.NET性能优化-使用内存+磁盘混合缓存
我们回顾一下上一篇文章中的内容，有一个朋友问我这样一个问题：
我的业务依赖一些数据，因为数据库访问慢，我把它放在Redis里面，不过还是太慢了，有什么其它的方案吗？
其实这个问题比较简单的是吧？Redis其实属于网络存储，我对照下面的这个表格，可以很容易的得出结论，既然网络存储的速度慢，那我们就可以使用内存RAM存储，把放Redis里面的数据给放内存里面就好了。
| 操作 | 速度 |
|---|---|
| 执行指令 | 1/1,000,000,000 秒 = 1 纳秒 |
| 从一级缓存读取数据 | 0.5 纳秒 |
| 分支预测失败 | 5 纳秒 |
| 从二级缓存读取数据 | 7 纳秒 |
| 使用Mutex加锁和解锁 | 25 纳秒 |
| 从主存(RAM内存)中读取数据 | 100 纳秒 |
| 在1Gbps速率的网络上发送2Kbyte的数据 | 20,000 纳秒 |
| 从内存中读取1MB的数据 | 250,000 纳秒 |
| 磁头移动到新的位置(代指机械硬盘) | 8,000,000 纳秒 |
| 从磁盘中读取1MB的数据 | 20,000,000 纳秒 |
| 发送一个数据包从美国到欧洲然后回来 | 150 毫秒 = 150,000,000 纳秒 |
提出这个方案以后，接下来就遇到了另外一个问题：
但是数据比我应用的内存大，这怎么办呢？
在上篇文章中，我们提到了使用FASTER作为内存+磁盘混合缓存的方案，但是由于FASTER的API比较难使用，另外在纯内存场景中表现不如ConcurrentDictionary，所以最后得出的结论也是仅供参考。
经过一段时间的研究，笔者实现了一个基于微软FasterKv封装的进程内混合缓存库(内存+磁盘)，它有着更加易用的API，接下来就和大家讨论讨论它。
FasterKvCache架构
这里需要简单的说一说FasterKvCache的架构，它核心使用的FasterKv，所以架构实际上和FasterKv一致，其原理比较复杂，所以笔者简化了原理图，大概就如下所示:
FasterKv的热数据会在内存中，而全量的数据会持久化在磁盘中。这中间有一些缓存淘汰算法，所以大家看到这张图就能明白FasterKvCache适用和不适用哪些场景了。
如何使用它
笔者之前给EasyCaching提交了FasterKv的实现，但是由于有一些EasyCaching的高级功能在FasterKv上目前无法高性能的实现，所以单独创建了这个库，提供高性能和最基本的API实现；如果大家已经使用了EasyCaching，那么可以直接使用EasyCaching.FasterKv这个NuGet包。
如果使用需要FasterKvCache的话，只需要安装Nuget包，Nuget包不同的功能如下所示，其中序列化包可以只安装自己需要的即可。
| 软件包名 | 版本 | 备注 |
|---|---|---|
| FasterKv.Cache.Core | 1.0.0-rc1 | 缓存核心包，包含FasterKvCache主要的API |
| FasterKv.Cache.MessagePack | 1.0.0-rc1 | 基于MessagePack的磁盘序列化包，它具有着非常好的性能，但是需要注意它稍微有一点使用门槛，大家可以看它的文档。 |
| FasterKv.Cache.SystemTextJson | 1.0.0-rc1 | 基于System.Text.Json的磁盘序列化包，它是.NET平台上性能最好JSON序列化封装，但是比MessagePack差。不过它易用性非常好，无需对缓存实体进行单独配置。 |
使用
直接使用
我们可以直接通过new FasterKvCache(...)的方式使用它，目前它只支持基本的三种操作Get、Set、Delete。为了方便使用和性能的考虑，我们将FasterKvCache分为两种API风格，一种是通用对象风格，一种是泛型风格。
- 通用对象：直接使用
new FasterKvCache(...)创建，可以存放任意类型的Value。它底层使用object类型存储，所以内存缓冲内访问值类型对象会有装箱和拆箱的开销。 - 泛型：需要使用
new FasterKvCache<T>(...)创建，只能存放T类型的Value。它底层使用T类型存储，所以内存缓冲内不会有任何开销。
当然如果内存缓冲不够，对应的Value被淘汰到磁盘上，那么同样都会有读写磁盘、序列化和反序列化开销。
通用对象版本
代码如下所示，同一个cache实例可以添加任意类型：
using FasterKv.Cache.Core;
using FasterKv.Cache.Core.Configurations;
using FasterKv.Cache.MessagePack;
// create a FasterKvCache
var cache = new FasterKv.Cache.Core.FasterKvCache("MyCache",
new DefaultSystemClock(),
new FasterKvCacheOptions(),
new IFasterKvCacheSerializer[]
