來源：https://www.cnblogs.com/longbozhan/p/15780194.html

作者：longbozhan

概述

一談到高并發(fā)的優(yōu)化方案，往往能想到模塊水平拆分、數(shù)據(jù)庫讀寫分離、分庫分表，加緩存、加mq等，這些都是從系統(tǒng)架構(gòu)上解決。單模塊作為系統(tǒng)的組成單元，其性能好壞也能很大的影響整體性能，本文從單模塊下讀多寫少的場景出發(fā)，探討其解決方案，以其更好的實現(xiàn)高并發(fā)。
不同的業(yè)務(wù)場景，讀和寫的頻率各有側(cè)重，有兩種常見的業(yè)務(wù)場景：

• 讀多寫少：典型場景如廣告檢索端、白名單更新維護(hù)、loadbalancer
• 讀少寫多：典型場景如qps統(tǒng)計

本文針對讀多寫少（也稱一寫多讀）場景下遇到的問題進(jìn)行分析，并探討一種合適的解決方案。

分析

讀多寫少的場景，服務(wù)大部分情況下都是處于讀，而且要求讀的耗時不能太長，一般是毫秒或者更低的級別；更新的頻率就不是那么頻繁，如幾秒鐘更新一次。通過簡單的加互斥鎖，騰出一片臨界區(qū)，往往能到達(dá)預(yù)期的效果，保證數(shù)據(jù)更新正確。

但是，只要加了鎖，就會帶來競爭，即使加的是讀寫鎖，雖然讀之間不互斥，但寫一樣會影響讀，而且讀寫同時爭奪鎖的時候，鎖優(yōu)先分配給寫（讀寫鎖的特性）。例如，寫的時候，要求所有的讀請求阻塞住，等到寫線程或協(xié)程釋放鎖之后才能讀。如果寫的臨界區(qū)耗時比較大，則所有的讀請求都會受影響，從監(jiān)控圖上看，這時候會有一根很尖的耗時毛刺，所有的讀請求都在隊列中等待處理，如果在下個更新周期來之前，服務(wù)能處理完這些讀請求，可能情況沒那么糟糕。但極端情況下，如果下個更新周期來了，讀請求還沒處理完，就會形成一個惡性循環(huán)，不斷的有讀請求在隊列中等待，最終導(dǎo)致隊列被擠滿，服務(wù)出現(xiàn)假死，情況再惡劣一點的話，上游服務(wù)發(fā)現(xiàn)某個節(jié)點假死后，由于負(fù)載均衡策略，一般會重試請求其他節(jié)點，這時候其他節(jié)點的壓力跟著增加了，最終導(dǎo)致整個系統(tǒng)出現(xiàn)雪崩。

因此，加鎖在高并發(fā)場景下要盡量避免，如果避免不了，需要讓鎖的粒度盡量小，接近無鎖（lock-free）更好，簡單的對一大片臨界區(qū)加鎖，在高并發(fā)場景下不是一種合適的解決方案

雙緩沖

有一種數(shù)據(jù)結(jié)構(gòu)叫雙緩沖，其這種數(shù)據(jù)結(jié)構(gòu)很常見，例如顯示屏的顯示原理，顯示屏顯示的當(dāng)前幀，下一幀已經(jīng)在后臺的buffer準(zhǔn)備好，等時間周期一到，就直接替換前臺幀，這樣能做到無卡頓的刷新，其實現(xiàn)的指導(dǎo)思想是空間換時間，這種數(shù)據(jù)結(jié)構(gòu)的工作原理如下：

• 數(shù)據(jù)分為前臺和后臺
• 所有讀線程讀前臺數(shù)據(jù)，不用加鎖，通過一個指針來指向當(dāng)前讀的前臺數(shù)據(jù)
• 只有一個線程負(fù)責(zé)更新，更新的時候，先準(zhǔn)備好后臺數(shù)據(jù)，接著直接切指針，這之后所有新進(jìn)來的讀請求都看到了新的前臺數(shù)據(jù)
• 有部分讀還落在老的前臺那里處理，因為更新還不算完成，也就不能退出寫線程，寫線程需要等待所有落在老前臺的線程讀完成后，才能退出，在退出之前，順便再更新一遍老前臺數(shù)據(jù)（也就當(dāng)前的新后臺），可以保證前后臺數(shù)據(jù)一致，這點在做增量更新的時候有用

工程實現(xiàn)上需要攻克的難點

寫線程要怎么知道所有的讀線程在老前臺中的讀完成了呢？

一種做法是讓各個讀線程都維護(hù)一把鎖，讀的時候鎖住，這時候不會影響其他線程的讀，但會影響寫，讀完后釋放鎖(某些時候可能會有通知寫線程的開銷，但寫本身很少)，寫線程只需要確認(rèn)鎖有沒有釋放了，確認(rèn)完了后馬上釋放，確認(rèn)這個動作非?？欤ㄐ∮?5ns，1s=103ms=106us=10^9ns），讀線程幾乎不會感覺到鎖的存在。

