Java并发系列7-Disruptor无锁缓存框架

1、从生产者消费者说起

在传统的生产者消费者模型中，通常是采用BlockingQueue实现。其中生产者线程负责提交需求，消费者线程负责处理任务，二者之间通过共享内存缓冲区进行通信。由于内存缓冲区的存在，允许生产者和消费者之间速度的差异，确保系统正常运行。

下图展示一个简单的生产者消费者模型，生产者从文件中读取数据，将数据内容写入到阻塞队列中，消费者从队列的另一边获取数据，进行计算并将结果输出。其中Main负责创建两类线程并初始化队列。

Main：

public class Main {    public static void main(String[] args) {        // 初始化阻塞队列        BlockingQueue<String> blockingQueue = new ArrayBlockingQueue<>(1000);        // 创建生产者线程        Thread producer = new Thread(new Producer(blockingQueue, "temp.dat"));        producer.start();        // 创建消费者线程        Thread consumer = new Thread(new Consumer(blockingQueue));        consumer.start();    }}

生产者：

public class Producer implements Runnable {    private BlockingQueue<String> blockingQueue;    private String fileName;    private static final String FINIDHED = "EOF";    public Producer(BlockingQueue<String> blockingQueue, String fileName)  {        this.blockingQueue = blockingQueue;        this.fileName = fileName;    }    @Override    public void run() {        try {            BufferedReader reader = new BufferedReader(new FileReader(new File(fileName)));            String line;            while ((line = reader.readLine()) != null) {                blockingQueue.put(line);            }            // 结束标志            blockingQueue.put(FINIDHED);        } catch (Exception e) {            e.printStackTrace();        }    }}

消费者：

public class Consumer implements Runnable {    private BlockingQueue<String> blockingQueue;    private static final String FINIDHED = "EOF";    public Consumer(BlockingQueue<String> blockingQueue) {        this.blockingQueue = blockingQueue;    }    @Override    public void run() {        String line;        String[] arrStr;        int ret;        try {            while (!(line = blockingQueue.take()).equals(FINIDHED)) {                // 消费                arrStr = line.split("\t");                if (arrStr.length != 2) {                    continue;                }                ret = Integer.parseInt(arrStr[0]) + Integer.parseInt(arrStr[1]);                System.out.println(ret);            }        } catch (Exception e) {            e.printStackTrace();        }    }}

生产者-消费者模型可以很容易地将生产和消费进行解耦，优化系统整体结构，并且由于存在缓冲区，可以缓解两端性能不匹配的问题。

2、BlockingQueue的不足

上述使用了ArrayBlockingQueue，通过查看其实现，完全是使用锁和阻塞等待实现线程同步。在高并发场景下，性能不是很优越。

public void put(E e) throws InterruptedException {        checkNotNull(e);        final ReentrantLock lock = this.lock;        lock.lockInterruptibly();        try {            while (count == items.length)                notFull.await();            insert(e);        } finally {            lock.unlock();        }    }

但是，ConcurrentLinkedQueue却是一个高性能队列，这是因为其实现使用了无锁的CAS操作。

3、Disruptor初体验

Disruptor是由LMAX公司开发的一款高效无锁内存队列。使用无锁方式实现了一个环形队列代替线性队列。相对于普通的线性队列，环形队列不需要维护头尾两个指针，只需维护一个当前位置就可以完成出入队操作。受限于环形结构，队列的大小只能初始化时指定，不能动态扩展。

如下图所示，Disruptor的实现为一个循环队列，ringbuffer拥有一个序号（Seq），这个序号指向数组中下一个可用的元素。

随着不停地填充这个buffer（可能也会有相应的读取），这个序号会一直增长，直到超过这个环。

Disruptor要求数组大小设置为2的N次方。这样可以通过Seq & (QueueSize - 1) 直接获取，其效率要比取模快得多。这是因为（Queue - 1）的二进制为全1等形式。例如，上图中QueueSize大小为8，Seq为10，则只需要计算二进制1010 & 0111 = 2，可直接得到index=2位置的元素。

在RingBuffer中，生产者向数组中写入数据，生产者写入数据时，使用CAS操作。消费者从中读取数据时，为防止多个消费者同时处理一个数据，也使用CAS操作进行数据保护。
这种固定大小的RingBuffer还有一个好处是，可以内存复用。不会有新空间需要分配或者旧的空间回收，当数组填充满后，再写入数据会将数据覆盖。

4、Disruptor小试牛刀

同样地，使用Disruptor处理第一节中的生产者消费者的案例。

4.1 添加Maven依赖

<dependency>        <groupId>com.lmax</groupId>        <artifactId>disruptor</artifactId>        <version>3.3.2</version></dependency>

4.2 定义事件对象

由于我们只需要将文件中的数据行读出，然后进行计算。因此，定义FileData.class来保存文件行。

public class FileData {    private String line;    public String getLine() {        return line;    }    public void setLine(String line) {        this.line = line;    }}

4.3 定义工厂类

用于产生FileData的工厂类，会在Disruptor系统初始化时，构造所有的缓冲区中的对象实例。

public class DisruptorFactory implements EventFactory<FileData> {    public FileData newInstance() {        return new FileData();    }}

4.4 定义消费者

消费者的作用是读取数据并进行处理。数据的读取已经由Disruptor封装，onEvent()方法为Disruptor框架的回调方法。只需要进行简单的数据处理即可。

public class DisruptorConsumer implements WorkHandler<FileData> {    private static final String FINIDHED = "EOF";    @Override    public void onEvent(FileData event) throws Exception {       String line = event.getLine();        if (line.equals(FINIDHED)) {            return;        }        // 消费        String[] arrStr = line.split("\t");        if (arrStr.length != 2) {            return;        }        int ret = Integer.parseInt(arrStr[0]) + Integer.parseInt(arrStr[1]);        System.out.println(ret);    }}

