基础：如何利⽤系统缓存优化程序的运⾏效率

我不是女神ヾ 2022-09-17 03:14 109阅读 0赞

Buffer和Cache的设计目的，是为了提升系统的IO性能。他们利用内存，充当起慢速磁盘与快速CPU之间的桥梁，可以加速IO的访问速度

Buffer和Cache分别缓存的是对磁盘和文件系统的读写数据。

*  从写的⻆度来说，不仅可以优化磁盘和⽂件的写⼊，对应⽤程序也有好处，应⽤程序可以在数据真正落盘前，就返回去做其他⼯作。
 *  从读的⻆度来说，不仅可以提⾼那些频繁访问数据的读取速度，也降低了频繁 I/O 对磁盘的压⼒。

既然Buffer和Cache对系统性能有很大影响，那我们在软件开发的过程中，能不能利用这一点，来优化IO性能，提升应用程序的销量呢？

当然可以。

# 缓存指标 #

## 缓存命中率 ##

缓存命中率可以衡量缓存使用的好坏

*  是指直接通过缓存获取数据的请求次数，占所有数据请求次数的百分比。
 *  命中率越⾼，表示使⽤缓存带来的收益越⾼，应⽤程序的性能也就越好。

实际上，缓存是现在所有高并发系统必需的核心模块，主要作用就是把经常访问的数据(也就是热点数据)，提前读入到内存中。这样，下次访问时就可以直接从内存中读取数据，而不需要经过硬盘，从而加快应用程序的响应速度。

这些独立的缓存模块通常会提供查询接口，方便我们随时查看缓存的命中情况。不过Linux系统中并没有直接提供这些接口，但是我们可以使用cachestat和cachetop来查看系统缓存命中情况的工具：

*  cachestat提供了这个操作系统缓存的读写命中情况
 *  cachetop提供了每个进程的缓存命中情况。

这两个工具都是bcc软件包的一部分，它们基于Linux内核的eBPFF（extended Berkeley Packet Filters）机制，来跟踪内核中管理的缓存，并输出缓存的使用和命中情况。

使⽤ cachestat 和 cachetop 前，我们⾸先要安装 bcc 软件包。⽐如，在 Ubuntu 系统中，你可以运⾏下⾯的命令来安装：

sudo apt-key adv --keyserver keyserver.ubuntu.com --recv-keys 4052245BD4284CDD
    echo "deb https://repo.iovisor.org/apt/xenial xenial main" | sudo tee /etc/apt/sources.list.d/iovisor.list
    sudo apt-get update
    sudo apt-get install -y bcc-tools libbcc-examples linux-headers-$(uname -r)

注意：bcc-tools需要内核版本为4.1或者更新的版本，如果你⽤的是CentOS，那就需要⼿动升级内核版本后再安装。

操作完这些步骤，bcc 提供的所有⼯具就都安装到 /usr/share/bcc/tools 这个⽬录中了。不过这⾥提醒你，bcc 软件包默认不会把这些⼯具配置到系统的 PATH 路径中，所以你得⾃⼰⼿动配置：

$ export PATH=$PATH:/usr/share/bcc/tools

配置完，你就可以运⾏ cachestat 和 cachetop 命令了。⽐如，下⾯就是⼀个 cachestat 的运⾏界⾯，它以1秒的时间间隔，输出了3组缓存统计数据：

$ cachestat 1 3
    TOTAL MISSES HITS DIRTIES BUFFERS_MB CACHED_MB
    2          0   2 	1 		17			 279
    2          0   2 	1 		17 			 279
    2          0   2 	1 		17           279

cachestat 的输出其实是⼀个表格。每⾏代表⼀组数据，⽽每⼀列代表不同的缓存统计指标。这些指标从左到右依次表示：

*  TOTAL ，表示总的 I/O 次数；
 *  MISSES ，表示缓存未命中的次数；
 *  HITS ，表示缓存命中的次数；
 *  DIRTIES， 表示新增到缓存中的脏⻚数；
 *  BUFFERS\_MB 表示 Buffers 的⼤⼩，以 MB 为单位；
 *  CACHED\_MB 表示 Cache 的⼤⼩，以 MB 为单位。

$ cachetop
    11:58:50 Buffers MB: 258 / Cached MB: 347 / Sort: HITS / Order: ascending
    PID   UID   CMD   HITS  MISSES DIRTIES   READ_HIT% WRITE_HIT%
    13029 root python    1     0      0       100.0%      0.0%

它的输出跟 top 类似，默认按照缓存的命中次数（HITS）排序，展示了每个进程的缓存命中情况。

*  HITS：间隔时间内的缓存命中次数
 *  MISSES：未命中次数
 *  DIRTIES ：新增到缓存中的脏⻚数。
 *  READ\_HIT ：读的缓存命中率。
 *  WRITE\_HIT ：写的缓存命中率。

