微软KV Store Faster如何巧妙实现1.6亿ops

作者：叶提
Faster实现主要分为三部分：

Epoch Protection框架，实现并发系统下全局修改，延迟同步到所有线程，简化并发设计。faster线程在大多时候不需要同步，完全独立执行。

支持高并发的无锁hash 索引，是实现高吞吐的关键。

Hybrid Log，使用逻辑地址将内存和二级存储统一起来，数据超出内存大小后可flush到硬盘，使其能够支持超出内存大小的数据量。

Faster的限制包括：只支持点查，不支持range query；基本只适合update-intensive的场景；不写wal(影响update性能)，恢复后部分数据丢失。

Instrduction

faster支持三种接口，read和两类update: blind update和read-modify-writes(RMWs)。RMWs指在原来的value上原子更新，支持记录的部分更新(比如只更新value的一个字段)。faster是一个point-operation系统，在内存中可实现亿级别的吞吐，尤其在支持超过内存限制的数据量下依然能保持如此高的性能。可见在设计和实现上的确做了比较大的努力和创新的。

首先为支持可扩展的线程模型，faster扩展了标准的epoch-based同步机制，通过trigger action促进全局changes延迟同步到所有线程，这个epoch框架帮助faster简化了并发设计。

然后介绍了无锁、高并发和cache友好的hash索引的设计，与纯内存allocator结合使用时，就是一个内存的kv系统，性能和扩展性高于其它热门的纯内存结构。

最后介绍了HybridLog。log-structuring技术可以支持超出内存限制的大数据量的存储，通过写wal支持failure recovery，基于read-copy-update的策略，记录的更新都是追加写的方式写入log中。但是这样的方式限制了吞吐和扩展能力，in-place更新是性能的关键。因此，faster提出了HybridLog:内存与append-only log的方式结合，热数据支持in-place更新，冷数据read-copy-update，先copy到热数据区域再in-place更新。

faster遵循大多数case可以fast的原则，在以下三个方面做了精细的设计：

1.实现无锁高并发的哈希索引对于记录提供快速的point访问。
2.选择合适的时机做耗时的操作，像hash索引扩容、checkpoint和淘汰等。
3.大多数时候可以做in-place更新。

faster在内存负载下的性能是远超出于其它纯内存系统的，而且是在支持数据量超出内存限制和支持热点数据集变化的情况下。

Epoch Protection Framework

Epoch不是新概念，已被Silo、Masstree和Bw-Tree用于资源回收。faster将其扩展，成为更通用的框架，主要用于memory-safe garbage collection、hash索引表扩容、log-structured allocator的circular buffer的维护和page flushing、page边界维护和checkpoint。

Epoch Basics

系统维护一个sharded原子计数变量E，叫做当前的epoch，每个线程都可以增加它的值。每个线程T都有一个本地的E，用Et表示。线程周期地刷新本地的epoch值，每个线程的epoch值都保存在sharded epoch table中。如果所有线程的本地epoch都比epoch c大，则认为c是安全的。faster额外维护了一个全局的Es，用于记录最大的安全的epoch。对于任意线程T，都满足Es

Trigger Actions

使用trigger action使这个框架具备当一个epoch变为安全时执行任意全局action的能力。当前的epoch从c增加为c+1时，线程额外关联一个action，该action在epoch c变为safe时触发。

Using

对于线程T支持4种操作：

Acquire: 为T保留一个entry，将Et设置为E

Refresh: 更新Et到E

BumpEpoch(action): 更新c到c+1，

Release: 将T的entry从epoch table中移除

使用trigger action的epoch在并行系统中可以简化延迟同步。一个典型的例子：当共享变量status变为active时，需要调用函数active-now。线程更新自己的status到active，并将active-now作为trigger action，并不是所有线程可以立马看到status改变，但是可以保证当线程refresh它的epoch时可以看到。因此只有当所有线程都看到status变为active才会调用active-now。

