教你打造高性能的 Go 緩存庫

作者：騰訊技術工程 2021-05-27 10:02:57

本文會通過模仿它寫一個簡單的緩存庫，從而研究其內核是如何實現(xiàn)這樣的目標的。希望各位能有所收獲。

我在看一些優(yōu)秀的開源庫的時候看到一個有意思的緩存庫 fastcache，在它的介紹主要有以下幾點特點：

讀寫數(shù)據(jù)要快，即使在并發(fā)下;
即使在數(shù) GB 的緩存中，也要保持很好的性能，以及盡可能減少 GC 次數(shù);
設計盡可能簡單;

本文會通過模仿它寫一個簡單的緩存庫，從而研究其內核是如何實現(xiàn)這樣的目標的。希望各位能有所收獲。

設計思想

在項目中，我們經(jīng)常會用到 Go 緩存庫比如說 patrickmn/go-cache庫。但很多緩存庫其實都是用一個簡單的 Map 來存放數(shù)據(jù)，這些庫在使用的時候，當并發(fā)低，數(shù)據(jù)量少的時候是沒有問題的，但是在數(shù)據(jù)量比較大并發(fā)比較高的時候會延長 GC 時間，增加內存分配次數(shù)。

比如，我們使用一個簡單的例子：

func main() { 
 a := make(map[string]string, 1e9) 
 for i := 0; i < 10; i++ { 
  runtime.GC() 
 } 
 runtime.KeepAlive(a) 
}

在這個例子中，預分配了大小是10億(1e9) 的 map，然后我們通過 gctrace 輸出一下 GC 情況：

做實驗的環(huán)境是 Linux，機器配置是 16C 8G ，想要更深入理解 GC，可以看這篇：《 Go 語言 GC 實現(xiàn)原理及源碼分析 https://www.luozhiyun.com/archives/475 》

[root@localhost gotest]# GODEBUG=gctrace=1 go run main.go 
... 
gc 6 @13.736s 17%: 0.010+1815+0.004 ms clock, 0.17+0/7254/21744+0.067 ms cpu, 73984->73984->73984 MB, 147968 MB goal, 16 P (forced) 
gc 7 @15.551s 18%: 0.012+1796+0.005 ms clock, 0.20+0/7184/21537+0.082 ms cpu, 73984->73984->73984 MB, 147968 MB goal, 16 P (forced) 
gc 8 @17.348s 19%: 0.008+1794+0.004 ms clock, 0.14+0/7176/21512+0.070 ms cpu, 73984->73984->73984 MB, 147968 MB goal, 16 P (forced) 
gc 9 @19.143s 19%: 0.010+1819+0.005 ms clock, 0.16+0/7275/21745+0.085 ms cpu, 73984->73984->73984 MB, 147968 MB goal, 16 P (forced) 
gc 10 @20.963s 19%: 0.011+1844+0.004 ms clock, 0.18+0/7373/22057+0.076 ms cpu, 73984->73984->73984 MB, 147968 MB goal, 16 P (forced)

上面展示了最后 5 次 GC 的情況，下面我們看看具體的含義是什么：

gc 1 @0.004s 4%: 0.22+1.4+0.021 ms clock, 1.7+0.009/0.40/0.073+0.16 ms cpu, 4->5->1 MB, 5 MB goal, 8 P  
gc 10 @20.963s 19%: 0.011+1844+0.004 ms clock, 0.18+0/7373/22057+0.076 ms cpu, 73984->73984->73984 MB, 147968 MB goal, 16 P (forced) 
 
gc 10 ：程序啟動以來第10次GC  
@20.963s：距離程序啟動到現(xiàn)在的時間  
19%：當目前為止，GC 的標記工作所用的CPU時間占總CPU的百分比

垃圾回收的時間

gc 1 @0.004s 4%: 0.22+1.4+0.021 ms clock, 1.7+0.009/0.40/0.073+0.16 ms cpu, 4->5->1 MB, 5 MB goal, 8 P 
 
gc 10 @20.963s 19%: 0.011+1844+0.004 ms clock, 0.18+0/7373/22057+0.076 ms cpu, 73984->73984->73984 MB, 147968 MB goal, 16 P (forced) 
 
gc 10 ：程序啟動以來第10次GC 
@20.963s：距離程序啟動到現(xiàn)在的時間 
19%：當目前為止，GC 的標記工作所用的CPU時間占總CPU的百分比 
 
