探索c#之storm的TimeCacheMap

时间:2021-06-13 03:32:52

阅读目录:

  1. 概述
  2. 算法介绍
  3. 清理线程
  4. 获取、插入、删除
  5. 总结

概述

最近在看storm,发现其中的TimeCacheMap算法设计颇为高效,就简单分享介绍下。
思考一下如果需要一个带过期淘汰的缓存容器,我们通常会使用定时器或线程去扫描容器,以便判断是否过期从而删除。但这样性能并不友好,在数据量较大时O(n)检查是一笔不小的开销,并且在大量过期数据删除时需要频繁对容器加锁,这会多少会影响到正常的数据读写删除。
Storm设计了一种比较高效的时间缓存容器TimeCacheMap,它的算法可以在某个时间周期内将数据批量删除,一次批量删除只需要加一次锁即可,并且其读写删除复杂度均为O(1)。

算法介绍

TimeCacheMap把要缓存的数据分拆存储到多个小容器内,这里称为桶。另外有个线程专门在一定时间内去扫描这些桶,一旦发现过期后就把整个桶的数据给删除掉。 其中第二步比较关键,它并不是传统意义上的去定时扫描,而是根据过期时间来触发,比如如果一个桶过期时间10s,那么这个线程就10秒触发一次把整个桶删除即可,当然多个桶的触发策略会有所不同,但思路是同一个。   
为了更详细的描述,用代码和例子介绍如下:

    private LinkedList<Dictionary<K, V>> buckets;
private readonly object Obj = new object();
private static readonly int NumBuckets = ;
private Thread cleaner;

上面使用了k、v的形式作为缓存数据结构,每个Dictionary是一个桶,然后使用链表把多个桶存储起来。Obj是要锁的对象,NumBuckets是桶的数量,cleaner是清理线程。
在缓存初始化的时候,会实例三个空桶加入到buckets,清理线程开始启动循环检查,假设过期时间时30秒,桶的数量为3,当有新数据进来时,会全部加入到第一个桶中。

探索c#之storm的TimeCacheMap

为了删除性能,清理线程会定期把整个桶给删除掉,一般我们会每次把链表中最后一个桶给清理掉,然后再加入一个新桶到链表头部。
这种情况下就不能按照缓存过期时间去触发线程清理了,因为有三个桶,如果每30秒触发线程清理掉最后一个桶,那么第三个桶要等到第90秒才开始清理,很明显这样是不合理的。 正确的应该是第30秒开始清理,这时就需要调整线程触发时间,比如调整成10秒,继续模拟下:

  1. 触发前1秒插入新数据到第一个桶,如果调整成10秒触发,等到触发删除这个桶时才过了20秒,跟缓存过期时间30秒不一致同样不合理,不管是1秒还是9秒都会导致提前删除数据,需要继续调整触发时间。
  2. 如上缓存提前删除不能允许的,但延迟删除一般是可以接受的,因此可以加入一些冗余时间来保证不会提前删除。 这里调整到15秒触发,触发前1秒插入的缓存桶正好在30秒后触发删除,达到不会提前删除的目的。
  3. 如上在触发前14秒插入数据,那就需要过了30秒+14秒才能删除。

根据上面的模拟,调整到15秒触发是一个比较合理的值,因此推出缓存最长过期时间的公式为:

expirationSecs * ( +  / (numBuckets-))

如果过期时间是30秒,其最长删除时间是:

*(+/(-))=*(+0.5)=  

因此其过期时间范围即为expirationSecs到expirationSecs * (1 + 1 / (numBuckets-1))之间。

清理线程

如上算法的介绍,我们在类型的构造函数中,实例化并启动清理线程:

 public TimeCacheMap(int expirationSecs, int numBuckets, ExpiredCallBack ex)
{
if (numBuckets < )
throw new ArgumentException("numBuckets must be >=2");
this.buckets = new LinkedList<Dictionary<K, V>>();
for (int i = ; i < numBuckets; i++)
buckets.AddFirst(new Dictionary<K, V>());
var expirationMillis = expirationSecs * ;
var sleepTime = expirationMillis / (numBuckets - );
cleaner = new Thread(() =>
{
while (true)
{
Dictionary<K, V> dead = null;
Thread.Sleep(sleepTime);
lock (Obj)
{
dead = buckets.Last();
buckets.RemoveLast();
buckets.AddFirst(new Dictionary<K, V>());
}
if (ex != null)
ex(dead);
}
});
cleaner.IsBackground = true;
cleaner.Start();
}

代码执行步骤:

  1. 初始化桶加入到链表
  2. 计算缓存数据最长过期时间,并作为线程休眠的时间。
  3. 线程触发时删除最后一个桶并加入新的桶
  4. 不断循环休眠触发触发
  5. 启动线程

整个桶的数据删除只需要加一次锁即可,保证其高效。

获取、插入、删除

遍历整个链表,查询到第一个满足key的立即返回,这需要保证不会有重复key。

   public V Get(K key)
{
lock (Obj)
{
foreach (var item in buckets)
{
if (item.ContainsKey(key))
return item[key];
}
return default(V);
}
}

在插入时删除对应的key,保证不会有重复的key出现。

 public void Put(K key, V value)
{
lock (Obj)
{
foreach (var item in buckets)
{
item.Remove(key);
}
buckets.First().Add(key, value);
}
}

删除对应的key

    public void Remove(K key)
{
lock (Obj)
{
foreach (var item in buckets)
{
if (item.ContainsKey(key))
item.Remove(key);
}
}
}

总结

那些年我们一起追过的缓存写法(三)中有介绍过关于惰性删除及高效LRU算法优化缓存容器的过期,有兴趣的童鞋可以看看。
完整代码中有容器Size、ContainsKey的实现,github-TimeCacheMap.c#
在storm中,spout发射的消息和acker的消息即保存在各自的TimeCacheMap里,如果消息超时后会自动通知spout的fail方法。 在storm0.8后TimeCacheMap被弃用了,使用的是新的RotatingMap,但设计和实现基本没变,github-TimeCacheMap.javagithub-RotatingMap.java