4.5 定义生产者

生产者需要一个Ringbuffer的引用。其中pushData()方法是将生产的数据写入到RingBuffer中。具体的过程是，首先通过next()方法得到下一个可用的序列号；取得下一个可用的FileData，并设置该对象的值；最后，进行数据发布，这个FileData对象会传递给消费者。

public class DisruptorProducer {    private static final String FINIDHED = "EOF";    private final RingBuffer<FileData> ringBuffer;    public DisruptorProducer(RingBuffer<FileData> ringBuffer) {        this.ringBuffer = ringBuffer;    }    public void pushData(String line) {        long seq = ringBuffer.next();        try {            FileData event = ringBuffer.get(seq);   // 获取可用位置            event.setLine(line);                    // 填充可用位置        } catch (Exception e) {            e.printStackTrace();        } finally {            ringBuffer.publish(seq);        // 通知消费者        }    }    public void read(String fileName) {        try {            BufferedReader reader = new BufferedReader(new FileReader(new File(fileName)));            String line;            while ((line = reader.readLine()) != null) {                // 生产数据                pushData(line);            }            // 结束标志            pushData(FINIDHED);        } catch (Exception e) {            e.printStackTrace();        }    }}

4.6 定义Main函数

最后需要一个DisruptorMain()将上述的数据、生产者和消费者进行整合。

public class DisruptorMain {    public static void main(String[] args) {        DisruptorFactory factory = new DisruptorFactory();          // 工厂        ExecutorService executor = Executors.newCachedThreadPool(); // 线程池        int BUFFER_SIZE = 16;   // 必须为2的幂指数        // 初始化Disruptor        Disruptor<FileData> disruptor = new Disruptor<>(factory,                BUFFER_SIZE,                executor,                ProducerType.MULTI,         // Create a RingBuffer supporting multiple event publishers to the one RingBuffer                new BlockingWaitStrategy()  // 默认阻塞策略                );        // 启动消费者        disruptor.handleEventsWithWorkerPool(new DisruptorConsumer(),                new DisruptorConsumer()        );        disruptor.start();        // 启动生产者        RingBuffer<FileData> ringBuffer = disruptor.getRingBuffer();        DisruptorProducer producer = new DisruptorProducer(ringBuffer);        producer.read("temp.dat");        // 关闭        disruptor.shutdown();        executor.shutdown();    }}

5、Disruptor策略

Disruptor生产者和消费者之间是通过什么策略进行同步呢？Disruptor提供了如下几种策略：
- BlockingWaitStrategy：默认等待策略。和BlockingQueue的实现很类似，通过使用锁和条件（Condition）进行线程同步和唤醒。此策略对于线程切换来说，最节约CPU资源，但在高并发场景下性能有限。
- **SleepingWaitStrategy：**CPU友好型策略。会在循环中不断等待数据。首先进行自旋等待，若不成功，则使用Thread.yield()让出CPU，并使用LockSupport.parkNanos(1)进行线程睡眠。所以，此策略数据处理数据可能会有较高的延迟，适合用于对延迟不敏感的场景。优点是对生产者线程影响小，典型应用场景是异步日志。
- YieldingWaitStrategy：低延时策略。消费者线程会不断循环监控RingBuffer的变化，在循环内部使用Thread.yield()让出CPU给其他线程。
- BusySpinWaitStrategy：死循环策略。消费者线程会尽最大可能监控缓冲区的变化，会占用所有CPU资源。

6、Disruptor解决CPU Cache伪共享问题

为了解决CPU和内存速度不匹配的问题，CPU中有多个高速缓存Cache。在Cache中，读写数据的基本单位是缓存行，缓存行是内存复制到缓存的最小单位。

若两个变量放在同一个Cache Line中，在多线程情况下，可能会相互影响彼此的性能。如上图所示，CPU1上的线程更新了变量X，则CPU上的缓存行会失效，同一行的Y即使没有更新也会失效，导致Cache无法命中。
同样地，若CPU2上的线程更新了Y，则导致CPU1上的缓存行又失效。如果CPU经常不能命中缓存，则系统的吞吐量则会下降。这就是伪共享问题。

解决伪共享问题，可以在变量的前后都占据一定的填充位置，尽量让变量占用一个完整的缓存行。如上图中，CPU1上的线程更新了X，则CPU2上的Y则不会失效。同样地，CPU2上的线程更新了Y，则CPU1的不会失效。

class LhsPadding{    protected long p1, p2, p3, p4, p5, p6, p7;}class Value extends LhsPadding{    protected volatile long value;}class RhsPadding extends Value{    protected long p9, p10, p11, p12, p13, p14, p15;}/** * <p>Concurrent sequence class used for tracking the progress of * the ring buffer and event processors.  Support a number * of concurrent operations including CAS and order writes. * * <p>Also attempts to be more efficient with regards to false * sharing by adding padding around the volatile field. */public class Sequence extends RhsPadding{    static final long INITIAL_VALUE = -1L;    private static final Unsafe UNSAFE;    private static final long VALUE_OFFSET;    static    {        UNSAFE = Util.getUnsafe();        try        {            VALUE_OFFSET = UNSAFE.objectFieldOffset(Value.class.getDeclaredField("value"));        }        catch (final Exception e)        {            throw new RuntimeException(e);        }    }... ...}

在Sequence的实现中，主要使用的是Value，但通过LhsPadding和RhsPadding在Value的前后填充了一些空间，使Value无冲突的存在于缓存行中。

参考
http://ifeve.com/dissecting-disruptor-whats-so-special/