【译】无缓冲 I/O 会让你的 Rust 程序变慢
- 文章标题：【译】无缓冲 I/O 会让你的 Rust 程序变慢（Unbuffered I/O Can Make Your Rust Programs Much Slower 译文）
- 原文链接 https://era.co/blog/unbuffered-io-slows-rust-programs
- 译文来自：https://github.com/suhanyujie/article-transfer-rs/
- 译者：suhanyujie
- ps：水平有限，如有不当之处，还请指正。
- 标签：Rust，无缓冲 I/O
在这篇文章中，我们将看看 Rust 代码中性能糟糕的常见原因，即使是经验丰富的开发人员也会遇到这种情况，以及当这种情况发生在你的程序中时该如何优化。
Rust 作为一种能够让开发人员编写快速和安全代码的语言，这种特性已经确立。每天，像Mozilla、微软、Dropbox 和亚马逊（仅举几例）这样的大型组织都会使用 Rust 为他们的客户提供一流的性能服务，同时避免了许多用 C 或 C++ 编写的程序的安全问题，这些语言在传统上更适用于高性能工作。
在 Era 软件公司，我们重视性能，我们相信通过制造高效的产品，可以帮助我们的客户从他们的数据中获得更多，同时降低他们每月的基础设施成本。性能是 Rust 成为我们的首选语言的一个主要原因。然而，仅仅用 Rust 编写代码并不能保证高性能。Rust 很好，但它不是魔术。它是一种工具，和任何工具一样，我们必须有效地使用它来获得最佳的结果。
在这篇文章中，我们将看看 Rust 代码中一个常见的低性能的原因，它甚至会阻碍资深的开发者。即，默认情况下，文件的读写是没有缓冲的。
Syscalls
程序不能直接读取或写入磁盘上的文件，而是通过系统调用（syscall）来请求操作系统协助实现。例如，在 Linux 中，内核提供了 write() 系统调用，用于将数据从一个程序传输到一个文件。我们的程序可以通过调用带有三个参数的 write() 来向文件写入数据：一个参数是文件描述符，一个是指向我们想要写入的字节的指针，以及要写入的字节数。
Linux 系统调用的一个特点是，它们的调用速度要比普通函数慢。这是因为它们的执行必须从用户模式下切换到内核模式，而这种切换是有代价的。为了确保良好的性能，我们的程序应该避免进行过多的系统调用。
I/O with and without buffering
下面是一个简单的 Rust 程序，它向一个文件写了几行字。这个程序没有使用缓冲区，这意味着三次调用 f.write() 方法会产生一次 write() 系统调用。
use std::fs;
use std::io::{self, Write};
fn main() -> io::Result<()> {
let mut f = fs::File::create("/tmp/unbuffered.txt")?;
f.write(b"foo")?;
f.write(b"\n")?;
f.write(b"bar\nbaz\n")?;
return Ok(());
}
在 strace 中运行这个程序，我们可以看到确实有三个 write() 系统调用。
$ strace --trace=write ./target/release/01_unbuffered
write(3, "foo", 3) = 3
write(3, "\n", 1) = 1
write(3, "bar\nbaz\n", 8) = 8
在这个小例子中，对性能的影响是微乎其微的，但如果在一个处理大数据文件的真实程序中，则有数百万甚至数十亿的无意义的系统调用，会导致程序变慢，且让用户失望。
幸运的是，我们可以改进我们的程序。在我们打开文件后，我们可以把它包装在一个 BufWriter 对象里面。
use std::fs;
use std::io::{self, BufWriter, Write};
fn main() -> io::Result<()> {
let mut f = BufWriter::new(fs::File::create("x.txt")?);
f.write(b"foo")?;
f.write(b"\n")?;
f.write(b"bar\nbaz\n")?;
return Ok(());
}
现在，当我们调用 f.write() 时，我们实际上并没有执行 write() 系统调用，我们只是将字节追加到缓冲包装器内的数组中。这完全是在用户模式下发生的，所以它开销很低。只有当缓冲区满了，或者当我们关闭文件时，才会进行系统调用，将字节传送到磁盘。我们可以用 strace 来确认这个过程。
$ strace --trace=write ./target/release/02_buffered
write(3, "foo\nbar\nbaz\n", 12) = 12
缓冲区的作用其实就是摊销。我们必须使用系统调用将数据写入磁盘，并付出调用它们的开销；然而，我们可以聪明一点，发出更少的系统调用，一次传递更多的数据。
Deserialization and buffering
当不使用缓冲时，问题很容易在 Rust 程序中显现出来。以 serde_json 为例，它是一个以简单易用的接口来读写 JSON 数据的库。它的 from_reader() 函数接受任何实现 Read trait 的对象，并将字节解码成 JSON 树。File 类型实现了 Read trait，所以我们可以非常容易地解码磁盘上的文件。下面是一个简单的程序，它的 File 故意没有被 BufReader 对象所包裹。
use std::fs;
use std::io;
fn main() -> io::Result<()> {
let mut f = fs::File::open("sample.json")?;
let v: serde_json::Value = serde_json::from_reader(&mut f).unwrap();
println!("{}", v.is_object());
return Ok(());
}
我们可以用 perf 来计算在这个程序在执行过程中进行了多少次 read()系统调用。
$ sudo perf stat -e syscalls:sys_enter_read ./target/release/04_unbuffered_json
Performance counter stats for './target/release/04_unbuffered_json':
2,009,119 syscalls:sys_enter_read
sample.json 文件有 2,009,108 字节。为了反序列化该文件，serde_json 对每个字节进行了一次系统调用！（额外的 11 次 read() 系统调用发生在程序开始时，用于加载 libc）我们可靠的 strace 证实了这一点。
$ strace --trace=read ./target/release/04_unbuffered_json
...
