如何实现超高并发的无锁缓存?

发表于2016-10-27
评论0 2.8k浏览
一、需求缘起
【业务场景】
       有一类写多读少的业务场景:大部分请求是对数据进行修改,少部分请求对数据进行读取。
       例子1:滴滴打车,某个司机地理位置信息的变化(可能每几秒钟有一个修改),以及司机地理位置的读取(用户打车的时候查看某个司机的地理位置)。
       voidSetDriverInfo(long driver_id, DriverInfoi); //大量请求调用修改司机信息,可能主要是GPS位置的修改
       DriverInfoGetDriverInfo(long driver_id);  //少量请求查询司机信息
       例子2:统计计数的变化,某个url的访问次数,用户某个行为的反作弊计数(计数值在不停的变)以及读取(只有少数时刻会读取这类数据)。
      voidAddCountByType(long type); //大量增加某个类型的计数,修改比较频繁
       longGetCountByType(long type); //少量返回某个类型的计数

【底层实现】
       具体到底层的实现,往往是一个Map(本质是一个定长key,定长value的缓存结构)来存储司机的信息,或者某个类型的计数。
       Map
       Map

【临界资源】
        这个Map存储了所有信息,当并发读写访问时,它作为临界资源,在读写之前,一般要进行加锁操作,以司机信息存储为例:
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
void SetDriverInfo(long driver_id, DriverInfoinfo){
 
WriteLock (m_lock);
 
Map= info;
 
UnWriteLock(m_lock);
 
}
 
DriverInfo GetDriverInfo(long driver_id){
 
DriverInfo t;
 
ReadLock(m_lock);
 
t= Map;
 
UnReadLock(m_lock);
 
return t;
 
}

【并发锁瓶颈】
       假设滴滴有100w司机同时在线,每个司机没5秒更新一次经纬度状态,那么每秒就有20w次写并发操作。假设滴滴日订单1000w个,平均每秒大概也有300个下单,对应到查询并发量,可能是1000级别的并发读操作。
       上述实现方案没有任何问题,但在并发量很大的时候(每秒20w写,1k读),锁m_lock会成为潜在瓶颈,在这类高并发环境下写多读少的业务仓井,如何来进行优化,是本文将要讨论的问题。

二、水平切分+锁粒度优化
       上文中之所以锁冲突严重,是因为所有司机都公用一把锁,锁的粒度太粗(可以认为是一个数据库的“库级别锁”),是否可能进行水平拆分(类似于数据库里的分库),把一个库锁变成多个库锁,来提高并发,降低锁冲突呢?显然是可以的,把1个Map水平切分成多个Map即可:
1
2
3
4
5
6
7
8
9
10
11
void SetDriverInfo(long driver_id, DriverInfoinfo){
 
i= driver_id % N; //水平拆分成N份,N个Map,N个锁
 
WriteLock (m_lock [i]);  //锁第i把锁
 
Map[i]= info;  //操作第i个Map
 
UnWriteLock (m_lock[i]); //解锁第i把锁
 
}
       每个Map的并发量(变成了1/N)和数据量都降低(变成了1/N)了,所以理论上,锁冲突会成平方指数降低。
       分库之后,仍然是库锁,有没有办法变成数据库层面所谓的“行级锁”呢,难道要把x条记录变成x个Map吗,这显然是不现实的。

三、MAP变Array+最细锁粒度优化
        假设driver_id是递增生成的,并且缓存的内存比较大,是可以把Map优化成Array,而不是拆分成N个Map,是有可能把锁的粒度细化到最细的(每个记录一个锁)。
1
2
3
4
5
6
7
8
9
10
11
void SetDriverInfo(long driver_id, DriverInfoinfo){
 
index= driver_id;
 
WriteLock (m_lock [index]);  //超级大内存,一条记录一个锁,锁行锁
 
Array[index]= info; //driver_id就是Array下标
 
UnWriteLock (m_lock[index]); //解锁行锁
 
}


      如果这个缓存不加锁,当然可以达到最高的并发,但是多线程对缓存中同一块定长数据进行操作时,有可能出现不一致的数据块,这个方案为了提高性能,牺牲了一致性。在读取计数时,获取到了错误的数据,是不能接受的(作为缓存,允许cache miss,却不允许读脏数据)。

【脏数据是如何产生的】
     这个并发写的脏数据是如何产生的呢,详见下图:


     1、线程1对缓存进行操作,对key想要写入value1
     2、线程2对缓存进行操作,对key想要写入value2
     3、如果不加锁,线程1和线程2对同一个定长区域进行一个并发的写操作,可能每个线程写成功一半,导致出现脏数据产生,最终的结果即不是value1也不是value2,而是一个乱七八糟的不符合预期的值value-unexpected。

【数据完整性问题】
       并发写入的数据分别是value1和value2,读出的数据是value-unexpected,数据的篡改,这本质上是一个数据完整性的问题。通常如何保证数据的完整性呢?
     例子1:运维如何保证,从中控机分发到上线机上的二进制没有被篡改?
      回答:md5
      例子2:即时通讯系统中,如何保证接受方收到的消息,就是发送方发送的消息?
      回答:发送方除了发送消息本身,还要发送消息的签名,接收方收到消息后要校验签名,以确保消息是完整的,未被篡改。
        当当当当=>“签名”是一种常见的保证数据完整性的常见方案。

【加上签名之后的流程】


加上签名之后,不但缓存要写入定长value本身,还要写入定长签名(例如16bitCRC校验):
        1、线程1对缓存进行操作,对key想要写入value1,写入签名v1-sign
       2、线程2对缓存进行操作,对key想要写入value2,写入签名v2-sign
       3、如果不加锁,线程1和线程2对同一个定长区域进行一个并发的写操作,可能每个线程写成功一半,导致出现脏数据产生,最终的结果即不是value1也不是value2,而是一个乱七八糟的不符合预期的值value-unexpected,但签名,一定是v1-sign或者v2-sign中的任意一个
       4、数据读取的时候,不但要取出value,还要像消息接收方收到消息一样,校验一下签名,如果发现签名不一致,缓存则返回NULL,即cache miss。
      当然,对应到司机地理位置,与URL访问计数的case,除了内存缓存之前,肯定需要timer对缓存中的数据定期落盘,写入数据库,如果cache miss,可以从数据库中读取数据。

五、总结
在【超高并发】,【写多读少】,【定长value】的【业务缓存】场景下:
1、可以通过水平拆分来降低锁冲突
2、可以通过Map转Array的方式来最小化锁冲突,一条记录一个锁
3、可以把锁去掉,最大化并发,但带来的数据完整性的破坏
4、可以通过签名的方式保证数据的完整性,实现无锁缓存
帮忙随手转发哟。
==【完】==
 看了上面的文章 热爱游戏创作的你是不是已经开始热血沸腾了呢?是不是迫不及待的想加入游戏团队成为里面的一员呢?
  福利来啦~赶快加入腾讯GAD交流群,人满封群!每天分享游戏开发内部干货、教学视频、福利活动、和有相同梦想的人在一起,更有腾讯游戏专家手把手教你做游戏!
腾讯GAD游戏程序交流群:484290331

如社区发表内容存在侵权行为,您可以点击这里查看侵权投诉指引