垃圾回收的時間 
0.011 ms：標記開始 STW 時間 
1844 ms：并發(fā)標記時間 
0.004 ms：標記終止 STW 時間 
 
垃圾回收占用cpu時間 
0.18 ms：標記開始 STW 時間 
0 ms：mutator assists占用的時間 
7373 ms：標記線程占用的時間 
22057 ms：idle mark workers占用的時間 
0.076 ms：標記終止 STW 時間 
 
內存 
73984 MB：標記開始前堆占用大小 
73984 MB：標記結束后堆占用大小 
73984 MB：標記完成后存活堆的大小 
147968 MB goal：標記完成后正在使用的堆內存的目標大小 
 
16 P：使用了多少處理器

可以從上面的輸出看到每次 GC 處理的時間非常的長，占用的 CPU 資源也非常多。那么造成這樣的原因是什么呢?

string 實際上底層數(shù)據(jù)結構是由兩部分組成，其中包含指向字節(jié)數(shù)組的指針和數(shù)組的大小：

type StringHeader struct { 
 Data uintptr 
 Len  int 
}

由于 StringHeader中包含指針，所以每次 GC 的時候都會掃描每個指針，那么在這個巨大的 map中是包含了非常多的指針的，所以造成了巨大的資源消耗。

在上面的例子 map a 中數(shù)據(jù)大概是這樣存儲：

一個 map 中里面有多個 bucket ，bucket 里面有一個 bmap 數(shù)組用來存放數(shù)據(jù)，但是由于 key 和 value 都是 string 類型的，所以在 GC 的時候還需要根據(jù) StringHeader中的 Data指針掃描 string 數(shù)據(jù)。

對于這種情況，如果所有的 string 字節(jié)都在一個單一內存片段中，我們就可以通過偏移來追蹤某個字符串在這段內存中的開始和結束位置。通過追蹤偏移，我們不在需要在我們大數(shù)組中存儲指針，GC 也不在會被困擾。如下：

如同上面所示，如果我們將字符串中的字節(jié)數(shù)據(jù)拷貝到一個連續(xù)的字節(jié)數(shù)組 chunks 中，并為這個字節(jié)數(shù)組提前分配好內存，并且僅存儲字符串在數(shù)組中的偏移而不是指針。

除了上面所說的優(yōu)化內容以外，還有其他的方法嗎?

其實我們還可以直接從系統(tǒng) OS 中調用 mmap syscall 進行內存分配，這樣 GC 就永遠不會對這塊內存進行內存管理，因此也就不會掃描到它。如下：

func main() { 
    test := "hello syscall" 
 data, _ := syscall.Mmap(-1, 0, 13, syscall.PROT_READ|syscall.PROT_WRITE, syscall.MAP_ANON|syscall.MAP_PRIVATE) 
 p := (*[13]byte)(unsafe.Pointer(&data[0])) 
 
 for i := 0; i < 13; i++ { 
  p[i] = test[i] 
 } 
 fmt.Println(string(p[:])) 
}

通過系統(tǒng)調用直接向 OS 申請了 13bytes 的內存，然后將一個字符串寫入到申請的內存數(shù)組中。

所以我們也可以通過提前向 OS 申請一塊內存，而不是用的時候才申請內存，減少頻繁的內存分配從而達到提高性能的目的。

源碼實戰(zhàn)

API

我們在開發(fā)前先把這個庫的 API 定義一下：

func New

func New(maxBytes int) *Cache

創(chuàng)建一個 Cache 結構體，傳入預設的緩存大小，單位是字節(jié)。

func (*Cache) Get

func (c *Cache) Get(k []byte) []byte

獲取 Cache 中的值，傳入的參數(shù)是 byte 數(shù)組。

func (*Cache) Set

func (c *Cache) Set(k, v []byte)

