再见 MMKV，自己撸一个FastKV，真的很快

Posted 2021-12-08 冬天的毛毛雨

作者：呼啸长风

一、前言

KV存储无论对于客户端还是服务端都是重要的构件。
对于android客户端而言，最常见的莫过于SDK提供的SharePreferences(以下简称SP)，但其低效率和ANR问题饱受诟病。
18年年末微信开源了MMKV，写入速度比前者高不少。
后来官方又推出了基于Kotlin的DataStore，测试下来，发现写入效率很低。
我之前写过一个叫LightKV的存储组件，不过当时认知不足，设计不够成熟。

1.1 SP的不足

关于SP的缺点网上有不少讨论，这里主要提两个点：

• 保存速度较慢

SP用内存层用HashMap保存，磁盘层则是用的XML文件保存。
每次更改，都需要将整个HashMap序列化为XML格式的报文然后整个写入文件。
归结其较慢的原因：
1、不能增量写入；
2、序列化比较耗时。

• 可以能会导致ANR

public void apply() {
    // ...省略无关代码...
    QueuedWork.addFinisher(awaitCommit);
    Runnable postWriteRunnable = new Runnable() {
        @Override
        public void run() {
            awaitCommit.run();
            QueuedWork.removeFinisher(awaitCommit);
        }
    };
    SharedPreferencesImpl.this.enqueueDiskWrite(mcr, postWriteRunnable);
}

---

public void handleStopActivity(IBinder token, boolean show, int configChanges,
                               PendingTransactionActions pendingActions, boolean finalStateRequest, String reason) {
    // ...省略无关代码...
    // Make sure any pending writes are now committed.
    if (!r.isPreHoneycomb()) {
        QueuedWork.waitToFinish();
    }
}

Activity stop时会等待SP的写入任务，如果SP的写入任务多且执行慢的话，可能会阻塞主线程较长时间，轻则卡顿，重则ANR。

1.2 MMKV的不足

• 没有类型信息，不支持getAll
  MMKV的存储用类似于Protobuf的编码方式，只存储key和value本身，没有存类型信息（Protobuf用tag标记字段，信息更少）。
  由于没有记录类型信息，MMKV无法自动反序列化，也就无法实现getAll接口。
• 读取相对较慢
  SP在加载的时候已经将value反序列化存在HashMap中了，读取的时候索引到之后就能直接引用了。
  而MMKV每次读取时都需要重新解码，除了时间上的消耗之外，还需要每次都创建新的对象。
  不过这不是大问题，相对SP没有差很多。
• 需要引入so, 增加包体积
  引入MMKV需要增加的体积还是不少的，且不说jar包和aidl文件，光是一个arm64-v8a的so就有四百多K。

虽然说现在APP体积都不小，但毕竟增加体积对打包、分发和安装时间都多少有些影响。

• 文件只增不减
  MMKV的扩容策略还是比较激进的，而且扩容之后不会主动trim size。
  比方说，假如有一个大value，让其扩容至1M，后面删除该value，哪怕有效内容只剩几K，文件大小还是保持在1M。

• 可能会丢失数据
  前面的问题总的来说都不是什么“要紧”的问题，但是这个丢失数据确实是硬伤。
  MMKV官方有这么一段表述：

  通过 mmap 内存映射文件，提供一段可供随时写入的内存块，App 只管往里面写数据，由操作系统负责将内存回写到文件，不必担心 crash 导致数据丢失。

这个表述对一半不对一半。
如果数据完成写入到内存块，如果系统不崩溃，即使进程崩溃，系统也会将buffer刷入磁盘；
但是如果在刷入磁盘之前发生系统崩溃或者断电等，数据就丢失了，不过这种情况发生的概率不大；
另一种情况是数据写一半的时候进程崩溃或者被杀死，然后系统会将已写入的部分刷入磁盘，再次打开时文件可能就不完整了。
例如，MMKV在剩余空间不足时会回收无效的空间，如果这期间进程中断，数据可能会不完整。 MMKV官方的说明可以佐证：

CRC校验失败之后，MMKV有两种应对策略：直接丢弃所有数据，或者尝试读取数据（用户可以在初始化时设定）。
尝试读取数据不一定能恢复数据，甚至可能会读到一些错误的数据，得看运气。

