深入理解Memcache原理
阿新 • • 發佈：2019-01-10
1.為什麼要使用memcache
由於網站的高併發讀寫需求，傳統的關係型資料庫開始出現瓶頸，例如：
1）對資料庫的高併發讀寫：
關係型資料庫本身就是個龐然大物，處理過程非常耗時（如解析SQL語句，事務處理等）。如果對關係型資料庫進行高併發讀寫（每秒上萬次的訪問），那麼它是無法承受的。
2）對海量資料的處理：
對於大型的SNS網站，每天有上千萬次的資料產生（如twitter, 新浪微博）。對於關係型資料庫，如果在一個有上億條資料的資料表種查詢某條記錄，效率將非常低。
使用memcache能很好的解決以上問題。
在實際使用中，通常把資料庫查詢的結果儲存到Memcache中，下次訪問時直接從memcache中讀取，而不再進行資料庫查詢操作，這樣就在很大程度上減少了資料庫的負擔。
儲存在memcache中的物件實際放置在記憶體中，這也是memcache如此高效的原因。
2.memcache的安裝和使用
這個網上有太多教程了，不做贅言。
3.基於libevent的事件處理
libevent是個程式庫，它將Linux的epoll、BSD類作業系統的kqueue等事件處理功能 封裝成統一的介面。即使對伺服器的連線數增加，也能發揮O(1)的效能。
memcached使用這個libevent庫，因此能在Linux、BSD、Solaris等作業系統上發揮其高效能。
參考：
4.memcache使用例項：
<?php $mc = new Memcache(); $mc->connect('127.0.0.1', 11211); $uid = (int)$_GET['uid']; $sql = "select * from users where uid='uid' "; $key = md5($sql); if(!($data = $mc->get($key))) { $conn = mysql_connect('localhost', 'test', 'test'); mysql_select_db('test'); $result = mysql_fetch_object($result); while($row = mysql_fetch_object($result)) { $data[] = $row; } $mc->add($key, $datas); } var_dump($datas); ?>
5.memcache如何支援高併發(此處還需深入研究)
memcache使用多路複用I/O模型，如（epoll, select等），傳統I/O中，系統可能會因為某個使用者連線還沒做好I/O準備而一直等待，知道這個連線做好I/O準備。這時如果有其他使用者連線到伺服器，很可能會因為系統阻塞而得不到響應。
而多路複用I/O是一種訊息通知模式，使用者連線做好I/O準備後，系統會通知我們這個連線可以進行I/O操作，這樣就不會阻塞在某個使用者連線。因此，memcache才能支援高併發。
此外，memcache使用了多執行緒機制。可以同時處理多個請求。執行緒數一般設定為CPU核數，這研報告效率最高。
6.使用Slab分配演算法儲存資料
slab分配演算法的原理是：把固定大小（1MB）的記憶體分為n小塊，如下圖所示：
slab分配演算法把每1MB大小的記憶體稱為一個slab頁，每次向系統申請一個slab頁，然後再通過分隔演算法把這個slab頁分割成若干個小塊的chunk（如上圖所示），然後把這些chunk分配給使用者使用，分割演算法如下（在slabs.c檔案中）：
/**
* Determines the chunk sizes and initializes the slab class descriptors
* accordingly.
*/
void slabs_init(const size_t limit, const double factor, const bool prealloc) {
int i = POWER_SMALLEST - 1;
unsigned int size = sizeof(item) + settings.chunk_size;
mem_limit = limit;
if (prealloc) {
/* Allocate everything in a big chunk with malloc 通過malloc的方式申請記憶體*/
mem_base = malloc(mem_limit);
if (mem_base != NULL) {
mem_current = mem_base;
mem_avail = mem_limit;
} else {
fprintf(stderr, "Warning: Failed to allocate requested memory in"
" one large chunk.\nWill allocate in smaller chunks\n");
}
}
memset(slabclass, 0, sizeof(slabclass));
while (++i < POWER_LARGEST && size <= settings.item_size_max / factor) {
/* Make sure items are always n-byte aligned 注意這裡的位元組對齊*/
if (size % CHUNK_ALIGN_BYTES)
size += CHUNK_ALIGN_BYTES - (size % CHUNK_ALIGN_BYTES);
slabclass[i].size = size;
slabclass[i].perslab = settings.item_size_max / slabclass[i].size;
size *= factor;//以1.25為倍數增大chunk
if (settings.verbose > 1) {
fprintf(stderr, "slab class %3d: chunk size %9u perslab %7u\n",
i, slabclass[i].size, slabclass[i].perslab);
}
}
power_largest = i;
slabclass[power_largest].size = settings.item_size_max;
slabclass[power_largest].perslab = 1;
if (settings.verbose > 1) {
fprintf(stderr, "slab class %3d: chunk size %9u perslab %7u\n",
i, slabclass[i].size, slabclass[i].perslab);
}
/* for the test suite: faking of how much we've already malloc'd */
{
char *t_initial_malloc = getenv("T_MEMD_INITIAL_MALLOC");
if (t_initial_malloc) {
mem_malloced = (size_t)atol(t_initial_malloc);
}
}
if (prealloc) {
slabs_preallocate(power_largest);
}
}上面程式碼中的slabclass是一個型別為slabclass_t結構的陣列，其定義如下：
typedef struct {
unsigned int size; /* sizes of items */
unsigned int perslab; /* how many items per slab */
void **slots; /* list of item ptrs */
unsigned int sl_total; /* size of previous array */
unsigned int sl_curr; /* first free slot */
void *end_page_ptr; /* pointer to next free item at end of page, or 0 */
unsigned int end_page_free; /* number of items remaining at end of last alloced page */
unsigned int slabs; /* how many slabs were allocated for this class */
void **slab_list; /* array of slab pointers */
unsigned int list_size; /* size of prev array */
unsigned int killing; /* index+1 of dying slab, or zero if none */
size_t requested; /* The number of requested bytes */
} slabclass_t;借用別人的一張圖說明slabclass_t結構:
由分割演算法的原始碼可知，slab演算法按照不同大小的chunk分割slab頁，而不同大小的chunk以factor（預設是1.25）倍增大。
使用memcache -u root -vv 命令檢視記憶體分配情況(8位元組對齊)：
找到大小最合適的chunk分配給請求快取的資料：
/*
* Figures out which slab class (chunk size) is required to store an item of
* a given size.