{
new MessagePackFasterKvCacheSerializer
{
Name = "MyCache"
}
},
null);
var key = Guid.NewGuid().ToString("N");
// sync
// set key and value with expiry time
cache.Set(key, "my cache sync", TimeSpan.FromMinutes(5));
// get
var result = cache.Get<string>(key);
Console.WriteLine(result);
// delete
cache.Delete(key);
// async
// set
await cache.SetAsync(key, "my cache async");
// get
result = await cache.GetAsync<string>(key);
Console.WriteLine(result);
// delete
await cache.DeleteAsync(key);
// set other type object
cache.Set(key, new DateTime(2022,2,22));
Console.WriteLine(cache.Get<DateTime>(key));
输出结果如下所示：
my cache sync
my cache async
2022/2/22 0:00:00
泛型版本
泛型版本的话性能最好，但是它只允许添加一个类型，否则代码将编译不通过：
// create a FasterKvCache<T>
// only set T type value
var cache = new FasterKvCache<string>("MyTCache",
new DefaultSystemClock(),
new FasterKvCacheOptions(),
new IFasterKvCacheSerializer[]
{
new MessagePackFasterKvCacheSerializer
{
Name = "MyTCache"
}
},
null);
Microsoft.Extensions.DependencyInjection
当然，我们也可以直接使用依赖注入的方式使用它，用起来也非常简单。按照通用和泛型版本的区别，我们使用不同的扩展方法即可：
var services = new ServiceCollection();
// use AddFasterKvCache
services.AddFasterKvCache(options =>
{
// use MessagePack serializer
options.UseMessagePackSerializer();
}, "MyKvCache");
var provider = services.BuildServiceProvider();
// get instance do something
var cache = provider.GetService<FasterKvCache>();
泛型版本需要调用相应的AddFasterKvCache<T>方法：
var services = new ServiceCollection();
// use AddFasterKvCache<string>
services.AddFasterKvCache<string>(options =>
{
// use MessagePack serializer
options.UseMessagePackSerializer();
}, "MyKvCache");
var provider = services.BuildServiceProvider();
// get instance do something
var cache = provider.GetService<FasterKvCache<string>>();
配置
FasterKvCache构造函数
public FasterKvCache(
string name, // 如果存在多个Cache实例，定义一个名称可以隔离序列化等配置和磁盘文件
ISystemClock systemClock, // 当前系统时钟，new DefaultSystemClock()即可
FasterKvCacheOptions? options, // FasterKvCache的详细配置，详情见下文
IEnumerable<IFasterKvCacheSerializer>? serializers, // 序列化器，可以直接使用MessagePack或SystemTextJson序列化器
ILoggerFactory? loggerFactory) // 日志工厂 用于记录FasterKv内部的一些日志信息
FasterKvCacheOptions 配置项
对于FasterKvCache，有着和FasterKv差不多的配置项，更详细的信息大家可以看FasterKv-Settings，下方是FasterKvCache的配置：