这个过程是比较容易复现的，下面是其中一种复现路径：

1. 新增和删除若干key-value 得到数据如下：

2. 插入一个大字符串，触发扩容，扩容前会触发垃圾回收

3. 断点打在执行memmove的循环中，执行一部分memmove, 然后在手机上杀死进程

4. 再次打开APP，数据丢失

相比之下，SP虽然低效，但至少不会丢失数据。

二、FastKV

在总结了之前的经验和感悟之后，笔者实现了一个高效且可靠的版本，且将其命名为: FastKV。

2.1 特性

FastKV有以下特性：

1. 读写速度快
   • FastKV采用二进制编码，编码后的体积相对XML等文本编码要小很多。
   • 增量编码：FastKV记录了各个key-value相对文件的偏移量，更新数据时，可以直接在对应的位置写入数据。
   • 默认用mmap的方式记录数据，更新数据时直接写入到内存即可，没有IO阻塞。
2. 支持多种写入模式
   • 除了mmap这种非阻塞的写入方式，FastKV也支持常规的阻塞式写入方式， 并且支持同步阻塞和异步阻塞（分别类似于SharePreferences的commit和apply)。
3. 支持多种类型
   • 支持常用的boolean/int/float/long/double/String等基础类型。
   • 支持ByteArray (byte[])。
   • 支持存储自定义对象。
   • 内置StringSet编码器 (为了兼容SharePreferences)。
4. 方便易用
   • FastKV提供了了丰富的API接口，开箱即用。
   • 提供的接口其中包括getAll()和putAll()方法， 所以迁移SharePreferences等框架的数据到FastKV很方便，当然，迁移FastKV的数据到其他框架也很方便。
5. 稳定可靠
   • 通过double-write等方法确保数据的完整性。
   • 在API抛IO异常时提供降级处理。
6. 代码精简
   • FastKV由纯Java实现，编译成jar包后体积仅30多K。

2.2 实现原理

2.2.1 编码

文件的布局：

[data_len | checksum | key-value | key-value｜…]

• data_len: 占4字节, 记录所有key-value所占字节数。
• checksum: 占8字节，记录key-value部分的checksum。

key-value的数据布局：

+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
| delete_flag | external_flag | type  | key_len | key_content |  value  |
+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
|     1bit    |      1bit     | 6bits |  1 byte |             |         |

• delete_flag ：标记当前key-value是否删除。
• external_flag: 标记value部分是否写到额外的文件。
  注：对于数据量比较大的value,放在主文件会影响其他key-value的访问性能，因此，单独用一个文件来保存该value, 并在主文件中记录其文件名。
• type: value类型，目前支持boolean/int/float/long/double/String/ByteArray以及自定义对象。
• key_len: 记录key的长度，key_len本身占1字节，所以支持key的最大长度为255。
• key_content: key的内容本身，utf8编码。
• value: 基础类型的value, 直接编码（little-end）；
  其他类型，先记录长度（用varint编码），再记录内容。
  String采用UTF-8编码，ByteArray无需编码，自定义对象实现Encoder接口，分别在Encoder的encode/decode方法中序列化和反序列化。

2.2.2 存储

• mmap
  为了提高写入性能，FastKV默认采用mmap的方式写入。

• 降级
  当mmap API发生IO异常时，降级到常规的blocking I/O，同时为了不影响当前线程，会将写入放到异步线程中执行。

• 数据完整性
  如果在写入一部分的过程中发生中断（进程或系统），则文件可能会不完整。
  故此，需要用一些方法确保数据的完整性。
  当用mmap的方式打开时，FastKV采用double-write的方式：数据依次写入A/B两个文件，确保任何时刻总有一个文件完整的；
  加载数据时，通过checksum、标记、数据合法性检验等方法验证数据的正确性。
  double-write可以防止进程崩溃后数据不完整，但由于mmap是系统定时刷盘，若在刷盘前系统崩溃或者断电，仍会丢失未落盘的更新（之前的数据还在）；对于非常重要的key-value，在写入后，可接着调用force()强制将脏页刷盘。

• 更新策略（增/删/改）
  新增：写入到数据的尾部。
  删除：delete_flag设置为1。
  修改：如果value部分的长度和原来一样，则直接写入原来的位置； 否则，先写入key-value到数据尾部，再标记原来位置的delete_flag为1（删除），最后再更新文件的data_len和checksum。