設置鍵值對到緩存中，k 是鍵，v 是值，參數(shù)都是 byte 數(shù)組。

結構體

const bucketsCount = 512 
 
type Cache struct { 
 buckets [bucketsCount]bucket 
} 
 
type bucket struct { 
 // 讀寫鎖 
 mu sync.RWMutex 
 
 // 二維數(shù)組，存放數(shù)據(jù)的地方，是一個環(huán)形鏈表 
 chunks [][]byte 
 
 // 索引字典 
 m map[uint64]uint64 
 
 // 索引值 
 idx uint64 
 
 // chunks 被重寫的次數(shù)，用來校驗環(huán)形鏈表中數(shù)據(jù)有效性 
 gen uint64 
}

通過我們上面的分析，可以看到，實際上真正存放數(shù)據(jù)的地方是 chunks 二維數(shù)組，在實現(xiàn)上是通過 m 字段來映射索引路徑，根據(jù) chunks 和 gen 兩個字段來構建一個環(huán)形鏈表，環(huán)形鏈表每轉一圈 gen 就會加一。

初始化

func New(maxBytes int) *Cache { 
 if maxBytes <= 0 { 
  panic(fmt.Errorf("maxBytes must be greater than 0; got %d", maxBytes)) 
 } 
 var c Cache 
 // 算出每個桶的大小 
 maxBucketBytes := uint64((maxBytes + bucketsCount - 1) / bucketsCount) 
 for i := range c.buckets[:] { 
    // 對桶進行初始化 
  c.buckets[i].Init(maxBucketBytes) 
 } 
 return &c 
}

我們會設置一個 New 函數(shù)來初始化我們 Cache 結構體，在 Cache 結構體中會將緩存的數(shù)據(jù)大小平均分配到每個桶中，然后對每個桶進行初始化。

const bucketSizeBits = 40 
const maxBucketSize uint64 = 1 << bucketSizeBits 
const chunkSize = 64 * 1024 
 
func (b *bucket) Init(maxBytes uint64) { 
 if maxBytes == 0 { 
  panic(fmt.Errorf("maxBytes cannot be zero")) 
 } 
  // 我們這里限制每個桶最大的大小是 1024 GB 
 if maxBytes >= maxBucketSize { 
  panic(fmt.Errorf("too big maxBytes=%d; should be smaller than %d", maxBytes, maxBucketSize)) 
 } 
 // 初始化 Chunks 中每個 Chunk 大小為 64 KB，計算 chunk 數(shù)量 
 maxChunks := (maxBytes + chunkSize - 1) / chunkSize 
 b.chunks = make([][]byte, maxChunks) 
 b.m = make(map[uint64]uint64) 
    // 初始化 bucket 結構體 
 b.Reset() 
}

在這里會將桶里面的內存按 chunk 進行分配，每個 chunk 占用內存約為 64 KB。在最后會調用 bucket 的 Reset 方法對 bucket 結構體進行初始化。

func (b *bucket) Reset() { 
 b.mu.Lock() 
 chunks := b.chunks 
 // 遍歷 chunks 
 for i := range chunks { 
  // 將 chunk 中的內存歸還到緩存中 
  putChunk(chunks[i]) 
  chunks[i] = nil 
 } 
 // 刪除索引字典中所有的數(shù)據(jù) 
 bm := b.m 
 for k := range bm { 
  delete(bm, k) 
 } 
 b.idx = 0 
 b.gen = 1 
 b.mu.Unlock() 
}

Reset 方法十分簡單，主要就是清空 chunks 數(shù)組、刪除索引字典中所有的數(shù)據(jù)以及重置索引 idx 和 gen 的值。

在上面這個方法中有一個 putChunk ，其實這個就是直接操作我們提前向 OS 申請好的內存，相應的還有一個 getChunk 方法。下面我們具體看看 Chunk 的操作。