- IndexCount：FasterKv会维护一个hash索引池，IndexCount就是这个索引池的hash槽数量，一个槽为64bit。需要配置为2的次方。如1024(2的10次方)、 2048(2的11次方)、65536(2的16次方) 、131072(2的17次方)。默认槽数量为131072，占用1024kb的内存。
- MemorySizeBit: FasterKv用来保存Log的内存字节数，配置为2的次方数。默认为24，也就是2的24次方，使用16MB内存。
- PageSizeBit：FasterKv内存页的大小，配置为2的次方数。默认为20，也就是2的20次方，每页大小为1MB内存。
- ReadCacheMemorySizeBit：FasterKv读缓存内存字节数，配置为2的次方数，缓存内的都是热点数据，最好设置为热点数据所占用的内存数量。默认为20，也就是2的20次方，使用16MB内存。
- ReadCachePageSizeBit：FasterKv读缓存内存页的大小，配置为2的次方数。默认为20，也就是2的20次方，每页大小为1MB内存。
- LogPath：FasterKv日志文件的目录，默认会创建两个日志文件，一个以
.log结尾，一个以obj.log结尾，分别存放日志信息和Value序列化信息，注意，不要让不同的FasterKvCache使用相同的日志文件，会出现不可预料异常。默认为{当前目录}/FasterKvCache/{进程Id}-HLog/{实例名称}.log。 - SerializerName：Value序列化器名称，需要安装序列化Nuget包，如果没有单独指定
Name的情况下，可以使用MessagePack和SystemTextJson。默认无需指定。 - ExpiryKeyScanInterval：由于FasterKv不支持过期删除功能，所以目前的实现是会定期扫描所有的key，将过期的key删除。这里配置的就是扫描间隔。默认为5分钟。
- CustomStore：如果您不想使用自动生成的实例，那么可以自定义的FasterKv实例。默认为null。
所以FasterKvCache所占用的内存数量基本就是(IndexCount*64)+(MemorySize)+ReadCacheMemorySize，当然如果Key的数量过多，那么还有加上OverflowBucketCount * 64。
容量规划
从上面提到的内容大家可以知道，FasterKvCache所占用的内存字节基本就是(IndexCount * 64)+(MemorySize) + ReadCacheMemorySize + (OverflowBucketCount * 64)。磁盘的话就是保存了所有的数据+对象序列化的数据，由于不同的序列化协议有不同的大小，大家可以先进行测试。
内存数据存储到FasterKv存储引擎，每个key都会额外元数据信息，存储空间占用会有一定的放大，建议在磁盘空间选择上，留有适当余量，按实际存储需求的 1.2 - 1.5倍预估。
如果使用内存存储 100GB 的数据，总的访问QPS不到2W，其中80%的数据都很少访问到。那么可以使用 【32GB内存 + 128GB磁盘】 存储，节省了近 70GB 的内存存储，内存成本可以下降50%+。
性能
目前作者还没有时间将FasterKvCache和其它主流的缓存库进行比对，现在只对FasterKvCache、EasyCaching.FasterKv和EasyCaching.Sqlite做的比较。下面是FasterKVCache的配置，总占用约为2MB。
services.AddFasterKvCache<string>(options =>
{
options.IndexCount = 1024;
options.MemorySizeBit = 20;
options.PageSizeBit = 20;
options.ReadCacheMemorySizeBit = 20;
options.ReadCachePageSizeBit = 20;
// use MessagePack serializer
options.UseMessagePackSerializer();
}, "MyKvCache");
由于作者笔记本性能不够，使用Sqlite无法在短期内完成100W、1W个Key的性能测试，所以我们在默认设置下将数据集大小设置为1000个Key，设置50%的热点Key。进行100%读、100%写和50%读写随机比较。
可以看到无论是读、写还是混合操作FasterKvCache都有着不俗的性能，在8个线程情况下，TPS达到了惊人的1600w/s。
| 缓存 | 类型 | 线程数 | Mean(us) | Error(us) | StdDev(us) | Gen0 | Gen1 | Allocated |
|---|---|---|---|---|---|---|---|---|
| fasterKvCache | Read | 8 | 59.95 | 3.854 | 2.549 | 1.5259 | 7.02 | NULL |
