如何提高進程內緩存的并發

本篇文章給大家分享的是有關如何提高進程內緩存的并發，小編覺得挺實用的，因此分享給大家學習，希望大家閱讀完這篇文章后可以有所收獲，話不多說，跟著小編一起來看看吧。

緩存，設計的初衷是為了減少繁重的IO操作，增加系統并發能力。不管是 CPU多級緩存，page cache，還是我們業務中熟悉的 redis 緩存，本質都是將有限的熱點數據存儲在一個存取更快的存儲介質中。

計算機本身的緩存設計就是 CPU 采取多級緩存。那對我們服務來說，我們是不是也可以采用這種多級緩存的方式來組織我們的緩存數據。同時 redis 的存取都會經過網絡IO，那我們能不能把熱點數據直接存在本進程內，由進程自己緩存一份最近最熱的這批數據呢？

這就引出了我們今天探討的：local cache，本地緩存，也叫進程緩存。

快速入門

作為一個進程存儲設計，當然是 crud 都有的：

1. 我們先初始化 local cache

// 先初始化 local cache
cache, err = collection.NewCache(time.Minute, collection.WithLimit(10))
if err != nil {
  log.Fatal(err)
}

其中參數的含義：

• expire：key統一的過期時間

• CacheOption：cache設置。比如key的上限設置等

2. 基礎操作緩存

// 1. add/update 增加/修改都是該API
cache.Set("first", "first element")

// 2. get 獲取key下的value
value, ok := cache.Get("first")

// 3. del 刪除一個key
cache.Del("first")

• Set(key, value) 設置緩存

• value, ok := Get(key) 讀取緩存

• Del(key) 刪除緩存

3. 高級操作

cache.Take("first", func() (interface{}, error) {
  // 模擬邏輯寫入local cache
  time.Sleep(time.Millisecond * 100)
  return "first element", nil
})

前面的 Set(key, value) 是單純將 <key, value> 加入緩存；Take(key, setFunc) 則是在 key 對于的 value 不存在時，執行傳入的 fetch 方法，將具體讀取邏輯交給開發者實現，并自動將結果放到緩存里。

到這里核心使用代碼基本就講完了，其實看起來還是挺簡單的。也可以到 https://github.com/tal-tech/go-zero/blob/master/core/collection/cache_test.go 去看 test 中的使用。

解決方案

首先緩存實質是一個存儲有限熱點數據的介質，面臨以下的這些問題：

1. 有限容量

2. 熱點數據統計

3. 多線程存取

下面來說說這3個方面我們的設計實踐。

有限容量

有限就意味著滿了要淘汰，這個就涉及到淘汰策略。cache 中使用的是：LRU（最近最少使用）。

那淘汰怎么發生呢？ 有幾個選擇：

1. 開一個定時器，不斷循環所有key，等到了預設過期時間，執行回調函數（這里是刪除map中過的key）

2. 惰性刪除。訪問時判斷該鍵是否被刪除。缺點是：如果未訪問的話，會加重空間浪費。

而 cache 中采取的是第一種 主動刪除。但是，主動刪除中遇到最大的問題是：

不斷循環，空消耗CPU資源，即使在額外的協程中這么做，也是沒有必要的。

cache 中采取的是時間輪記錄額外過期通知，等過期 channel 中有通知時，然后觸發刪除回調。

> 有關 時間輪 更多的設計文章：https://go-zero.dev/cn/timing-wheel.html

熱點數據統計

對于緩存來說，我們需要知道這個緩存在使用額外空間和代碼的情況下是否有價值，以及我們想知道需不需要進一步優化過期時間或者緩存大小，所有這些我們就很依賴統計能力了， go-zero 中 sqlc 和 mongoc 也同樣提供了統計能力。所以我們在 cache 中也加入的緩存，為開發者提供本地緩存監控的特性，在接入 ELK 時開發者可以更直觀的監測到緩存的分布情況。

而設計其實也很簡單，就是：Get() 命中，就在統計 count 上加1即可。

func (c *Cache) Get(key string) (interface{}, bool) {
  value, ok := c.doGet(key)
  if ok {
    // 命中hit+1
    c.stats.IncrementHit()
  } else {
    // 未命中miss+1
    c.stats.IncrementMiss()
  }

  return value, ok
}

多線程存取

當多個協程并發存取的時候，對于緩存來說，涉及的問題以下幾個：

• 寫-寫沖突

• LRU 中元素的移動過程沖突

• 并發執行寫入緩存時，造成流量沖擊或者無效流量

這種情況下，寫沖突好解決，最簡單的方法就是 加鎖 ：

// Set(key, value)
func (c *Cache) Set(key string, value interface{}) {
  // 加鎖，然后將 <key, value> 作為鍵值對寫入 cache 中的 map
  c.lock.Lock()
  _, ok := c.data[key]
  c.data[key] = value
  // lru add key
  c.lruCache.add(key)
  c.lock.Unlock()
  ...
}

// 還有一個在操作 LRU 的地方時：Get()
func (c *Cache) doGet(key string) (interface{}, bool) {
  c.lock.Lock()
  defer c.lock.Unlock()
  // 當key存在時，則調整 LRU item 中的位置，這個過程也是加鎖的
  value, ok := c.data[key]
  if ok {
    c.lruCache.add(key)
  }

  return value, ok
}

而并發執行寫入邏輯，這個邏輯主要是開發者自己傳入的。而這個過程：

func (c *Cache) Take(key string, fetch func() (interface{}, error)) (interface{}, error) {
  // 1. 先獲取 doGet() 中的值
  if val, ok := c.doGet(key); ok {
    c.stats.IncrementHit()
    return val, nil
  }

  var fresh bool
  // 2. 多協程中通過 sharedCalls 去獲取，一個協程獲取多個協程共享結果
  val, err := c.barrier.Do(key, func() (interface{}, error) {
    // double check，防止多次讀取
    if val, ok := c.doGet(key); ok {
      return val, nil
    }
    ...
    // 重點是執行了傳入的緩存設置函數
    val, err := fetch()
    ...
    c.Set(key, val)
  })
  if err != nil {
    return nil, err
  }
  ...
  return val, nil
}

而 sharedCalls 通過共享返回結果，節省了多次執行函數，減少了協程競爭。

以上就是如何提高進程內緩存的并發，小編相信有部分知識點可能是我們日常工作會見到或用到的。希望你能通過這篇文章學到更多知識。更多詳情敬請關注億速云行業資訊頻道。