Chunk 操作

getChunk

const chunksPerAlloc = 1024 
const chunkSize = 64 * 1024 
 
var ( 
 freeChunks     []*[chunkSize]byte 
 freeChunksLock sync.Mutex 
) 
 
func getChunk() []byte { 
 freeChunksLock.Lock() 
 if len(freeChunks) == 0 { 
  // 分配  64 * 1024 * 1024 = 64 MB 內存 
  data, err := syscall.Mmap(-1, 0, chunkSize*chunksPerAlloc, syscall.PROT_READ|syscall.PROT_WRITE, syscall.MAP_ANON|syscall.MAP_PRIVATE) 
  if err != nil { 
   panic(fmt.Errorf("cannot allocate %d bytes via mmap: %s", chunkSize*chunksPerAlloc, err)) 
  } 
        // 循環(huán)遍歷 data 數(shù)據(jù) 
  for len(data) > 0 { 
   //將從系統(tǒng)分配的內存分為 64 * 1024 = 64 KB 大小，存放到 freeChunks中 
   p := (*[chunkSize]byte)(unsafe.Pointer(&data[0])) 
   freeChunks = append(freeChunks, p) 
   data = data[chunkSize:] 
  } 
 } 
 //從 freeChunks 獲取最后一個元素 
 n := len(freeChunks) - 1 
 p := freeChunks[n] 
 freeChunks[n] = nil 
 freeChunks = freeChunks[:n] 
 freeChunksLock.Unlock() 
 return p[:] 
}

初次調用 getChunk 函數(shù)時會使用系統(tǒng)調用分配 64MB 的內存，然后循環(huán)將內存切成 1024 份，每份 64KB 放入到 freeChunks 空閑列表中。然后獲取每次都獲取 freeChunks 空閑列表最后一個元素 64KB 內存返回。需要注意的是 getChunk 會下下面將要介紹到的 Cache 的 set 方法中使用到，所以需要考慮到并發(fā)問題，所以在這里加了鎖。

putChunk

func putChunk(chunk []byte) { 
 if chunk == nil { 
  return 
 } 
 chunk = chunk[:chunkSize] 
 p := (*[chunkSize]byte)(unsafe.Pointer(&chunk[0])) 
 
 freeChunksLock.Lock() 
 freeChunks = append(freeChunks, p) 
 freeChunksLock.Unlock() 
}

putChunk 函數(shù)就是將內存數(shù)據(jù)還回到 freeChunks 空閑列表中，會在 bucket 的 Reset 方法中被調用。

Set

const bucketsCount = 512 
 
func (c *Cache) Set(k, v []byte) { 
 h := xxhash.Sum64(k) 
 idx := h % bucketsCount 
 c.buckets[idx].Set(k, v, h) 
}

Set 方法里面會根據(jù) k 的值做一個 hash，然后取模映射到 buckets 桶中，這里用的 hash 庫是 cespare/xxhash。

最主要的還是 buckets 里面的 Set 方法：

func (b *bucket) Set(k, v []byte, h uint64) { 
 // 限定 k v 大小不能超過 2bytes 
 if len(k) >= (1<<16) || len(v) >= (1<<16) { 
  return 
 } 
 // 4個byte 設置每條數(shù)據(jù)的數(shù)據(jù)頭 
 var kvLenBuf [4]byte 
  kvLenBuf[0] = byte(uint16(len(k)) >> 8) 
 kvLenBuf[1] = byte(len(k)) 
 kvLenBuf[2] = byte(uint16(len(v)) >> 8) 
 kvLenBuf[3] = byte(len(v)) 
 kvLen := uint64(len(kvLenBuf) + len(k) + len(v)) 
 // 校驗一下大小 
 if kvLen >= chunkSize { 
  return 
 } 
 