## 指定文件的在内存中的缓存大小 ##

可以使用pcstat这个工具，来查看文件在内存中的缓存大小和缓存比例。

pcstat是一个基于golang开发的工具，所以在安装它之前，应该先安装golang语言，之后再安装pcstat：

`$ export GOPATH=~/go
    $ export PATH=~/go/bin:$PATH
    $ go get golang.org/x/sys/unix
    $ go get github.com/tobert/pcstat/pcstat

全部安装完成后，你就可以运⾏ pcstat 来查看⽂件的缓存情况了。⽐如，下⾯就是⼀个 pcstat 运⾏的示例，它展示了 /bin/ls这个⽂件的缓存情况：

$ pcstat /bin/ls
    +---------+----------------+------------+-----------+---------+
    | Name    | Size (bytes)   | Pages      | Cached    | Percent |
    |---------+----------------+------------+-----------+---------|
    | /bin/ls | 133792         | 33         | 0         | 000.000 |
    +---------+----------------+------------+-----------+---------+

上面输出中，Cached就是/bin/ls在缓存中的大小，Percent就是缓存的百分比。他们都是0，说明/bin/ls并不在缓存中。

接着，如果你执⾏⼀下 ls 命令，再运⾏相同的命令来查看的话，就会发现 /bin/ls 都在缓存中了：

$ ls
    $ pcstat /bin/ls
    +---------+----------------+------------+-----------+---------+
    | Name    | Size (bytes)   | Pages      | Cached    | Percent |
    |---------+----------------+------------+-----------+---------|
    | /bin/ls | 133792         | 33         | 33         | 100.000 |
    +---------+----------------+------------+-----------+---------+

# 案例 #

## 准备 ##

*  机器配置：2 CPU，8GB 内存。
 *  预先按照上⾯的步骤安装 bcc 和 pcstat 软件包，并把这些⼯具的安装路径添加到到 PATH 环境变量中。
 *  预先安装 Docker 软件包，⽐如 apt-get install docker.io

## 案例一 ##

dd是一个磁盘和文件的拷贝工具，常被用来测试磁盘或者文件系统的读写性能。不过，既然缓存会影响性能，如果用dd对同一个文件进行多次读写测试，测试的结果会怎么样呢？

我们来动⼿试试。⾸先，打开两个终端，连接到 Ubuntu 机器上，确保 bcc 已经安装配置成功。

然后，使⽤ dd 命令⽣成⼀个临时⽂件，⽤于后⾯的⽂件读取测试：

# ⽣成⼀个512MB的临时⽂件
    $ dd if=/dev/sda1 of=file bs=1M count=512
    # 清理缓存
    $ echo 3 > /proc/sys/vm/drop_caches

继续在第⼀个终端，运⾏ pcstat 命令，确认刚刚⽣成的⽂件不在缓存中。如果⼀切正常，你会看到 Cached 和 Percent 都是0:

$ pcstat file
    +-------+----------------+------------+-----------+---------+
    | Name | Size (bytes)     | Pages     | Cached    | Percent |
    |-------+----------------+------------+-----------+---------|
    | file | 536870912        | 131072    | 0         | 000.000 |
    +-------+----------------+------------+-----------+---------+

还是在第一个中断中，现在运行cachetop命令：

# 每隔5秒刷新⼀次数据
    $ cachetop 5

这次是第⼆个终端，运⾏ dd 命令测试⽂件的读取速度：

$ dd if=file of=/dev/null bs=1M
    512+0 records in
    512+0 records out
    536870912 bytes (537 MB, 512 MiB) copied, 16.0509 s, 33.4 MB/s

从dd的结果中可以看出，这个文件的读性能是33.4MB/s。由于在dd命令运行前我们已经清理了缓存，所以dd命令读取数据时，肯定要通过文件系统从磁盘中读取。

这是不是意味着，dd所有的读请求都能直接发送到磁盘呢？

我们再回到第一个终端，查看cachetop界面的缓存命中情况：

PID   UID   CMD  HITS   MISSES  DIRTIES  READ_HIT%   WRITE_HIT%
    \.\.\.
    3264  root  dd  37077  37330     0         49.8%        50.2%

从cachetop的结果可以发现，并不是所有的读都落到了磁盘上，事实上读请求的缓存命中率只有50%。

接下来，我们继续尝试相同的测试命令。先切换到第⼆个终端，再次执⾏刚才的 dd 命令：

$ dd if=file of=/dev/null bs=1M
    512+0 records in
    512+0 records out
    536870912 bytes (537 MB, 512 MiB) copied, 0.118415 s, 4.5 GB/s

