转载

探索c#之storm的TimeCacheMap

阅读目录：

概述
算法介绍
清理线程
获取、插入、删除
总结

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 = 3;     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：

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。
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。
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 * (1 + 1 / (numBuckets-1))

如果过期时间是30秒，其最长删除时间是：

30*(1+1/(3-1))=30*(1+0.5)=45

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 < 2)   throw new ArgumentException("numBuckets must be >=2");  this.buckets = new LinkedList<Dictionary<K, V>>();  for (int i = 0; i < numBuckets; i++)   buckets.AddFirst(new Dictionary<K, V>());  var expirationMillis = expirationSecs * 1000;  var sleepTime = expirationMillis / (numBuckets - 1);  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：

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

在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.java 及 github-RotatingMap.java 。

正文到此结束