RocksDB线程局部缓存

概述

在开发过程中，我们经常会遇到并发问题，解决并发问题通常的方法是加锁保护，比如常用的spinlock，mutex或者rwlock，当然也可以采用无锁编程，对实现要求就比较高了。对于任何一个共享变量，只要有读写并发，就需要加锁保护，而读写并发通常就会面临一个基本问题，写阻塞读，或则写优先级比较低，就会出现写饿死的现象。这些加锁的方法可以归类为悲观锁方法，今天介绍一种乐观锁机制来控制并发，每个线程通过线程局部变量缓存共享变量的副本，读不加锁，读的时候如果感知到共享变量发生变化，再利用共享变量的最新值填充本地缓存；对于写操作，则需要加锁，通知所有线程局部变量发生变化。所以，简单来说，就是读不加锁，读写不冲突，只有写写冲突。这个实现逻辑来源于Rocksdb的线程局部缓存实现，下面详细介绍Rocksdb的线程局部缓存ThreadLocalPtr的原理。

线程局部存储(TLS)

简单介绍下线程局部变量，线程局部变量就是每个线程有自己独立的副本，各个线程对其修改相互不影响，虽然变量名相同，但存储空间并没有关系。一般在linux 下，我们可以通过以下三个函数来实现线程局部存储创建，存取功能。

int pthread_key_create(pthread_key_t *key, void (*destr_function) (void*)),  int pthread_setspecific(pthread_key_t key, const void *pointer) , void * pthread_getspecific(pthread_key_t key)

ThreadLocalPtr类

有时候，我们并不想要各个线程独立的变量，我们仍然需要一个全局变量，线程局部变量只是作为全局变量的缓存，用以缓解并发。在RocksDB中ThreadLocalPtr这个类就是来干这个事情的。ThreadLocalPtr类包含三个内部类，ThreadLocalPtr::StaticMeta，ThreadLocalPtr::ThreadData和ThreadLocalPtr::Entry。其中StaticMeta是一个单例，管理所有的ThreadLocalPtr对象，我们可以简单认为一个ThreadLocalPtr对象，就是一个线程局部存储(ThreadLocalStorage)。但实际上，全局我们只定义了一个线程局部变量，从StaticMeta构造函数可见一斑。那么全局需要多个线程局部缓存怎么办，实际上是在局部存储空间做文章，线程局部变量实际存储的是ThreadData对象的指针，而ThreadData里面包含一个数组，每个ThreadLocalPtr对象有一个独立的id，在其中占有一个独立空间。获取某个变量局部缓存时，传入分配的id即可，每个Entry中ptr指针就是对应变量的指针。

ThreadLocalPtr::StaticMeta::StaticMeta() : next_instance_id_(0), head_(this) {   if (pthread_key_create(&pthread_key_, &OnThreadExit) != 0) {     abort();   }   ...... }  void* ThreadLocalPtr::StaticMeta::Get(uint32_t id) const {    auto* tls = GetThreadLocal();    return tls->entries[id].ptr.load(std::memory_order_acquire); }  struct Entry {   Entry() : ptr(nullptr) {}   Entry(const Entry& e) : ptr(e.ptr.load(std::memory_order_relaxed)) {}   std::atomic<void*> ptr; };

整体结构如下：每个线程有一个线程局部变量ThreadData，里面包含了一组ThreadLocalPtr的指针，对应的是多个变量，同时ThreadData之间相互通过指针串联起来，这个非常重要，因为执行写操作时，写线程需要修改所有thread的局部缓存值来通知共享变量发生变化了。

 ---------------------------------------------------  |          | instance 1 | instance 2 | instnace 3 |  ---------------------------------------------------  | thread 1 |    void*   |    void*   |    void*   | <- ThreadData  ---------------------------------------------------  | thread 2 |    void*   |    void*   |    void*   | <- ThreadData  ---------------------------------------------------  | thread 3 |    void*   |    void*   |    void*   | <- ThreadData  struct ThreadData {   explicit ThreadData(ThreadLocalPtr::StaticMeta* _inst)       : entries(), inst(_inst) {}   std::vector<Entry> entries;   ThreadData* next;   ThreadData* prev;   ThreadLocalPtr::StaticMeta* inst; };

读写无并发冲突

现在说到最核心的问题，我们如何实现利用TLS来实现本地局部缓存，做到读不上锁，读写无并发冲突。读、写逻辑和并发控制主要通过ThreadLocalPtr中通过3个关键接口Swap，CompareAndSwap和Scrape实现。对于ThreadLocalPtr< Type* > 变量来说，在具体的线程局部存储中，会保存3中不同类型的值：

1). 正常的Type* 类型指针；

2). 一个Type*类型的Dummy变量，记为InUse;