 b.mu.Lock() 
 // 當前索引位置 
 idx := b.idx 
 // 存放完數(shù)據(jù)后索引的位置 
 idxNew := idx + kvLen 
 // 根據(jù)索引找到在 chunks 的位置 
 chunkIdx := idx / chunkSize 
 chunkIdxNew := idxNew / chunkSize 
 // 新的索引是否超過當前索引 
 // 因為還有chunkIdx等于chunkIdxNew情況，所以需要先判斷一下 
 if chunkIdxNew > chunkIdx { 
  // 校驗是否新索引已到chunks數(shù)組的邊界 
  // 已到邊界，那么循環(huán)鏈表從頭開始 
  if chunkIdxNew >= uint64(len(b.chunks)) { 
   idx = 0 
   idxNew = kvLen 
   chunkIdx = 0 
   b.gen++ 
   // 當 gen 等于 1<<genSizeBits時，才會等于0 
   // 也就是用來限定 gen 的邊界為1<<genSizeBits 
   if b.gen&((1<<genSizeBits)-1) == 0 { 
    b.gen++ 
   } 
  } else { 
   // 未到 chunks數(shù)組的邊界,從下一個chunk開始 
   idx = chunkIdxNew * chunkSize 
   idxNew = idx + kvLen 
   chunkIdx = chunkIdxNew 
  } 
  // 重置 chunks[chunkIdx] 
  b.chunks[chunkIdx] = b.chunks[chunkIdx][:0] 
 } 
 chunk := b.chunks[chunkIdx] 
 if chunk == nil { 
  chunk = getChunk() 
  // 清空切片 
  chunk = chunk[:0] 
 } 
 // 將數(shù)據(jù) append 到 chunk 中 
 chunk = append(chunk, kvLenBuf[:]...) 
 chunk = append(chunk, k...) 
 chunk = append(chunk, v...) 
 b.chunks[chunkIdx] = chunk 
 // 因為 idx 不能超過bucketSizeBits，所以用一個 uint64 同時表示gen和idx 
 // 所以高于bucketSizeBits位置表示gen 
 // 低于bucketSizeBits位置表示idx 
 b.m[h] = idx | (b.gen << bucketSizeBits) 
 b.idx = idxNew 
 b.mu.Unlock() 
}

在這段代碼開頭實際上我會限制鍵值的大小不能超過 2bytes;
然后將 2bytes 大小長度的鍵值封裝到 4bytes 的 kvLenBuf 作為數(shù)據(jù)頭，數(shù)據(jù)頭和鍵值的總長度是不能超過一個 chunk 長度，也就是 64 * 1024;
然后計算出原索引 chunkIdx 和新索引 chunkIdxNew，用來判斷這次添加的數(shù)據(jù)加上原來的數(shù)據(jù)有沒有超過一個 chunk 長度;
根據(jù)新的索引找到對應的 chunks 中的位置，然后將鍵值以及 kvLenBuf 追加到 chunk 后面;
設置新的 idx 以及 m 字典對應的值，m 字典中存放的是 gen 和 idx 通過取與的放置存放。

在 Set 一個鍵值對會有 4bytes 的 kvLenBuf 作為數(shù)據(jù)頭，后面的數(shù)據(jù)會接著 key 和 value ，在 kvLenBuf 中，前兩個 byte 分別代表了 key 長度的低位和高位;后兩個 byte 分別代表了 value 長度的低位和高位，數(shù)據(jù)圖大致如下：

下面舉個例子來看看是是如何利用 chunks 這個二維數(shù)組來實現(xiàn)環(huán)形鏈表的。

我們在 bucket 的 Init 方法中會根據(jù)傳入 maxBytes 桶字節(jié)數(shù)來設置 chunks 的長度大小，由于每個 chunk 大小都是 64 * 1024bytes，那么我們設置 3 * 64 * 1024bytes 大小的桶，那么 chunks 數(shù)組長度就為 3。

如果當前算出 chunkIdx 在 chunks 數(shù)組為 1 的位置，并且在 chunks[1] 的位置中，還剩下 6bytes 未被使用，那么有如下幾種情況：

現(xiàn)在假設放入的鍵值長度都是 1byte，那么在 chunks[1] 的位置中剩下的 6bytes 剛好可以放下;

現(xiàn)在假設放入的鍵值長度超過了 1byte，那么在 chunks[1] 的位置中剩下的位置就放不下，只能放入到 chunks[2] 的位置中。

如果當前算出 chunkIdx 在 chunks 數(shù)組為 2 的位置，并且現(xiàn)在 Set 一個鍵值，經(jīng)過計算 chunkIdxNew 為 3，已經(jīng)超過了 chunks 數(shù)組長度，那么會將索引重置，重新將數(shù)據(jù)從 chunks[0] 開始放置，并將 gen 加一，表示已經(jīng)跑完一圈了。