*
* Given object size, return id to use when allocating/freeing memory for object
* 0 means error: can't store such a large object
*/
unsigned int slabs_clsid(const size_t size) {
int res = POWER_SMALLEST;// 初始化為最小的chunk
if (size == 0)
return 0;
while (size > slabclass[res].size) //逐漸增大chunk size，直到找到第一個比申請的size大的chunk
if (res++ == power_largest) /* won't fit in the biggest slab */
return 0;
return res;
}記憶體分配：
static void *do_slabs_alloc(const size_t size, unsigned int id) {
slabclass_t *p;
void *ret = NULL;
item *it = NULL;
if (id < POWER_SMALLEST || id > power_largest) {//判斷id是否會導致slabclass[]陣列越界
MEMCACHED_SLABS_ALLOCATE_FAILED(size, 0);
return NULL;
}
p = &slabclass[id];//獲取slabclass[id]的引用
assert(p->sl_curr == 0 || ((item *)p->slots)->slabs_clsid == 0);//判斷slabclass[id]是否有剩餘的chunk
if (! (p->sl_curr != 0 || do_slabs_newslab(id) != 0)) {//如果slabclass[id]中已經沒有空餘chunk並且試圖向系統申請一個“頁”（slab）的chunk失敗,則返回NULL
/* We don't have more memory available */
ret = NULL;
} else if (p->sl_curr != 0) {//slabclass[id]的空閒連結串列中還有chunk，則直接將其分配出去
it = (item *)p->slots;//獲取空閒連結串列的頭指標
p->slots = it->next;//將頭結點指向下一個結點（取下頭結點）
if (it->next) it->next->prev = 0;//將新頭結點的prev指標置空
p->sl_curr--;//減少slabclass[id]空閒連結串列中的chunk計數
ret = (void *)it;//將頭結點賦給ret指標
}
if (ret) {//請求成功
p->requested += size;//更新slabclass[id]所分配的記憶體總數
MEMCACHED_SLABS_ALLOCATE(size, id, p->size, ret);
} else {
MEMCACHED_SLABS_ALLOCATE_FAILED(size, id);
}
return ret;
}刪除過期item:
延遲刪除過期item到查詢時進行，可以提高memcache的效率，因為不必每時每刻檢查過期item,從而提高CPU工作效率
使用LRU(last recently used)演算法淘汰資料：
/*
* try to get one off the right LRU
* don't necessariuly unlink the tail because it may be locked: refcount>0
* search up from tail an item with refcount==0 and unlink it; give up after 50
* tries
*/
if (tails[id] == 0) {
itemstats[id].outofmemory++;
return NULL;
}
for (search = tails[id]; tries > 0 && search != NULL; tries--, search=search->prev) {
if (search->refcount == 0) { //refount==0的情況，釋放掉
if (search->exptime == 0 || search->exptime > current_time) {
itemstats[id].evicted++;
itemstats[id].evicted_time = current_time - search->time;
STATS_LOCK();
stats.evictions++;
STATS_UNLOCK();
}
do_item_unlink(search);
break;
}
}
it = slabs_alloc(ntotal, id);
if (it == 0) {
itemstats[id].outofmemory++;
/* Last ditch effort. There is a very rare bug which causes
* refcount leaks. We've fixed most of them, but it still happens,
* and it may happen in the future.
* We can reasonably assume no item can stay locked for more than
* three hours, so if we find one in the tail which is that old,
* free it anyway.
*/
tries = 50;
for (search = tails[id]; tries > 0 && search != NULL; tries--, search=search->prev) {
if (search->refcount != 0 && search->time + 10800 < current_time) { //最近3小時沒有被訪問到的情況，釋放掉
itemstats[id].tailrepairs++;
search->refcount = 0;
do_item_unlink(search);
break;
}
}
it = slabs_alloc(ntotal, id);
if (it == 0) {
return NULL;
}
}從item列表的尾部開始遍歷，找到refcount==0的chunk,呼叫do_item_unlink()函式釋放掉，另外，search->time+10800<current_time(即最近3小時沒有被訪問過的item)，也釋放掉--這就是LRU演算法的原理。
附：阿里2014筆試題一道：
某快取系統採用LRU淘汰演算法，假定快取容量為4,並且初始為空，那麼在順序訪問一下資料項的時候：1,5,1,3,5,2,4,1,2出現快取直接命中的次數是？，最後快取中即將準備淘汰的資料項是？ 答案：3， 5 解答：- 1調入記憶體 1
- 5調入記憶體 1 5
- 1調入記憶體 5 1（命中 1，更新次序）
- 3調入記憶體 5 1 3
- 5調入記憶體 1 3 5 （命中5）
- 2調入記憶體 1 3 5 2
- 4調入記憶體（1最久未使用，淘汰1） 3 5 2 4
- 1調入記憶體（3最久未使用，淘汰3） 5 2 4 1
- 2調入記憶體 5 4 1 2（命中2）