每個線程都有一把自己的鎖，需要用全局的map來做線程id和鎖的映射嗎？

不需要，而且這樣做全局map就要加全局鎖了，又回到了剛開始分析中遇到的問題了。其實，每個線程可以有私有存儲（thread local storage，簡稱TLS），如果是協(xié)程，就對應(yīng)這協(xié)程的TLS（但對于go語言，官方是不支持TLS的，想實現(xiàn)類似功能，要么就想辦法獲取到TLS，要么就不要基于協(xié)程鎖，而是用全局鎖，但盡量讓鎖粒度小，本文主要針對C++語言，暫時不深入討論其他語言的實現(xiàn)）。這樣每個讀線程鎖的是自己的鎖，不會影響到其他的讀線程，鎖的目的僅僅是為了保證讀優(yōu)先。
對于線程私有存儲，可以使用pthread_key_create, pthread_setspecific，pthread_getspecific系列函數(shù)

核心代碼實現(xiàn)

讀

template <typename T, typename TLS>
int DoublyBufferedData<T, TLS>::Read(
    typename DoublyBufferedData<T, TLS>::ScopedPtr* ptr) { // ScopedPtr析構(gòu)的時候，會釋放鎖
    Wrapper* w = static_cast<Wrapper*>(pthread_getspecific(_wrapper_key)); //非首次讀，獲取pthread local lock
    if (BAIDU_LIKELY(w != NULL)) {
        w->BeginRead();    // 鎖住
        ptr->_data = UnsafeRead();
        ptr->_w = w;
        return 0;
    }
    w = AddWrapper();
    if (BAIDU_LIKELY(w != NULL)) {
        const int rc = pthread_setspecific(_wrapper_key, w); // 首次讀，設(shè)置pthread local lock
        if (rc == 0) {
            w->BeginRead();
            ptr->_data = UnsafeRead();
            ptr->_w = w;
            return 0;
        }
    }
    return -1;
}

寫

template <typename T, typename TLS>
template <typename Fn>
size_t DoublyBufferedData<T, TLS>::Modify(Fn& fn) {
    BAIDU_SCOPED_LOCK(_modify_mutex); // 加鎖，保證只有一個寫
    int bg_index = !_index.load(butil::memory_order_relaxed); // 指向后臺buffer
    const size_t ret = fn(_data[bg_index]); // 修改后臺buffer
    if (!ret) {
        return 0;
    }
    // 切指針
    _index.store(bg_index, butil::memory_order_release);    
    bg_index = !bg_index;
    // 等所有讀老前臺的線程讀結(jié)束
    {
        BAIDU_SCOPED_LOCK(_wrappers_mutex);
        for (size_t i = 0; i < _wrappers.size(); ++i) {
            _wrappers[i]->WaitReadDone();
        }
    }
    // 確認(rèn)沒有讀了，直接修改新后臺數(shù)據(jù)，對其新前臺
    const size_t ret2 = fn(_data[bg_index]);
    return ret2;
}

完整實現(xiàn)請參考brpc的DoublyBufferData

簡單說說golang中雙緩沖的實現(xiàn)

普通的雙緩沖加載實現(xiàn)

基于計數(shù)器，用atomic，保證原子性，讀進(jìn)入臨界區(qū)，計數(shù)器+1，退出-1，寫判斷計數(shù)器為0則切換，但計數(shù)器是全局鎖。這種方案C++也可以采取，只是計數(shù)器畢竟也是全局鎖，性能會差那么一丟丟。即使用智能指針shared_ptr，也會面臨智能指針引用計數(shù)互斥的問題。之所以用計數(shù)器，而不用TLS，是因為go不支持TLS，對比TLS版本和計數(shù)器版本，TLS性能更優(yōu)，因為沒有搶計數(shù)器的互斥問題，但搶計數(shù)器本身很快，性能沒測試過，可以試試。

sync.Map的實現(xiàn)

也是基于計數(shù)器，只是計數(shù)器是為了讓讀前臺緩存失效的概率不要太高，有抑制和收斂的作用，實現(xiàn)了讀的無鎖，少部分情況下，前臺緩存讀不到數(shù)據(jù)的時候，會去讀后臺緩存，這時候也要加鎖，同時計數(shù)器+1。計數(shù)器數(shù)值達(dá)到一定程度（超過后臺緩存的元素個數(shù)），就執(zhí)行切換

是否適用于讀少寫多的場景

不合適，雙緩沖優(yōu)先保證讀的性能，寫多讀少的場景需要優(yōu)先保證寫的性能。

相關(guān)文獻(xiàn)

brpc對于雙buffer的描述：https://www.bookstack.cn/read/incubator-brpc/3c7745da34a1418b.md#DoublyBufferedData
go實現(xiàn)的雙buffer（但讀是互斥的，性能先對較差）：http://blog.codeg.cn/2016/01/27/double-buffering/
雙buffer的三種實現(xiàn)方案：https://juejin.cn/post/6844904130989801479
一寫多讀：https://blog.csdn.net/lqt641/article/details/55058137
高并發(fā)下的系統(tǒng)設(shè)計：https://www.cnblogs.com/flame540/p/12817529.html
基于計數(shù)器的實現(xiàn)：https://www.cnblogs.com/gaoxingnjiagoutansuo/p/15773361.html#4998436

到此這篇關(guān)于淺談C++高并發(fā)場景下讀多寫少的優(yōu)化方案的文章就介紹到這了,更多相關(guān)淺談C++高并發(fā)場景下讀多寫少的優(yōu)化方案內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評論