength := len(entry)
    blob := make(byte, blobLength)
    copy(blob, entry)
    return blob
}
 
[/i][/i]

[i] 
main.go
 
[/i]

[i][i] 
package main
 
import "fmt"
 
func main() {
    cache := newCache()
    cache.set("key", byte("the value"))
 
    value, err := cache.get("key")
    if err != nil {
        fmt.Println(err)
    }
 
    fmt.Println(string(value))
    // OUTPUT:
    // the value
}
 
[/i][/i]

[i] 
 
英文原文地址: How BigCache avoids expensive GC cycles and speeds up concurrent access in Go
 
原文链接: https://pengrl.com/p/35302/
原文出处: yoko blog (https://pengrl.com)
原文作者: yoko
 
[/i]

原创文章,作者:ItWorker,如若转载,请注明出处:https://blog.ytso.com/258118.html

(0)
上一篇 2022年5月20日
下一篇 2022年5月20日

相关推荐

发表回复

登录后才能评论