C++高并發場景下讀多寫少的優化方案-有解無憂

C++高并發場景下讀多寫少的優化方案

概述

一談到高并發的優化方案，往往能想到模塊水平拆分、資料庫讀寫分離、分庫分表，加快取、加mq等，這些都是從系統架構上解決，單模塊作為系統的組成單元，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，探討其解決方案，以其更好的實作高并發，
不同的業務場景，讀和寫的頻率各有側重，有兩種常見的業務場景：

讀多寫少：典型場景如廣告檢索端、白名單更新維護、loadbalancer
讀少寫多：典型場景如qps統計

本文針對讀多寫少（也稱一寫多讀）場景下遇到的問題進行分析，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，往往能到達預期的效果，保證資料更新正確，
加鎖的模型

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，等到寫執行緒或協程釋放鎖之后才能讀，如果寫的臨界區耗時比較大，則所有的讀請求都會受影響，從監控圖上看，這時候會有一根很尖的耗時毛刺，所有的讀請求都在佇列中等待處理，如果在下個更新周期來之前，服務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，就會形成一個惡性回圈，不斷的有讀請求在佇列中等待，最終導致佇列被擠滿，服務出現假死，情況再惡劣一點的話，上游服務發現某個節點假死后，由于負載均衡策略，一般會重試請求其他節點，這時候其他節點的壓力跟著增加了，最終導致整個系統出現雪崩，
因此，加鎖在高并發場景下要盡量避免，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加鎖，在高并發場景下不是一種合適的解決方案

雙緩沖

有一種資料結構叫雙緩沖，其這種資料結構很常見，例如顯示屏的顯示原理，顯示屏顯示的當前幀，下一幀已經在后臺的buffer準備好，等時間周期一到，就直接替換前臺幀，這樣能做到無卡頓的重繪，其實作的指導思想是空間換時間，這種資料結構的作業原理如下：

資料分為前臺和后臺
所有讀執行緒讀前臺資料，不用加鎖，通過一個指標來指向當前讀的前臺資料
只有一個執行緒負責更新，更新的時候，先準備好后臺資料，接著直接切指標，這之后所有新進來的讀請求都看到了新的前臺資料
有部分讀還落在老的前臺那里處理，因為更新還不算完成，也就不能退出寫執行緒，寫執行緒需要等待所有落在老前臺的執行緒讀完成后，才能退出，在退出之前，順便再更新一遍老前臺資料（也就當前的新后臺），可以保證前后臺資料一致，這點在做增量更新的時候有用

工程實作上需要攻克的難點

寫執行緒要怎么知道所有的讀執行緒在老前臺中的讀完成了呢？
一種做法是讓各個讀執行緒都維護一把鎖，讀的時候鎖住，這時候不會影響其他執行緒的讀，但會影響寫，讀完后釋放鎖(某些時候可能會有通知寫執行緒的開銷，但由于寫的頻率很低，所以這點開銷還能接受)，寫執行緒只需要確認鎖有沒有釋放了，確認完了后馬上釋放，確認這個動作非常快（小于25ns，1s=1000ms=1000000us=1000000000ns），讀執行緒幾乎不會感覺到鎖的存在，
每個執行緒都有一把自己的鎖，需要用全域的map來做執行緒id和鎖的映射嗎？
不需要，而且這樣做全域map就要加全域鎖了，又回到了剛開始分析中遇到的問題了，其實，每個執行緒可以有私有存盤（thread local storage，簡稱TLS），如果是協程，就對應這協程的TLS（但對于go語言，官方是不支持TLS的，想實作類似功能，要么就想辦法獲取到TLS，要么就不要基于協程鎖，而是用全域鎖，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作），這樣每個讀執行緒鎖的是自己的鎖，不會影響到其他的讀執行緒，鎖的目的僅僅是為了保證讀優先，
對于執行緒私有存盤，可以使用pthread_key_create, pthread_setspecific，pthread_getspecific系列函式

核心代碼實作

讀

template <typename T, typename TLS>
int DoublyBufferedData<T, TLS>::Read(
    typename DoublyBufferedData<T, TLS>::ScopedPtr* ptr) { // ScopedPtr析構的時候，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 = https://www.cnblogs.com/longbozhan/p/UnsafeRead();
        ptr->_w = w;
        return 0;
    }
    w = AddWrapper();
    if (BAIDU_LIKELY(w != NULL)) {
        const int rc = pthread_setspecific(_wrapper_key, w); // 首次讀，設定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;
    }
    // 切指標
    _index.store(bg_index, butil::memory_order_release);	
    bg_index = !bg_index;
    // 等所有讀老前臺的執行緒讀結束
    {
        BAIDU_SCOPED_LOCK(_wrappers_mutex);
        for (size_t i = 0; i < _wrappers.size(); ++i) {
            _wrappers[i]->WaitReadDone();
        }
    }
    // 確認沒有讀了，直接修改新后臺資料，對其新前臺
    const size_t ret2 = fn(_data[bg_index]);
    return ret2;
}

完整實作請參考brpc的DoublyBufferData

擴展實作

基于計數器的實作

基于計數器，用atomic，保證原子性，讀進入臨界區，計數器+1，退出-1，寫判斷計數器為0則切換（但在計數器為0和切換中間，不能保證沒有新的讀進來，這時候也要鎖），而且計數器是全域鎖，這種方案C++也可以采取，只是計數器畢竟也是全域鎖，性能會差那么一丟丟，即使用智能指標shared_ptr，也會面臨切換之前計數器有變成非0的問題，之所以用計數器，而不用TLS，是因為有些語言，如golang，不支持TLS，對比TLS版本和計數器版本，TLS性能更優，因為沒有搶計數器的互斥問題，大概耗費700ns，很多嗎？搶計數器本身很快，性能沒測驗過，可以試試，

golang中sync.Map的實作

也是基于計數器，只是計數器是為了讓讀前臺快取失效的概率不要太高，有抑制和收斂的作用，實作了讀的無鎖，少部分情況下，前臺快取讀不到資料的時候，會去讀后臺快取，這時候也要加鎖，同時計數器+1，計數器數值達到一定程度（超過后臺快取的元素個數），就執行切換

是否適用于讀少寫多的場景

不合適，雙緩沖優先保證讀的性能，寫多讀少的場景需要優先保證寫的性能，

C++高并發場景下讀多寫少的優化方案