浪潮存儲(chǔ)的緩存工作原理

由此可知，衡量緩存管理的優(yōu)劣有兩個(gè)指標(biāo)：一是緩存命中率，命中率高，性能就高，否則反之；二是有效緩存的比率，有效緩存是指真正會(huì)被訪問到的緩存項(xiàng)，如果有效緩存的比率偏低，則相當(dāng)部分磁盤帶寬會(huì)被浪費(fèi)到讀取無用緩存上，而且無用緩存會(huì)間接導(dǎo)致系統(tǒng)緩存緊張，最后可能會(huì)嚴(yán)重影響性能。

現(xiàn)在我們清楚了緩存的工作原理及性能指標(biāo)，那么為了充分發(fā)揮緩存的作用，僅僅依靠“暫存剛剛訪問過的數(shù)據(jù)”是遠(yuǎn)遠(yuǎn)不夠的，還要通過使用數(shù)據(jù)預(yù)讀算法——盡可能把將要使用的數(shù)據(jù)預(yù)先從內(nèi)存中取到緩存里。那么關(guān)鍵問題來了，一是如何更精準(zhǔn)的判斷哪些數(shù)據(jù)是應(yīng)用程序?qū)⒁褂玫臄?shù)據(jù)？二是當(dāng)緩存寫滿時(shí)，如何判斷哪些數(shù)據(jù)被淘汰？這就是浪潮存儲(chǔ)緩存預(yù)讀算法的精髓所在。接下來我們就來深入剖析浪潮存儲(chǔ)緩存預(yù)讀的工作原理。

一方面，浪潮存儲(chǔ)基于緩存預(yù)讀，可精準(zhǔn)判斷數(shù)據(jù)熱度。浪潮存儲(chǔ)的緩存預(yù)讀算法，可以根據(jù)歷史數(shù)據(jù)的I/O模式，通過智能分析、預(yù)判將要訪問的數(shù)據(jù)，提前將這些數(shù)據(jù)預(yù)讀到緩存中，提升緩存命中率，降低I/O訪問時(shí)延。這里主要有兩個(gè)關(guān)鍵技術(shù)要點(diǎn)：

　　浪潮存儲(chǔ)的智能緩存預(yù)讀算法

一是自適應(yīng)緩存預(yù)讀策略。讀I/O分為隨機(jī)讀和順序讀兩大類，為了保證預(yù)讀命中率，針對(duì)不同的I/O模式采用不同的預(yù)讀算法。對(duì)于順序讀根據(jù)區(qū)域地址進(jìn)行順序預(yù)讀，對(duì)于隨機(jī)讀根據(jù)區(qū)域熱度進(jìn)行預(yù)讀。根據(jù)不同的讀I/O模式兩種預(yù)讀策略動(dòng)態(tài)調(diào)整，不僅可以保證很高的預(yù)讀命中率，同時(shí)有效率/覆蓋率也很好。

因?yàn)轫樞蜃x是最簡單而普遍的，而隨機(jī)讀在內(nèi)核來說也確實(shí)是難以預(yù)測的。內(nèi)核通過驗(yàn)證如下兩個(gè)條件來判定是否順序讀：該區(qū)域內(nèi)容被第一次讀，并且讀的是首部；當(dāng)前的讀請(qǐng)求與前一個(gè)讀請(qǐng)求在區(qū)域內(nèi)的位置是連續(xù)的；如果不滿足上述順序性條件，就判定為隨機(jī)讀。預(yù)讀策略根據(jù)讀I/O模式不同動(dòng)態(tài)調(diào)整。

二是預(yù)讀粒度動(dòng)態(tài)調(diào)整。當(dāng)確定了要進(jìn)行順序預(yù)讀時(shí)，就需要決定合適的預(yù)讀粒度。預(yù)讀粒度太小的話，達(dá)不到應(yīng)有的性能提升效果;預(yù)讀太多，又有可能載入太多程序不需要的內(nèi)容，造成資源浪費(fèi)。為此，浪潮存儲(chǔ)可根據(jù)實(shí)際的需求動(dòng)態(tài)調(diào)整預(yù)讀數(shù)據(jù)內(nèi)容的粒度，從而提高緩存的有效率。如果緩存命中率提高，后續(xù)的預(yù)讀粒度將逐次倍增，直到系統(tǒng)的最佳預(yù)讀大??；隨著緩存命中率降低，后續(xù)預(yù)讀粒度將逐漸減小，直到系統(tǒng)的最佳預(yù)讀大小。

