深入浅出计算机组成原理：理解Disruptor（上）-带你体会CPU高速缓存的风驰电掣（第54讲）

Posted 2022-10-31 luoahong

一、引子

坚持到底就是胜利，终于我们?起来到了专栏的最后一个主题。让我一起带你来看一看，CPU到底能有多快。在接下来的两讲里，我会带你一起来看一个开源项目Disruptor。
看看我们怎么利用CPU和高速缓存的硬件特性，来设计一个对于性能有极限追求的系统。

不知道你还记不记得，在第37讲里，为了优化4毫秒专用铺设光纤的故事。实际上，最在意极限性能的并不是互联网公司，而是高频交易公司。我们今天讲解的Disruptor就是由一家专门
做高频交易的公司LMAX开源出来的。

有意思的是，Disruptor的开发语言，并不是很多人心目中最容易做到性能极限的C/C++，而是性能受限于JVM的Java。这到底是怎么意回事呢？那通过这意讲，
你就能体会到，其实只要通晓硬件层面的原理，即使是像Java这样的高级语言，也能够把CPU的性能发挥到极限。

二、PaddingCache Line，体验高速缓存的威力

我们先来看看Disruptor里面一段神奇的代码。这段代码里，Disruptor在RingBufferPad这个类里面定义了p1，p2一直到p7这样7个long类型的变量。

abstract class RingBufferPad

    protected long p1, p2, p3, p4, p5, p6, p7;

1、缓存行填充

我在看到这段代码的第一反应是，变量名取得不规范，p1-p7这样的变量名没有明确的意义啊。不过，当我深入了解了Disruptor的设计和源代码，才发现这些变量名取得恰如其分。因为这些变量就是没有实际意
义，只是帮助我们进行缓存行填充（Padding Cache Line），使得我们能够尽可能地用上CPU高速缓存（CPU Cache）。那么缓存存填充这个黑科技到底是什么样的呢？我们接着往下看。

不知道你还记不记得，我们在35讲里面的这个表格。如果访问内置在CPU里的L1 Cache或者L2 Cache，访问延时是内存的1/15乃至1/100。而内存的访问速度，其实是远远慢于CPU的。
想要追求极限性能，需要我们尽可能地多从CPU Cache里面拿数据，而不是从内存里面拿数据。

2、CPU从内存加载数据到CPU Cache里面的时候，不是一个变量一个变量加载的，而是加载固定长度的CacheLine

CPU Cache装载内存里面的数据，不是一个一个字段加载的，而是加载一整个缓存存。举个例子，如果我们定义了一个长度为64的long类型的数组。那么数据从内存加载到CPU Cache里面的时候，
不是一个一个数组元素加载的，而是一次性加载固定长度的一个缓存行。

我们现在的64位Intel CPU的计算机，缓存行通常是64个字节（Bytes）。一个long类型的数据需要8个字节，所以我们一下子会加载8个long类型的数据。也就是说，一次加载数组里面连续的8个数值。
这样的加载方式使得我们遍历数组元素的时候会很快。因为后面连续7次的数据访问都会命中缓存，不需要重新从内存里面去读取数据。这个性能层面的好处，我在第37讲的第一个例子里面为你演示过，印象不深的话，可以返回去看看。

3、对于类里面定义的单独的变量，就不容易享受到CPU Cache红利了

但是，在我们不是使用数组，而是使用单独的变量的时候，这里就会出现问题了。在Disruptor的RingBuffer（环形缓冲区）的代码里面，定义了一个单独的long类型的变量。
这个变量叫作INITIAL_CURSOR_VALUE，用来存放RingBuffer起始的元素位置。

CPU在加载数据的时候，自然也会把这个数据从内存加载到高速缓存里面来。不过，这个时候，高速缓存里面除了这个数据，还会加载这个数据前后定义的其他变量。这个时候，问题就来了。
Disruptor是一个多线程的服务器框架，在这个数据前后定义的其他变量，可能会被多个不同的线程去更新数据、读取数据。这些

写入以及读取的请求，会来自于不同的CPU Core。于是，为了保证数据的同步更新，我们不得不把CPUCache里面的数据，重新写回到内存里面去或者重新从内存里面加载数据。

而我们刚刚说过，这些CPU Cache的写回和加载，都不是以一个变量作为单位的。这些动作都是以整个Cache Line作为单位的。所以，当INITIAL_CURSOR_VALUE前后的那些变量被写回到内存的时候，
这个字段自己也写回到了内存，这个常量的缓存也就失效了。当我们要再次读取这个值的时候，要再重新从内存读取。这也就意味着，读取速度大大变慢了。

......


abstract class RingBufferPad

    protected long p1, p2, p3, p4, p5, p6, p7;

	


abstract class RingBufferFields<E> extends RingBufferPad

    ......



public final class RingBuffer<E> extends RingBufferFields<E> implements Cursored, EventSequencer<E>, EventSink<E>

    public static final long INITIAL_CURSOR_VALUE = Sequence.INITIAL_VALUE;
    protected long p1, p2, p3, p4, p5, p6, p7;
    ......

