001 Glang实现简单分布式缓存

前言

转载余：Golang校招简历项目-简单的分布式缓存
现在闲下来了，打算整理下。

github项目地址：https://gitee.com/abdm/Golang_practice
里面还有我整理的一些面试问题，给颗星吧。

---

typora-root-url: ./

---

1|0Golang校招面试项目-类redis分布式缓存

实现一个分布式缓存，功能有：LRU淘汰策略，http调用，并发缓存，一致性哈希，分布式节点，防止缓存击穿

1|1实现LRU淘汰策略

LRU的数据结构大致如下，上层是一个map，key是数据对象的key值，而value值则是指向 下层双向链表的节点，在双向链表中，每个节点存储的元素是完整的数据对象，包含key值和value。

• get：存在->将元素所在节点提到最前面，不存在->返回失败
• add：存在->更新，不存在->增加;将元素所在节点提到最前面,判断是否大于maxSize
• removeOldest:删除链表最后方的节点

代码实现

具体代码实现看：https://github.com/Jun10ng/Gache/tree/master/lru

定义了三个数据结构

Value是golang中的接口类型，可以理解为java中的Object类，是一个能“兜底”所有数据结构的数据类型。

entry是一个双向链表存储的数据结构

Cache则是lru核心数据结构，包含一个哈希表和一个双向链表

type Value interface {

	//返回占用的内存大小
	Len() int
}

type entry struct {
	key string
	value Value
}

type Cache struct {
	//允许使用的最大内存
	maxBytes int64

	//当前已使用的内存
	nbytes int64


	ll *list.List

	cache map[string] *list.Element

	//某条记录被移除时的回调函数，可以是nil
	OnEvicted func(key string, value Value)

}

这里说一下OnEvicted成员，这是一个函数对象，他的作用是，在缓存中没有需要的数据对象时，我们需要去原始数据源获取，(redis中没有，就需要去数据库中获取)，但是数据源不唯一，有时候是数据库，有时候是磁盘，有时候是表格，他们的获取方式都不相同，所以OnEvicted成员传入的函数，就是自定义的获取方法。

1|2实现单机并发

具体代码实现：https://github.com/Jun10ng/Gache/blob/master/cache.go

上文实现的LRU数据结构并不支持并发，需要加锁来实现并发，所以使用sync.Mutex,在LRU数据结构上封装，使之实现并发功能。

type cache struct {
	mu sync.Mutex
	lru *lru.Cache
	cacheBytes int64
}

cache并没有new方法，因为采用的是延迟初始化 在add方法中，判断c.lru是否为nil，如果等于nil再创建 这种方法称为延迟初始化，一个对象的延迟初始化意味着该对象的 创建将会延迟至第一次使用该对象时。 这个方法在redis中很常见，因为能一定程度上提高性能

func (c *cache) add(key string, value ByteView){
	c.mu.Lock()
	defer c.mu.Unlock()
	if c.lru == nil{
		c.lru = lru.New(c.cacheBytes,nil)
	}
	c.lru.Add(key,value)
}

1|3主体结构

具体代码实现：https://github.com/Jun10ng/Gache/blob/master/gache.go

本质上是再进行一次封装

难道一台机器就只有一个缓存表吗？你打开redis的可视化工具，能看到redis还有16个池呢，所以我们要实现多个缓存表。怎么做？再加一层。试想一下：

//groups 实例集合表
groups = make(map[string]*Group)

我们要实现的数据结构大致是这样的，是一个存储并发cache的表，这是本项目的核心结构

//这里的group是实例
type Group struct {
	name string
	getter Getter
	mainCache cache
}

1|4http服务调用

具体代码实现：https://github.com/Jun10ng/Gache/blob/master/http.go

当请求URL具有前缀/_Gache/时，则认为该请求为缓存调用。

约定的请求URL为:http://XXX.com/_Gache/<groupname>/<key>

groupname字段为主体结构中groups中的某个元素的name值，由此调用。key字段为元素中的元素的key值，所以最后逻辑为

groups[groupname][key]

1|5一致性哈希

一致性哈希抽象的解释就是一个很大的环，但是在实现的时候，我们总不可能声明一个有个成千链表节点的环吧，何况其中大多节点还是闲置节点，没有实际的作用，所以我们需要在逻辑上去声明哈希环。

代码实现：https://github.com/Jun10ng/Gache/blob/master/consistent/consistentHash.go

1|6数据结构

（真实节点就是指机器，虚拟节点相反）

type Map struct {
	hash Hash
	virMpl int
	keys []int
	hashMap map[int]string
}

• hash是函数变量
• virMpl是虚拟节点的倍数
• keys是存放节点哈希值的有序数组
• hashMap中存放的是虚拟节点和真实节点的对映，之所以是[int]string类型，是因为key是虚拟节点的哈希值，value是真实节点

1|7添加真实节点

代码注释写的很详细了，就不多说了。

缺点是，当有一个真实节点添加进来的时候，所有值都要重新计算一遍。这在并发情况下，会造成一定拥塞。因为在重新计算期间，不能进行正确的访问操作。

欢迎提供解决思路。

func (m* Map) Add(keys ...string){
	for _,realNodeKey:=range keys{
		for i:=0;i<m.virMpl;i++{
			/*
				keys中的每个真实节点都对映着virMpl个虚拟节点
				每个虚拟节点的key（即virNodeKey）为 i+realNodekey
				（即一个“不定数”，这里用i值，加上真实节点key
			*/
			virNodeKey := []byte(strconv.Itoa(i)+realNodeKey)
			/*
				对虚拟节点做哈希
			*/
			virNodeHash:= int(m.hash(virNodeKey))
			/*
				添加进哈希环，所以虚拟节点也存在于哈希环中
			*/
			m.keys = append(m.keys,virNodeHash)
			/*
				虚拟节点的hash对映某个真实节点的key
			*/
			m.hashMap[virNodeHash] = realNodeKey
		}
	}
	sort.Ints(m.keys)
}

访问真实节点

也就是get函数

分为三个步骤

• 计算出虚拟节点的哈希值virNodeHash
• 在keys数组中找到大于等于virNodeHash的值，返回其下标index，则对应的节点为keys[index]
• 通过下标在hashMap中找到keys[index]的真实节点

自己试着写下get函数，会对整个逻辑更清晰。

1|8分布式节点设计

这一章涉及的东西有点多，在代码中给出了详细的注释，

主要是下面几个文件：

https://github.com/Jun10ng/Gache/blob/master/peer.go

定义了两个抽象接口，用于远程节点的获取

https://github.com/Jun10ng/Gache/blob/master/http.go

实现了peer.go中的两个接口，并定义了新的结构体httpGetter用于获取远程节点缓存数据

https://github.com/Jun10ng/Gache/blob/master/gache.go

集成了一致性哈希表，使用http访问各个节点

主要参考资料：https://geektutu.com/post/geecache.html