另一方面，浪潮存儲(chǔ)基于緩存替換算法 實(shí)現(xiàn)低訪問數(shù)據(jù)下移。當(dāng)緩存滿了怎么辦？不得覆蓋掉一個(gè)，覆蓋掉哪一個(gè)？這就是替換算法要解決的。浪潮存儲(chǔ)的緩存替換算法是基于預(yù)讀數(shù)據(jù)的命中率，結(jié)合數(shù)據(jù)的訪問熱度，淘汰最近最少用的那一塊，從而提升預(yù)讀數(shù)據(jù)的有效性，保證預(yù)讀持續(xù)、高效的正向性能提升。

浪潮存儲(chǔ)的設(shè)計(jì)思路是，如果一個(gè)數(shù)據(jù)在最近一段時(shí)間沒有被訪問到，那么在將來它被訪問的可能性也很小。也就是說，當(dāng)限定的空間已存滿數(shù)據(jù)時(shí)，應(yīng)當(dāng)把最久沒有被訪問到的數(shù)據(jù)淘汰。具體實(shí)現(xiàn)算法如下：

硬件緩存每一行都有一個(gè)計(jì)數(shù)器，用來記錄被使用次數(shù)。

　　計(jì)數(shù)器變化規(guī)則：

　　? 每組4行時(shí)，計(jì)數(shù)器有兩位，計(jì)數(shù)值越小則說明越被常用

　　? 命中時(shí)被訪問行的計(jì)數(shù)置0，比其低的計(jì)數(shù)器加1，其余不變

　　? 未命中且該組未滿時(shí)，新行計(jì)數(shù)器置為0，其余全加1

　　? 未命中且該組已滿時(shí)，計(jì)數(shù)值為3的那一行中的主存塊被淘汰，新行計(jì)數(shù)器置為0，其余全加1

說到這里，估計(jì)大家還是沒有看懂，為了更加直觀的展示算法原理，我們舉個(gè)例子：

　　智能緩存替換算法原理

　　現(xiàn)在有四個(gè)格子，但是有 5 個(gè)不一樣的塊要進(jìn)來，緩存替換過程如下：。

　　1 來，沒有命中，1 進(jìn)入緩存。計(jì)數(shù)器為 0

　　2 來，沒有命中，2 進(jìn)入緩存。2 計(jì)數(shù)器 0,1計(jì)數(shù)器為 1（對(duì)應(yīng)第三條）

　　3 來同上

　　4 來同上

　　1 又來，命中，1 的計(jì)數(shù)器變?yōu)?0。其余加1。

　　2 又來，命中，2 的計(jì)數(shù)器變?yōu)?0。其余加1。

　　5 來了，但是現(xiàn)在 Cache 滿了。去掉哪一個(gè)呢？計(jì)數(shù)器最大的那個(gè)！

　　…

特征數(shù)據(jù)識(shí)別：基于“逐字節(jié)”比對(duì)實(shí)現(xiàn)去重

根據(jù)用戶的數(shù)據(jù)特征建立數(shù)據(jù)特征表單，當(dāng)新的數(shù)據(jù)請(qǐng)求與表單中的特征匹配時(shí)，說明該部分?jǐn)?shù)據(jù)已經(jīng)落盤，這部分?jǐn)?shù)據(jù)可以避免重復(fù)寫入。特征匹配采用近似匹配的策略，存在兩份不同數(shù)據(jù)的特征一致的情況，為了確保用戶的數(shù)據(jù)安全，每份不同的數(shù)據(jù)都能一字不落的存放起來，浪潮存儲(chǔ)還對(duì)特征匹配的數(shù)據(jù)需要進(jìn)行“逐字節(jié)”比較，為了降低逐字節(jié)比較時(shí)的訪盤時(shí)延，系統(tǒng)會(huì)智能感知特征數(shù)據(jù)的訪問熱度，將頻繁訪問的熱點(diǎn)特征數(shù)據(jù)提取到內(nèi)存中，保證系統(tǒng)時(shí)延最低。

　　浪潮存儲(chǔ)的特征數(shù)據(jù)識(shí)別算法

總結(jié)一下，浪潮存儲(chǔ)的智能I/O感知，通過自適應(yīng)緩存預(yù)讀算法對(duì)歷史數(shù)據(jù)I/O模式進(jìn)行分析、判斷識(shí)別，對(duì)其提前讀取到緩存，從而達(dá)到緩存最高命中率。當(dāng)緩存寫滿時(shí)，通過獨(dú)特的替換算法將使用最少數(shù)據(jù)的淘汰，將緩存發(fā)揮出其最大的價(jià)值，從而提升存儲(chǔ)整體I/O性能；通過特征數(shù)據(jù)識(shí)別和逐字節(jié)的比較，在確保數(shù)據(jù)安全的前提下減少數(shù)據(jù)落盤，從而提高存儲(chǔ)的性能及空間使用率。

——END——

關(guān)注存儲(chǔ)半導(dǎo)體產(chǎn)業(yè)，歡迎添加下方微信，加入數(shù)據(jù)存儲(chǔ)交流群！

zhangnn