THE FASTER HASH INDEX

faster高性能hash index的特点有concurrent、latch-free、scalable和resizable。与普通的hash table实现不一样，不保存key值，保存记录set的物理或者逻辑地址，纯内存下是物理地址，混合存储下是逻辑地址。

索引组织

该设计假设64位系统cache line大小为64bytes。索引有2^k个hash bucket，每个bucket的size为cache line的大小：64bytes。一个bucket包含8个entry和一个指向下一个bucket的指针。8字节entry的设计可以使用64位原子的操作。

64位的机器上，物理地址通常小于64位，intel机器使用48位的指针。因此它这里只用48位来存储地址，剩余15位叫做tag，用于hash，一位叫做tentative bit，用于insert过程中的两阶段算法。

索引操作

hash index建立在一个保证的基础之上：每个(offset, tag)对应唯一一个entry。address指向记录的set，这点跟普通hash table很不一样，hash index中不保存key，而是指向记录的set，将冲突放到value中解决。

支持以下操作：

finding and deleting an entry: 根据key值直接定位到bucket中的entry，先根据offet定位到对应bucket，再遍历找到匹配tag的entry。删除entry使用CAS原子操作用0替代掉匹配的entry。0表示是空的entry，可以使用。

inserting: tag不存在时，insert到一个新的entry。图3(a)展示了通常的操作方式，遍历bucket中的entries找到空的entry，使用CAS将新的tag insert，但是存在两个线程并发将相同的tag写入的问题。如图3(a)所示，T1从左到右遍历entry找到第5个entry并写入g5，与此同时，T2将g3删除，然后从左到右遍历entry找到第三个entry并写入g5。

这个问题的本质原因是线程独立地选择entry并且直接修改它。可以使用lock bucket的方式来解决，但是太重了。faster使用无锁的两阶段的方式来解决，借助于tentative位，线程找到空的enty写入新的记录并设置tentative位，一个被设置了tentative位的entry对于读写是不可见的，然后再重新扫描bucket检查是否存在相同的tag，如果存在则返回重试，否则重置tentative位完成insert操作。图3(b)展示了这个操作。

In-memory, Log-Structured and HybridLog

论文先讲了纯memory实现和纯log-structered的实现，最后将两者结合起来形成最终的HybridLog。

记录的格式为图2所示由8个字节的header、key和value组成，key和value可以是定长也可以是变长的，header分为16位的meta和48位的地址，用少量的位保存一些log-structured allocator所需要的信息，地址用于维护记录链表。

In-memory

纯memory的实现中，记录只保存在memory中，使用底层分配器像jemalloc分配内存，hash index中保存物理地址，支持read、update and insert和delete操作：

reads：根据key定位到hash index的entry，遍历记录list找到key值对应的记录。

updates and inserts：支持blind update和RMW update，使用in-place更新的方式。在epoch protection下，线程可以安全的in-place更新记录。如果entry不存在，按照上述hash index的两阶段方式写入，如果list中找不到此记录，使用CAS操作原子地将新记录写入到list的尾部。

deletes：使用CAS操作将记录从list中移除，当entry删除时，将entry设为0，标识entry是空闲可用的。删除记录后，内存不能立马释放，因为可能有并发的update存在，faster使用epoch protection解决，每个线程维护一个thread-local的空闲，当epoch变为safe后可以将其释放。

Log-Structured

纯log-structered的实现中，使用逻辑地址将内存和磁盘统一起来，用追加log的方式将记录写入。可以支持大数据量存储，论文第7章测试了性能不超过2000w的ops，也不可随着线程数scale。实现上使用两个offset分别维护内存的最小逻辑地址和下一个空闲地址的offset，称为head offset和 tail offset。内存分配总是从tail offset处分配，head offset与tail offset之间的空间是内存的容量，这里叫做Circular Buffer，是定长pages组成的array，与物理page对应。