read(3, "{", 1) = 1
read(3, "\"", 1) = 1
read(3, "t", 1) = 1
read(3, "y", 1) = 1
read(3, "p", 1) = 1
read(3, "e", 1) = 1
read(3, "\"", 1) = 1
read(3, ":", 1) = 1
...
当我们通过将 file 包裹在一“个缓冲器”内来修复这个程序时，结果令人吃惊。我们将系统调用减少了近 8000 次 -- 这很有意义，因为我们每次读取 8192 个字节，而非一个 -- 这使得程序运行速度提高了 11 倍。
$ sudo perf stat -e syscalls:sys_enter_read ./target/release/05_buffered_json
Performance counter stats for './target/release/05_buffered_json':
257 syscalls:sys_enter_read
$ strace --trace=read ./target/release/05_buffered_json
...
read(3, "{\"type\":\"FeatureCollection\",\"crs"..., 8192) = 8192
read(3, "6200000000001}},{\"type\":\"Feature"..., 8192) = 8192
read(3, "egion\":\"AK\",\"category\":\"In-betwe"..., 8192) = 8192
read(3, "01}},{\"type\":\"Feature\",\"id\":95,\""..., 8192) = 8192
...
$ hyperfine -w 5 -m 30 \
./target/release/04_unbuffered_json \
./target/release/05_buffered_json
Benchmark #1: ./target/release/04_unbuffered_json
Time (mean ± σ): 326.3 ms ± 8.1 ms [User: 70.2 ms, System: 256.0 ms]
Range (min … max): 312.2 ms … 346.8 ms 30 runs
Benchmark #2: ./target/release/05_buffered_json
Time (mean ± σ): 28.5 ms ± 1.4 ms [User: 22.9 ms, System: 5.6 ms]
Range (min … max): 26.2 ms … 33.2 ms 106 runs
Summary
'./target/release/05_buffered_json' ran
11.43 ± 0.63 times faster than './target/release/04_unbuffered_json'
我们最近在 Era 软件公司的一个产品中发现了这个问题。我们在排查一个无关的问题时，发现一个 600 兆字节的文件需要 30 多秒才能被反序列化。因为一般序列化文件只需要一秒钟，这显然是有问题的。我们进行了排查，并很快发现了我们在这篇文章中所讨论的问题 -- 我们打开了文件并反序列化了它，但没有将文件包裹在 BufReader 中。我们调整了代码，正如我们在这篇文章中所展示的那样，通过优化将反序列化的时间缩短到了一秒钟。
我想强调的是，尽管最初的代码是由一位高级开发人员编写的，并由多位了解这些东西的高级开发人员进行了 review，但这个性能错误仍然逃脱了他们的警惕，摇身一变合到了我们的主分支。正如我在介绍中所说，即使是老手也很容易错过这个问题！
如何发现这类问题
好了，我们已经知道无缓冲 I/O 的危害，但我们也知道它也容易被有经验的程序员的忽视，那么我们能做什么呢？目前，Rust 没有自动提示你这些问题的方法 -- 编译器不会发出警告，Clippy 也没有提示你 I/O 是未缓冲的 lint。
然而，我们看到 strace 工具很有用 -- 它告诉我们 read() 和 write() 系统调用只处理了一个字节。因此，让我们看看如何使用 strace（和一些 awk 的帮助信息）来（1）排查我们是否有大量的单字节读或写，以及（2）使用 strace 的堆栈跟踪功能来看看程序中的单字节读或写发生在哪里。
我们继续使用上一节中的无缓冲程序读取一个 JSON 文件为例。为了使输出更加可读，我们将使用这个小小的 JSON 装载数据：{"id":42}。在 strace 中运行该程序! 并使用 --trace 选项只保留对 read() 的调用，并使用 awk 截取展示读取一个字节的系统调用（即以 =1 结尾的行）。strace 选项 --decode-fds=path 告诉我们描述符（3）指的是哪个文件（在本例中是 /tmp/simple.json），这对了解程序的哪个部分有问题有帮助。
$ strace --decode-fds=path \
--trace=read \
/tmp/04_unbuffered_json 2>&1 |
awk '/= 1$/'
read(3</tmp/simple.json>, "{", 1) = 1
read(3</tmp/simple.json>, "\"", 1) = 1
read(3</tmp/simple.json>, "i", 1) = 1
read(3</tmp/simple.json>, "d", 1) = 1
read(3</tmp/simple.json>, "\"", 1) = 1
read(3</tmp/simple.json>, ":", 1) = 1
read(3</tmp/simple.json>, "4", 1) = 1
read(3</tmp/simple.json>, "2", 1) = 1
read(3</tmp/simple.json>, "}", 1) = 1
read(3</tmp/simple.json>, "\n", 1) = 1
我们可以从所有以 =1 结尾的行中看到，程序确实在进行单字节的读取，而且数据是 JSON 内容的一部分。所以我们已经成功地用 strace 验证了问题(1)!
