那些年咱們一塊兒追過的緩存寫法(三)

時間 2019-11-18

標籤那些年咱們一塊兒追過緩存寫法简体版

原文原文鏈接

上篇介紹了多級緩存，本章詳細介紹下內存緩存該如何設計。html

閱讀目錄:redis

分析設計

假設有個項目有比較高的併發量，要用到多級緩存，以下：算法

在實際設計一個內存緩存前，須要考慮的問題：數據庫

1：內存與Redis的數據置換，儘量在內存中提升數據命中率，減小下一級的壓力。緩存

2：內存容量的限制，須要控制緩存數量。安全

3：熱點數據更新不一樣，須要可配置單個key過時時間。數據結構

4：良好的緩存過時刪除策略。併發

5：緩存數據結構的複雜度儘量的低。性能

關於置換及命中率：採用LRU算法，由於它實現簡單，緩存key命中率也很好。this

LRU便是：把最近最少訪問的數據給淘汰掉，常常被訪問到便是熱點數據。

關於LRU數據結構：由於key優先級提高和key淘汰，因此需要順序結構，網上大多實現都採用的這種鏈表結構。

即新數據插入到鏈表頭部、被命中時的數據移動到頭部，添加複雜度O(1)，移動和獲取複雜度O(N)。

有沒複雜度更低的呢？有Dictionary，複雜度爲O(1)，性能最好。那如何保證緩存的優先級提高呢？

O(1)LRU實現

定義個LRUCache<TValue>類，構造參數maxKeySize 來控制緩存最大數量。

使用ConcurrentDictionary來做爲咱們的緩存容器，並能保證線程安全。

 public class LRUCache<TValue> : IEnumerable<KeyValuePair<string, TValue>>
    {
        private long ageToDiscard = 0;  //淘汰的年齡起點
        private long currentAge = 0;        //當前緩存最新年齡
        private int maxSize = 0;          //緩存最大容量
        private readonly ConcurrentDictionary<string, TrackValue> cache;
        public LRUCache(int maxKeySize)
        {
            cache = new ConcurrentDictionary<string, TrackValue>();
            maxSize = maxKeySize;
        }
    }

上面定義了 ageToDiscard、currentAge 這2個自增值參數，做用是標記緩存列表中各個key的新舊程度。

實現步驟以下：

每次添加key時，currentAge自增並將currentAge值分配給這個緩存值的age，currentAge一直自增。

 public void Add(string key, TValue value)
        {
            Adjust(key);
            var result = new TrackValue(this, value);
            cache.AddOrUpdate(key, result, (k, o) => result);
        }
        public class TrackValue
        {
            public readonly TValue Value;
            public long Age;
            public TrackValue(LRUCache<TValue> lv, TValue tv)
            {
                Age = Interlocked.Increment(ref lv.currentAge);
                Value = tv;
            }
        }

在添加時，如超過最大數量，檢查字典裏是否有ageToDiscard年齡的key，如沒有循環自增檢查，有則刪除、添加成功。

其ageToDiscard+maxSize= currentAge ，這樣設計就能在O(1)下保證能夠淘汰舊數據，而不是使用鏈表移動。

  public void Adjust(string key)
        {
            while (cache.Count >= maxSize)
            {
                long ageToDelete = Interlocked.Increment(ref ageToDiscard);
                var toDiscard =
                      cache.FirstOrDefault(p => p.Value.Age == ageToDelete);
                if (toDiscard.Key == null)
                    continue;
                TrackValue old;
                cache.TryRemove(toDiscard.Key, out old);
            }
        }

獲取key的時候表示它又被人訪問，將最新的currentAge賦值給它，增長它的年齡：

  public TValue Get(string key)
        {
            TrackValue value=null;
            if (cache.TryGetValue(key, out value))
            {
                value.Age = Interlocked.Increment(ref currentAge);
            }
            return value.Value;
        }

過時刪除策略

大多數狀況下，LRU算法對熱點數據命中率是很高的。但若是忽然大量偶發性的數據訪問，會讓內存中存放大量冷數據，也便是緩存污染。

會引發LRU沒法命中熱點數據，致使緩存系統命中率急劇降低，也可使用LRU-K、2Q、MQ等變種算法來提升命中率。

過時配置

經過設定最大過時時間來儘可能避免冷數據常駐內存。

多數狀況每一個數據緩存的時間要求不一致的，因此須要再增長單個key的過時時間字段。

 private TimeSpan maxTime;
 public LRUCache(int maxKeySize,TimeSpan maxExpireTime){}

  //TrackValue增長建立時間和過時時間
 public readonly DateTime CreateTime;
 public readonly TimeSpan ExpireTime;

刪除策略

關於key過時刪除，最好的方式是使用定時刪除，這樣能夠最快的釋放被佔用的內存，但很明顯大量的定時器對CPU來講是很是不友好的。

因此須要採用惰性刪除、在獲取key的時檢查是否過時，過時直接刪除。

public Tuple<TrackValue, bool> CheckExpire(string key)
        {
            TrackValue result;
            if (cache.TryGetValue(key, out result))
            {
                var age = DateTime.Now.Subtract(result.CreateTime);
                if (age >= maxTime || age >= result.ExpireTime)
                {
                    TrackValue old;
                    cache.TryRemove(key, out old);
                    return Tuple.Create(default(TrackValue), false);
                }
            }
            return Tuple.Create(result, true);
        }

惰性刪除雖然性能最好，但對於冷數據來講仍是沒解決緩存污染的問題，因此還需增長個按期清理和惰性刪除配合使用。

好比單開個線程每5分鐘去遍歷檢查key是否過時，這個時間策略是可配置的，若是緩存數量較多可分批遍歷檢查。

public void Inspection()
        {
            foreach (var item in this)
            {
                CheckExpire(item.Key);
            }
        }

惰性刪除配合按期刪除基本上能知足絕大多數要求了。