[[273764]]

一、需求緣起

【業務場景】

有一類寫多讀少的業務場景：大部分請求是對數據進行修改，少部分請求對數據進行讀取。

例子1：滴滴打車，某個司機地理位置信息的變化(可能每幾秒鐘有一個修改)，以及司機地理位置的讀取(用戶打車的時候查看某個司機的地理位置)。

void SetDriverInfo(long driver_id, DriverInfoi); // 大量請求調用修改司機信息，可能主要是GPS位置的修改

DriverInfo GetDriverInfo(long driver_id); // 少量請求查詢司機信息

例子2：統計計數的變化，某個url的訪問次數，用戶某個行為的反作弊計數(計數值在不停的變)以及讀取(只有少數時刻會讀取這類數據)。

void AddCountByType(long type); // 大量增加某個類型的計數，修改比較頻繁

long GetCountByType(long type); // 少量返回某個類型的計數

【底層實現】

具體到底層的實現，往往是一個Map(本質是一個定長key，定長value的緩存結構)來存儲司機的信息，或者某個類型的計數。

【臨界資源】

這個Map存儲了所有信息，當并發讀寫訪問時，它作為臨界資源，在讀寫之前，一般要進行加鎖操作，以司機信息存儲為例：

void SetDriverInfo(long driver_id, DriverInfoinfo){ 
 WriteLock (m_lock); 
 Map<driver_id>= info; 
 UnWriteLock(m_lock); 
} 
DriverInfo GetDriverInfo(long driver_id){ 
 DriverInfo t; 
 ReadLock(m_lock); 
 t= Map<driver_id>; 
 UnReadLock(m_lock); 
 return t; 
} 

【并發鎖瓶頸】

假設滴滴有100w司機同時在線，每個司機沒5秒更新一次經緯度狀態，那么每秒就有20w次寫并發操作。假設滴滴日訂單1000w個，平均每秒大概也有300個下單，對應到查詢并發量，可能是1000級別的并發讀操作。

上述實現方案沒有任何問題，但在并發量很大的時候(每秒20w寫，1k讀)，鎖m_lock會成為潛在瓶頸，在這類高并發環境下寫多讀少的業務倉井，如何來進行優化，是本文將要討論的問題。

二、水平切分+鎖粒度優化

上文中之所以鎖沖突嚴重，是因為所有司機都公用一把鎖，鎖的粒度太粗(可以認為是一個數據庫的“庫級別鎖”)，是否可能進行水平拆分(類似于數據庫里的分庫)，把一個庫鎖變成多個庫鎖，來提高并發，降低鎖沖突呢?顯然是可以的，把1個Map水平切分成多個Map即可：

void SetDriverInfo(long driver_id, DriverInfoinfo){ 
 i= driver_id % N; // 水平拆分成N份，N個Map，N個鎖 
 WriteLock (m_lock [i]); //鎖第i把鎖 
 Map[i]<driver_id>= info; // 操作第i個Map 
 UnWriteLock (m_lock[i]); // 解鎖第i把鎖 
} 

每個Map的并發量(變成了1/N)和數據量都降低(變成了1/N)了，所以理論上，鎖沖突會成平方指數降低。

分庫之后，仍然是庫鎖，有沒有辦法變成數據庫層面所謂的“行級鎖”呢，難道要把x條記錄變成x個Map嗎，這顯然是不現實的。

三、MAP變Array+最細鎖粒度優化

假設driver_id是遞增生成的，并且緩存的內存比較大，是可以把Map優化成Array，而不是拆分成N個Map，是有可能把鎖的粒度細化到最細的(每個記錄一個鎖)。

void SetDriverInfo(long driver_id, DriverInfoinfo){ 
 index= driver_id; 
 WriteLock (m_lock [index]); //超級大內存，一條記錄一個鎖，鎖行鎖 
 Array[index]= info; //driver_id就是Array下標 
 UnWriteLock (m_lock[index]); // 解鎖行鎖 
} 

和上一個方案相比，這個方案使得鎖沖突降到了最低，但鎖資源大增，在數據量非常大的情況下，一般不這么搞。數據量比較小的時候，可以一個元素一個鎖的(典型的是連接池，每個連接有一個鎖表示連接是否可用)。

上文中提到的另一個例子，用戶操作類型計數，操作類型是有限的，即使一個type一個鎖，鎖的沖突也可能是很高的，還沒有方法進一步提高并發呢?

四、把鎖去掉，變成無鎖緩存

【無鎖的結果】

void AddCountByType(long type /*, int count*/){ 
 //不加鎖 
 Array[type]++; // 計數++ 
 //Array[type] += count; // 計數增加count 
} 

如果這個緩存不加鎖，當然可以達到最高的并發，但是多線程對緩存中同一塊定長數據進行操作時，有可能出現不一致的數據塊，這個方案為了提高性能，犧牲了一致性。在讀取計數時，獲取到了錯誤的數據，是不能接受的(作為緩存，允許cache miss，卻不允許讀臟數據)。

【臟數據是如何產生的】

這個并發寫的臟數據是如何產生的呢，詳見下圖：

1)線程1對緩存進行操作，對key想要寫入value1

2)線程2對緩存進行操作，對key想要寫入value2

3)如果不加鎖，線程1和線程2對同一個定長區域進行一個并發的寫操作，可能每個線程寫成功一半，導致出現臟數據產生，最終的結果即不是value1也不是value2，而是一個亂七八糟的不符合預期的值value-unexpected。

【數據完整性問題】

并發寫入的數據分別是value1和value2，讀出的數據是value-unexpected，數據的篡改，這本質上是一個數據完整性的問題。通常如何保證數據的完整性呢?

例子1：運維如何保證，從中控機分發到上線機上的二進制沒有被篡改?

回答：md5

例子2：即時通訊系統中，如何保證接受方收到的消息，就是發送方發送的消息?

回答：發送方除了發送消息本身，還要發送消息的簽名，接收方收到消息后要校驗簽名，以確保消息是完整的，未被篡改。

當當當當 => “簽名”是一種常見的保證數據完整性的常見方案。

【加上簽名之后的流程】

加上簽名之后，不但緩存要寫入定長value本身，還要寫入定長簽名(例如16bitCRC校驗)：

1)線程1對緩存進行操作，對key想要寫入value1，寫入簽名v1-sign

2)線程2對緩存進行操作，對key想要寫入value2，寫入簽名v2-sign

3)如果不加鎖，線程1和線程2對同一個定長區域進行一個并發的寫操作，可能每個線程寫成功一半，導致出現臟數據產生，最終的結果即不是value1也不是value2，而是一個亂七八糟的不符合預期的值value-unexpected，但簽名，一定是v1-sign或者v2-sign中的任意一個

4)數據讀取的時候，不但要取出value，還要像消息接收方收到消息一樣，校驗一下簽名，如果發現簽名不一致，緩存則返回NULL，即cache miss。

當然，對應到司機地理位置，與URL訪問計數的case，除了內存緩存之前，肯定需要timer對緩存中的數據定期落盤，寫入數據庫，如果cache miss，可以從數據庫中讀取數據。

五、總結

在【超高并發】，【寫多讀少】，【定長value】的【業務緩存】場景下：

1)可以通過水平拆分來降低鎖沖突

2)可以通過Map轉Array的方式來最小化鎖沖突，一條記錄一個鎖

3)可以把鎖去掉，最大化并發，但帶來的數據完整性的破壞

4)可以通過簽名的方式保證數據的完整性，實現無鎖緩存