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