Get

func (c *Cache) Get(dst, k []byte) []byte { 
   h := xxhash.Sum64(k) 
   idx := h % bucketsCount 
   dst, _ = c.buckets[idx].Get(dst, k, h, true) 
   return dst 
}

這里和 Set 方法是一樣的，首先是要找到對應的桶的位置，然后才去桶里面拿數(shù)據(jù)。需要注意的是，這里的 dst 可以從外部傳入一個切片，以達到減少重復分配返回值。

func (b *bucket) Get(dst, k []byte, h uint64,returnDst bool) ([]byte, bool) { 
 found := false 
 b.mu.RLock() 
 v := b.m[h] 
 bGen := b.gen & ((1 << genSizeBits) - 1) 
 if v > 0 { 
  // 高于bucketSizeBits位置表示gen 
  gen := v >> bucketSizeBits 
  // 低于bucketSizeBits位置表示idx 
  idx := v & ((1 << bucketSizeBits) - 1) 
  // 這里說明chunks還沒被寫滿 
  if gen == bGen && idx < b.idx || 
   // 這里說明chunks已被寫滿，并且當前數(shù)據(jù)沒有被覆蓋 
   gen+1 == bGen && idx >= b.idx || 
   // 這里是邊界條件gen已是最大，并且chunks已被寫滿bGen從1開始，，并且當前數(shù)據(jù)沒有被覆蓋 
   gen == maxGen && bGen == 1 && idx >= b.idx { 
   chunkIdx := idx / chunkSize 
   // chunk 索引位置不能超過 chunks 數(shù)組長度 
   if chunkIdx >= uint64(len(b.chunks)) { 
    goto end 
   } 
   // 找到數(shù)據(jù)所在的 chunk 
   chunk := b.chunks[chunkIdx] 
   // 通過取模找到該key 對應的數(shù)據(jù)在 chunk 中的位置 
   idx %= chunkSize 
   if idx+4 >= chunkSize { 
    goto end 
   } 
   // 前 4bytes 是數(shù)據(jù)頭 
   kvLenBuf := chunk[idx : idx+4] 
   // 通過數(shù)據(jù)頭算出鍵值的長度 
   keyLen := (uint64(kvLenBuf[0]) << 8) | uint64(kvLenBuf[1]) 
   valLen := (uint64(kvLenBuf[2]) << 8) | uint64(kvLenBuf[3]) 
   idx += 4 
   if idx+keyLen+valLen >= chunkSize { 
    goto end 
   } 
   // 如果鍵值是一致的，表示找到該數(shù)據(jù) 
   if string(k) == string(chunk[idx:idx+keyLen]) { 
    idx += keyLen 
    // 返回該鍵對應的值 
    if returnDst { 
     dst = append(dst, chunk[idx:idx+valLen]...) 
    } 
    found = true 
   } 
  } 
 } 
end: 
 b.mu.RUnlock() 
 return dst, found 
}

Get 方法主要是考慮環(huán)形鏈表的邊界問題。我們在 Set 方法中會將每一個 key 對應的 gen 和 idx 索引存放到 m 字典中，所以我們通過 hash 獲取 m 字典的值之后通過位運算就可以獲取到 gen 和 idx 索引。

找到 gen 和 idx 索引之后就是邊界條件的判斷了，用一個 if 條件來進行判斷：

gen == bGen && idx < b.idx

這里是判斷如果是在環(huán)形鏈表的同一次循環(huán)中，那么 key 對應的索引應該小于當前桶的索引;

gen+1 == bGen && idx >= b.idx

這里表示當前桶已經(jīng)進入到下一個循環(huán)中，所以需要判斷 key 對應的索引是不是大于當前索引，以表示當前 key 對應的值沒有被覆蓋;

gen == maxGen && bGen == 1 && idx >= b.idx

因為 gen 和 idx 索引要塞到 uint64 類型的字段中，所以留給 gen 的最大值只有 maxGen = 1<< 24 -1，超過了 maxGen 會讓 gen 從 1 開始。所以這里如果 key 對應 gen 等于 maxGen ，那么當前的 bGen 應該等于 1，并且 key 對應的索引還應該大于當前 idx，這樣才這個鍵值對才不會被覆蓋。