| fasterKvCache | Write | 8 | 63.67 | 1.032 | 0.683 | 0.7935 | 3.63 | NULL |
| fasterKvCache | Random | 4 | 64.42 | 1.392 | 0.921 | 1.709 | 8.38 | NULL |
| fasterKvCache | Read | 4 | 64.67 | 0.628 | 0.374 | 2.5635 | 11.77 | NULL |
| fasterKvCache | Random | 8 | 64.80 | 3.639 | 2.166 | 1.0986 | 5.33 | NULL |
| fasterKvCache | Write | 4 | 65.57 | 3.45 | 2.053 | 0.9766 | 4.93 | NULL |
| fasterKv | Read | 8 | 92.15 | 10.678 | 7.063 | 5.7373 | - | 26.42 KB |
| fasterKv | Write | 4 | 99.49 | 2 | 1.046 | 10.7422 | - | 49.84 KB |
| fasterKv | Write | 8 | 108.50 | 5.228 | 3.111 | 5.6152 | - | 25.93 KB |
| fasterKv | Read | 4 | 109.37 | 1.476 | 0.772 | 10.9863 | - | 50.82 KB |
| fasterKv | Random | 8 | 119.94 | 14.175 | 9.376 | 5.7373 | - | 26.18 KB |
| fasterKv | Random | 4 | 124.31 | 6.191 | 4.095 | 10.7422 | - | 50.34 KB |
| fasterKvCache | Read | 1 | 207.77 | 3.307 | 1.73 | 9.2773 | 43.48 | NULL |
| fasterKvCache | Random | 1 | 208.71 | 1.832 | 0.958 | 6.3477 | 29.8 | NULL |
| fasterKvCache | Write | 1 | 211.26 | 1.557 | 1.03 | 3.418 | 16.13 | NULL |
| fasterKv | Write | 1 | 378.60 | 17.755 | 11.744 | 42.4805 | - | 195.8 KB |
| fasterKv | Read | 1 | 404.57 | 17.477 | 11.56 | 43.457 | - | 199.7 KB |
| fasterKv | Random | 1 | 441.22 | 14.107 | 9.331 | 42.9688 | - | 197.75 KB |
| sqlite | Read | 8 | 7450.11 | 260.279 | 172.158 | 54.6875 | 7.8125 | 357.78 KB |
| sqlite | Read | 4 | 14309.94 | 289.113 | 172.047 | 109.375 | 15.625 | 718.9 KB |
| sqlite | Read | 1 | 56973.53 | 1,774.35 | 1,173.62 | 400 | 100 | 2872.18 KB |
| sqlite | Random | 8 | 475535.01 | 214,015.71 | 141,558.14 | - | - | 395.15 KB |
| sqlite | Random | 4 | 1023524.87 | 97,993.19 | 64,816.43 | - | - | 762.46 KB |
| sqlite | Write | 8 | 1153950.84 | 48,271.47 | 28,725.58 | - | - | 433.7 KB |
| sqlite | Write | 4 | 2250382.93 | 110,262.72 | 72,931.96 | - | - | 867.7 KB |
| sqlite | Write | 1 | 4200783.08 | 43,941.69 | 29,064.71 | - | - | 3462.89 KB |
| sqlite | Random | 1 | 5383716.10 | 195,085.96 | 129,037.28 | - | - | 2692.09 KB |
总结
可以看到FasterKvCache有着不俗的性能，目前也在笔者朋友的项目使用上了，反馈不错，解决了他的缓存问题。由于现在还只是1.0.0-rc1版本，还有很多特性没有实现。可能有一些BUG还存在，欢迎大家试用和反馈问题。
Github开源地址：
https://github.com/InCerryGit/FasterKvCache