面临这样一个情况，Disruptor里发明了一个神奇的代码技巧，这个技巧就是缓存行填充。Disruptor在INITIAL_CURSOR_VALUE的前后，分别定义了7个long类型的变量。前面的7个来自继承的RingBufferPad
类，后面的7个则是直接定义在RingBuffer类里面。这14个变量没有任何实际的用途。我们既不会去读他们，也不会去写他们。

而INITIAL_CURSOR_VALUE又是一个常量，也不会进行修改。所以，一旦它被加载到CPU Cache之后，只要被频繁地读取访问，就不会再被换出Cache了。这也就意味着，对于这个值的读取速度，
会是一直是CPUCache的访问速度，而不是内存的访问速度。

三、使用RingBuffer，利用缓存和分支预测

其实这个利用CPU Cache的性能的思路，贯穿了整个Disruptor。Disruptor整个框架，其实就是一个高速的生产者-消费者模型（Producer-Consumer）下的队列。
生产者不停地往队列里面生产新的需要处理的任务，而消费者不停地从队列里面处理掉这些任务。

1、要实现一个队列，最合适的数据结构应该是链表

如果你熟悉算法和数据结构，那你应该非常清楚，如果要实现一个队列，最合适的数据结构应该是链表。我们只要维护好链表的头和尾，就能很容易实现一个队列。
生产者只要不断地往链表的尾部不断插入新的节点，而消费者只需要不断从头部取出最老的节点进行处理就好了。我们可以很容易实现生产者-消费者模型。实际上，

Java自己的基础库里面就有LinkedBlockingQueue这样的队列库，可以直接用在生产者-消费者模式上。

2、Disruptor里面并没有用LinkedBlockingQueue，而是使用了一个RingBuffer这样的数据结构

不过，Disruptor里面并没有用LinkedBlockingQueue，而是使用了一个RingBuffer这样的数据结构，这个RingBuffer的底层实现则是一个固定长度的数组。比起链表形式的实现，
数组的数据在内存里面会存在空间局部性。

就像上面我们看到的，数组的连续多个元素会一并加载到CPU Cache里面来，所以访问遍历的速度会更快。而链表里面各个节点的数据，多半不会出现在相邻的内存空间，
自然也就享受不到整个Cache Line加载后数据连续从高速缓存存里被访问到的优势。

除此之外，数据的遍历访问还有一个很大的优势，就是CPU层面的分支预测会很准确。这可以使得我们更有这一部分的原理如果你已经不太记得了，
可以回过头去复习一下第25讲关于分支预测的内容。

四、总结延伸

好了，不知道讲完这些，你有没有体会到Disruptor这个框架的神奇之处呢？

CPU从内存加载数据到CPU Cache里面的时候，不是一个变量一个变量加载的，而是加载固定长度的CacheLine。如果是加载数组里面的数据，那么CPU就会加载到数组里面连续的多个数据。
所以，数组的遍历很容易享受到CPU Cache那风驰电掣的速度带来的红利。

对于类里面定义的单独的变量，就不容易享受到CPU Cache红利了。因为这些字段虽然在内存层面会分配到一起，但是实际应用的时候往往没有什么关联。于是，就会出现多个CPU Core访问的情况下，
数据频繁在CPU Cache和内存里面来来回回的情况。而Disruptor很取巧地在需要频繁高速访问的常量

INITIAL_CURSOR_VALUE 前后，各定义了7个没有任何作?和读写请求的long类型的变量。

这样，无论在内存的什么位置上，这个INITIAL_CURSOR_VALUE所在的CacheLine都不会有任何写更新的请求。我们就可以始终在Cache Line里面读到它的值，而不需要从内存里面去读取数据，
也就大大加速了Disruptor的性能。

这样的思路，其实渗透在Disruptor这个开源框架的方方面面。作为一个生产者-消费者模型，Disruptor并没有选择使用链表来实现一个队列，而是使用了RingBuffer。
RingBuffer底层的数据结构则是一个固定长度的数组。这个数组不仅让我们更容易用好CPU Cache，对CPU执行过程中的分支预测也非常有利。更准确的分支预测，
可以使得我们更好地利用好CPU的流水线，让代码跑得更快。