• gc/truncate
  删除key-value时会收集信息（统计删除的个数，以及所在位置，占用空间等）。
  GC的触发时机:
  1、新增key-value时剩余空间不足，且已删除的空间达到阈值，且腾出删除空间后足够写入当前key-value, 则触发GC；
  2、删除key-value时，如果删除空间达到阈值，或者删除的key-value个数达到阈值，则触发GC。
  GC后如果空闲的空间达到设定阈值，则触发truncate（缩小文件大小）。

2.3 使用方法

2.3.1 导入

dependencies {
    implementation 'io.github.billywei01:fastkv:1.0.4'
}

2.3.2 初始化

    FastKVConfig.setLogger(FastKVLogger)
    FastKVConfig.setExecutor(ChannelExecutorService(4))

初始化可以按需设置日志回调和Executor。
建议传入自己的线程池，以复用线程。

日志接口提供三个级别的回调，按需实现即可。

    public interface Logger {
        void i(String name, String message);

        void w(String name, Exception e);

        void e(String name, Exception e);
    }

2.3.3 数据读写

• 基本用法

    FastKV kv = new FastKV.Builder(path, name).build();
    if(!kv.getBoolean("flag")){
        kv.putBoolean("flag" , true);
    }

• 保存自定义对象

    FastKV.Encoder<?>[] encoders = new FastKV.Encoder[]{LongListEncoder.INSTANCE};
    FastKV kv = new FastKV.Builder(path, name).encoder(encoders).build();

    String objectKey = "long_list";
    List<Long> list = new ArrayList<>();
    list.add(100L);
    list.add(200L);
    list.add(300L);
    kv.putObject(objectKey, list, LongListEncoder.INSTANCE);

    List<Long> list2 = kv.getObject("long_list");

FastKV支持保存自定义对象，为了加载文件时能自动反序列化，需在构建FastKV实例时传入对象的编码器。
编码器为实现FastKV.Encoder的对象。
比如上面的LongListEncoder的实现如下：

public class LongListEncoder implements FastKV.Encoder<List<Long>> {
    public static final LongListEncoder INSTANCE = new LongListEncoder();

    @Override
    public String tag() {
        return "LongList";
    }

    @Override
    public byte[] encode(List<Long> obj) {
        return new PackEncoder().putLongList(0, obj).getBytes();
    }

    @Override
    public List<Long> decode(byte[] bytes, int offset, int length) {
        PackDecoder decoder = PackDecoder.newInstance(bytes, offset, length);
        List<Long> list = decoder.getLongList(0);
        decoder.recycle();
        return (list != null) ? list : new ArrayList<>();
    }
}

编码对象涉及序列化/反序列化。
这里推荐笔者的另外一个框架：github.com/BillyWei01/…

2.3.4 For Android

Android平台上的用法和常规用法一致，不过Android平台多了SharePreferences API，以及支持Kotlin。
FastKV的API兼容SharePreferences, 可以很轻松地迁移SharePreferences的数据到FastKV。
相关用法可参考：github.com/BillyWei01/…

三、 性能测试

• 测试数据：搜集APP中的SharePreferenses汇总的部份key-value数据（经过随机混淆）得到总共四百多个key-value。

由于日常使用过程中部分key-value访问多，部分访问少，所以构造了一个随机正态分布的访问序列。 此过程循环多遍，分别求其总耗时。

• 比较对象： SharePreferences/DataStore/MMKV
• 测试机型：荣耀20S

测试结果：

	写入(ms)	读取(ms)
SharePreferences	1182	2
DataStore	33277	2
MMKV	29	10
FastKV	19	1

• SharePreferences提交用的是apply, 耗时依然不少。
• DataStore的写入很慢。
• MMKV的读取比SharePreferences/DataStore要慢一些，写入则比之快许多。
• FastKV无论读取还是写入都比其他方式要快。

现实中通常情况下不会有此差距，因为一般而言不会几百个key-value写到同一个文件，此处仅为显示极端情况下的对比，读着可自行调整参数看对比数据(测试代码包含在项目中）。

四、结语

本文探讨了当下Android平台的各类KV存储方式，提出并实现了一种新的存储组件，着重解决了KV存储的效率和数据可靠性问题。