为实现无锁的方式将记录flush到磁盘上，引入了两个状态数组，flush-status记录当前flush磁盘的page，closed-status决定是否page可以被淘汰。要淘汰的page必须要保证已经完全flush到磁盘了。当tail offset增大时，使用epoch机制的trigger action触发异步io请求将page flush到磁盘，epoch安全后调用，确保所有线程在这个page上的写都完成了，设置flush-status。

随着tail offset的增长，头部page需要从内存中淘汰，需要先确保page没有线程在访问，传统数据库一般使用latch pin住这个page，faster为了实现高性能，还是借助于epoch管理淘汰。

Blind update就是简单的将新的记录append到log的尾部。delete记录通过header中标志位识别，资源回收时会识别。Read和RMW操作与内存中相似，只是update是追加写一条新记录，逻辑地址跟纯内存中的物理地址处理也不同，如果地址大于head offset，则数据在内存中，否则提交异步的读请求到磁盘。

HybridLog

log-structured可以处理超出内存大小的数据量，但是append-only的特征会带来一些代价：每次update都需要原子更新tail offset，拷贝数据，原子更新hash index中的逻辑地址。而且update-intensive的负载下，很快会到io瓶颈。在这种负载下，in-place更新有以下优点：

1.频繁访问的记录可放在更高层级的cache中

2.不同hash桶的key值访问路径不会有冲突
3.large value的部分更新可以避免复制整个记录
4.大多数更新不需要修改hash index

HybridLog将Log分为了三个部分：stable 磁盘部分、read-only和mutable部分。统一为一套逻辑地址，read-only和mutable都在内存中，其中只有mutable部分可以原地更新，保存hot data，read-only部分的数据更新操作需要先将其copy一份到mutable中，再在mutable中原地更新。

随着tail offset的增长，mutable头部的数据转换为read-only，read-only头部的数据刷到磁盘中。可以看出比较适合更新集中的应用场景。相比log-structured，增加了read-only offset，原理和head、tail offset类似，read-only offset将可以in-place更新的mutable部分和immutable部分分开。

HybridLog内存部分可以看作是一个缓存，性能基本取决于它的效率。数据库缓存和操作系统下的内存管理通常有fifo、clock、lru和lru的变种等，这些算法(除fifo外)都需要细粒度的统计信息才能很好的工作，faster没有这些overhead，比较类似Second-Chance的FIFO。

faster数据分布取决于访问模式，一段时间后热点数据逐渐集中在内存中。mutable和read-only region的内存划分是尤其重要的。mutable部分较大可以使内存性能更好，in-place更新更多，但是可能会使得mutable的部分数据也面临淘汰的问题。较大的immutable region会导致过多昂贵的append-only update，copy到mutable使得log较快增长。论文提到实验得出，9:1的比例对于mutable和immutable的划分可以有比较好的性能。

Recovery

faster将update性能放在首位，写wal会影响update性能，所以不写wal，进程failure后内存中的数据就丢了。

不过它可以恢复到consistent状态，比如任意两个更新请求r1和r2，是被一个线程顺序提交的，恢复后可能的状态：1. none 2. only r1 3. r1 and r2。也就是不会出现只有r2而没有r1的情况。

测试

论文对比了高性能的内存结构Masstree和Inter TBB hash map，以及两个热门的kv store RocksDb和Redis。

单线程下，uniform分布和zipf分布数据。faster表现最好TBB其次rocksdb表现最差。

256线程下，uniform分布达到1.1亿，TBB也接近这个数值，zipf下faster可以将热点数据集中在mutable区域，性能达到1.6亿，与其它系统拉出了明显差距。

扩展能力测试，faster在单cpu和多cpu下的scale能力都很好，masstree也不错但是性能差很多。TBB单cpu的scale能力很好，但是多cpu下比较差。详细的测试内容，大家可以自行查看论文。

原文链接
本文为云栖社区原创内容，未经允许不得转载。