现在，我们如何找到这些读的地方呢？幸运的是，strace 有一个非常有用的标志 --stack-traces，可以显示进行系统调用的代码。现在我们调整 awk 程序执行，以显示与单字节读取相关的堆栈跟踪。下面是对其工作原理的解释。
- 如果当前行以
=1结束，我们将变量show设为 1（true）。 - 如果当前行以等号结尾，后面不是数字
1（也就是说，一个读数返回多个字节），我们将变量show设为0（false）。 - 当
show== 1 时，我们显示当前行。
下面是读取文件中尖括号的系统调用输出。
$ strace --stack-traces \
--decode-fds=path \
--trace=read \
/tmp/04_unbuffered_json 2>&1 |
awk '/= 1$/ { show = 1 } /= [^1]$/ { show = 0 } show'
read(3</tmp/simple.json>, "{", 1) = 1
> /usr/lib/x86_64-linux-gnu/libpthread-2.33.so(read+0x12) [0x13152]
> /tmp/04_unbuffered_json(<std::fs::File as std::io::Read>::read+0x23) [0x1fbd3]
> /tmp/04_unbuffered_json(<std::io::Bytes<R> as core::iter::traits::iterator::Iterator>::next+0x33) [0xca53]
> /tmp/04_unbuffered_json(_ZN10serde_json5value2de77_$LT$impl$u20$serde..de..Deserialize$u20$for$u20$serde_json..value..Value$GT$11deserialize17h23bf1ff9e8286bd9E.llvm.16551263557485243796+0x8ec) [0xb39c]
> /tmp/04_unbuffered_json(serde_json::de::from_reader+0x48) [0x9fb8]
> /tmp/04_unbuffered_json(_04_unbuffered_json::main+0x78) [0xc7d8]
> /tmp/04_unbuffered_json(std::sys_common::backtrace::__rust_begin_short_backtrace+0x3) [0xc583]
> /tmp/04_unbuffered_json(_ZN3std2rt10lang_start28_$u7b$$u7b$closure$u7d$$u7d$17h3d55d3d7814f859cE.llvm.14713913286507758235+0x9) [0xc929]
> /tmp/04_unbuffered_json(std::rt::lang_start_internal+0x30a) [0x2650a]
> /tmp/04_unbuffered_json(main+0x22) [0xc912]
> /usr/lib/x86_64-linux-gnu/libc-2.33.so(__libc_start_main+0xd5) [0x28565]
> /tmp/04_unbuffered_json(_start+0x2e) [0x8e3e]
我们看到 read() 系统调用是在我们在 main() 函数中反序列化 JSON（serde_json::de::from_reader）时调用的。有了文件名和函数，这应该能缩小我们的搜索范围，帮助我们找到需要添加缓冲区的地方。这样就解决了问题（2）!
结语
在这篇文章中，我们可以知道：
- Linux 中的系统调用比普通函数要慢
- 触发过多的系统调用会对运行时性能产生非常不利的影响
- 使用 BufReader 和 BufWriter，我们可以降低系统调用的成本。
- 即使是有经验的程序员也可能忽略这些问题
- 我们可以使用 strace 和 awk 来查找程序中是否有未缓冲的 I/O 发生，以及在哪儿发生。
最后我想说，如果这种类型的问题发生在你自己的程序中，不要为此感到难过 -- 我们都只是人类，我们无法避免犯错。而当错误发生时，要把它们发挥到极致。用它们作为例子来提醒你团队中的开发者，Rust 中的文件默认是没有缓冲的，这与他们可能熟悉的语言不同，比如 Python。如果你的团队中有初级开发人员，请从你的日程安排中抽出一些时间来帮助他们理解这个问题。帮助人们获得一种“spidey sense”，当他们看到 File 这个词而旁边没有 BufReader 或 BufWriter 这两个词时，就会感到刺痛。这虽不一定能防止这类问题的再次发生，但会有更多的人注意到。
在 Era，我们努力使我们的文化对技术友好以及增强技术上的创新。我们正在组建一个专家团队，在分布式系统、机器学习和数据库工程方面进行创新。如果你对我们的工作感兴趣，请查看我们的公司和工作相关页面。