判斷完邊界條件之后就會找到對應的 chunk ，然后取模后找到數(shù)據(jù)位置，通過偏移量找到并取出值。

Benchmark

下面我上一下過后的 Benchmark：

代碼位置： https://github.com/devYun/mycache/blob/main/cache_timing_test.go

GOMAXPROCS=4 go test -bench='Set|Get' -benchtime=10s 
goos: linux 
goarch: amd64 
pkg: gotest 
// GoCache 
BenchmarkGoCacheSet-4                836          14595822 ns/op           4.49 MB/s     2167340 B/op    65576 allocs/op 
BenchmarkGoCacheGet-4               3093           3619730 ns/op          18.11 MB/s        5194 B/op       23 allocs/op 
BenchmarkGoCacheSetGet-4             236          54379268 ns/op           2.41 MB/s     2345868 B/op    65679 allocs/op 
// BigCache 
BenchmarkBigCacheSet-4              1393          12763995 ns/op           5.13 MB/s     6691115 B/op        8 allocs/op 
BenchmarkBigCacheGet-4              2526           4342561 ns/op          15.09 MB/s      650870 B/op   131074 allocs/op 
BenchmarkBigCacheSetGet-4           1063          11180201 ns/op          11.72 MB/s     4778699 B/op   131081 allocs/op 
// standard map 
BenchmarkStdMapSet-4                1484           7299296 ns/op           8.98 MB/s      270603 B/op    65537 allocs/op 
BenchmarkStdMapGet-4                4278           2480523 ns/op          26.42 MB/s        2998 B/op       15 allocs/op 
BenchmarkStdMapSetGet-4              343          39367319 ns/op           3.33 MB/s      298764 B/op    65543 allocs/op 
// sync.map 
BenchmarkSyncMapSet-4                756          15951363 ns/op           4.11 MB/s     3420214 B/op   262320 allocs/op 
BenchmarkSyncMapGet-4              11826           1010283 ns/op          64.87 MB/s        1075 B/op       33 allocs/op 
BenchmarkSyncMapSetGet-4            1910           5507036 ns/op          23.80 MB/s     3412764 B/op   262213 allocs/op 
PASS 
ok      gotest  215.182s

上面的測試是 GoCache、BigCache、Map、sync.Map 的情況。下面是本篇文章中所開發(fā)的緩存庫的測試：

// myCachce 
BenchmarkCacheSet-4                 4371           2723208 ns/op          24.07 MB/s        1306 B/op        2 allocs/op 
BenchmarkCacheGet-4                 6003           1884611 ns/op          34.77 MB/s         951 B/op        1 allocs/op 
BenchmarkCacheSetGet-4              2044           6611759 ns/op          19.82 MB/s        2797 B/op        5 allocs/op

可以看到內存分配是幾乎就不存在，操作速度在上面的庫中也是佼佼者的存在。

總結

在本文中根據(jù)其他緩存庫，并分析了如果用 Map 作為緩存所存在的問題，然后引出存在這個問題的原因，并提出解決方案;在我們的緩存庫中，第一是通過使用索引加內存塊的方式來存放緩存數(shù)據(jù)，再來是通過 OS 系統(tǒng)調用來進行內存分配讓我們的緩存數(shù)據(jù)塊脫離了 GC 的控制，從而做到降低 GC 頻率提高并發(fā)的目的。

其實不只是緩存庫，在我們的項目中當遇到需要使用大量的帶指針的數(shù)據(jù)結構并需要長時間保持引用的時候，也是需要注意這樣做可能會引發(fā) GC 問題，從而給系統(tǒng)帶來隱患。

責任編輯：未麗燕來源：知乎

Go 緩存數(shù)據(jù)