3). nullptr值，记为obsolote;

读线程通过Swap接口来获取变量内容，写线程则通过Scrape接口，遍历并重置所有ThreadData为(obsolote)nullptr，达到通知其他线程局部缓存失效的目的。下次读线程再读取时，发现获取的指针为nullptr，就需要重新构造局部缓存。

//获取某个id对应的局部缓存内容，每个ThreadLocalPtr对象有单独一个id，通过单例StaticMeta对象管理。 void* ThreadLocalPtr::StaticMeta::Swap(uint32_t id, void* ptr) { //获取本地局部缓存 auto* tls = GetThreadLocal();                                            return tls->entries[id].ptr.exchange(ptr, std::memory_order_acquire); }  bool ThreadLocalPtr::StaticMeta::CompareAndSwap(uint32_t id, void* ptr,                                                 void*& expected) {   //获取本地局部缓存   auto* tls = GetThreadLocal();   return tls->entries[id].ptr.compare_exchange_strong(       expected, ptr, std::memory_order_release, std::memory_order_relaxed); }  //将所有管理的对象指针设置为nullptr，将过期的指针返回，供上层释放， //下次进行从局部线程栈获取时，发现内容为nullptr，则重新申请对象。 void ThreadLocalPtr::StaticMeta::Scrape(uint32_t id, std::vector<void*>* ptrs, void* const replacement) {                              MutexLock l(Mutex());   for (ThreadData* t = head_.next; t != &head_; t = t->next) {                                    if (id < t->entries.size()) {                                                                   void* ptr =           t->entries[id].ptr.exchange(replacement, std::memory_order_acquire);                      if (ptr != nullptr) {   //搜集各个线程缓存，进行解引用，必要时释放内存   ptrs->push_back(ptr);       }                                                                                 }   }  }  //初始化，或者被替换为nullptr后，说明缓存对象已经过期，需要重新申请。 ThreadData* ThreadLocalPtr::StaticMeta::GetThreadLocal() {    申请线程局部的ThreadData对象，通过StaticMeta对象管理成一个双向链表，每个instance对象管理一组线程局部对象。    if (UNLIKELY(tls_ == nullptr)) {      auto* inst = Instance();      tls_ = new ThreadData(inst);      {                                                                               // Register it in the global chain, needs to be done before thread exit       // handler registration                                                       MutexLock l(Mutex());                                                         inst->AddThreadData(tls_);      }     return tls_;                                                } }

读操作包括两部分，Get和Release，这里面除了从TLS中获取缓存，还涉及到一个释放旧对象内存的问题。Get时，利用InUse对象替换TLS对象，Release时再将TLS对象替换回去，读写没有并发的场景比较简单，如下图，其中TLS Object代表本地线程局部缓存，GlobalObject是全局共享变量，对所有线程可见。

下面我们再看看读写有并发的场景，读线程读到TLS object后，写线程修改了全局对象，并且遍历对所有的TLS object进行修改，设置nullptr。在此之后，读线程进行Release时，compareAndSwap失败，感知到使用的object已经过期，执行解引用，必要时释放内存。当下次再次Get object时，发现TLS object为nullptr，就会使用当前最新的object，并在使用完成后，Release阶段将object填回到TLS。

应用场景

从前面的分析来看，TLS作为cache，仍然需要一个全局变量，全局变量保持最新值，而TLS则可能存在滞后，这就要求我们的使用场景不要求读写要实时严格一致，或者能容忍多版本。全局变量和局部缓存有交互，交互逻辑是，全局变量变化后，局部线程要能及时感知到，但不需要实时。允许读写并发，即允许读的时候，使用旧值读，待下次读的时候，再获取到新值。Rocksdb中的superversion管理则符合这种使用场景，swich/flush/compaction会产生新的superversion，读写数据时，则需要读supversion。往往读写等前台操作相对于switch/flush/compaction更频繁，所以读superversion比写superversion比例更高，而且允许系统中同时存留多个superversion。

每个线程可以拿superversion进行读写，若此时并发有flush/compaction产生，会导致superversion发生变化，只要后续再次读取superversion时，能获取到最新即可。细节上来说，扩展到应用场景，一般在读场景下，我们需要获取snapshot，并借助superversion信息来确认这次读取要读哪些物理介质(mem,imm,L0,L1...LN)。

1).获取snapshot后，拿superversion之前，其它线程做了flush/compaction导致superversion变化

这种情况下，可以拿到最新的superversion。

2).获取snapshot后，拿superversion之后，其它线程做了flush/compaction导致superversion变化

这种情况下，虽然superversion比较旧，但是依然包含了所有snapshot需要的数据。那么为什么需要及时获取最新的superversion，这里主要是为了回收废弃的sst文件和memtable，提高内存和存储空间利用率。