看到这次的结果，有没有点⼩惊讶？磁盘的读性能居然变成了 4.5 GB/s，⽐第⼀次的结果明显⾼了太多。为什么这次的结果这么好呢？

不妨再回到第⼀个终端，看看 cachetop 的情况：

10:45:22 Buffers MB: 4 / Cached MB: 719 / Sort: HITS / Order: ascending
    PID   UID CMD  HITS MISSES DIRTIES READ_HIT% WRITE_HIT%
    \.\.\.
    32642 root dd 131637  0        0     100.0%    0.0%

显然，cachetop也有了不⼩的变化。你可以发现，这次的读的缓存命中率是100.0%，也就是说这次的 dd 命令全部命中了缓存，所以才会看到那么⾼的性能。

然后，回到第⼆个终端，再次执⾏ pcstat 查看⽂件 file 的缓存情况：

$ pcstat file
    +-------+----------------+------------+-----------+---------+
    | Nam e | Size (bytes)   | Pages      | Cached    | Percent |
    |-------+----------------+------------+-----------+---------|
    | file  | 536870912      | 131072     | 131072    | 100.000 |
    +-------+----------------+------------+-----------+---------+

从pcstat的结果你可以发现，测试文件file已经被全部缓存了起来，这跟刚才观察到的缓存命中率100%是一致的。

这两次结果说明，系统缓存对第二次dd操作有着明显的加速效果，可以大大提高文件读取的性能。

但同时也要注意，如果我们把dd当成测试文件系统的工具，由于缓存的存在，就会导致测试结果严重失真。

## 案例二 ##

接下来，我们再来看⼀个⽂件读写的案例。这个案例类似于前⾯学过的不可中断状态进程的例⼦。它的基本功能⽐较简单，也就是每秒从磁盘分区区 /dev/sda1 中读取 32MB 的数据，并打印出读取数据花费的时间。

这个案例被打包成了⼀个 Docker 镜像。 并提高了下⾯两个选项，你可以根据系统配置，⾃⾏调整磁盘分区的路径以及 I/O 的⼤⼩。

*  \-d 选项，设置要读取的磁盘或分区路径，默认是查找前缀为 /dev/sd 或者 /dev/xvd 的磁盘。
 *  \-s 选项，设置每次读取的数据量⼤⼩，单位为字节，默认为 33554432（也就是 32MB）。

这个案例同样需要开启两个终端。分别 SSH 登录到机器上后，先在第⼀个终端中运⾏ cachetop 命令：

# 每隔5秒刷新⼀次数据
    $ cachetop 5

接着，再到第⼆个终端，执⾏下⾯的命令运⾏案例：

$ docker run --privileged --name=app -itd feisky/app:io-direct

案例运⾏后，我们还需要运⾏下⾯这个命令，来确认案例已经正常启动。如果⼀切正常，应该可以看到类似下⾯的输出：

$ docker logs app
    Reading data from disk /dev/sdb1 with buffer size 33554432
    Time used: 0.929935 s to read 33554432 bytes
    Time used: 0.949625 s to read 33554432 bytes

从这⾥你可以看到，每读取 32 MB 的数据，就需要花 0.9 秒。这个时间合理吗？我想你第⼀反应就是，太慢了吧。那这是不是没⽤系统缓存导致的呢？

我们再来检查⼀下。回到第⼀个终端，先看看 cachetop 的输出，在这⾥，我们找到案例进程 app 的缓存使⽤情况：

16:39:18 Buffers MB: 73 / Cached MB: 281 / Sort: HITS / Order: ascending
    PID    UID CMD HITS MISSES DIRTIES  READ_HIT%  WRITE_HIT%
    21881 root app 1024  0       0       100.0%     0.0%

这个输出似乎有点意思了。1024 次缓存全部命中，读的命中率是 100%，看起来全部的读请求都经过了系统缓存。但是问题⼜来了，如果真的都是缓存 I/O，读取速度不应该这么慢。

不过，话说回来，我们似乎忽略了另一个重要因素。每秒实际读取的数据大小。HITS代表缓存的命中次数，那么每次命中能读取多少数据呢？自然是一页。

内存以页为单位进行管理，而每个⻚的⼤⼩是 4KB。所以，在5秒的时间间隔⾥，命中的缓存为 1024\*4K/1024 =4MB，再除以5 秒，可以得到每秒读的缓存是 0.8MB，显然跟案例应⽤的32 MB/s 相差太多。

这也进⼀步验证了我们的猜想，这个案例估计没有充分利⽤系统缓存。其实前⾯我们遇到过类似的问题，如果为系统调⽤设置直接 I/O 的标志，就可以绕过系统缓存。

那么，要判断应⽤程序是否⽤了直接I/O，最简单的⽅法当然是观察它的系统调⽤，查找应⽤程序在调⽤它们时的选项。使⽤什么⼯具来观察系统调⽤呢？⾃然还是 strace。

继续在终端⼆中运⾏下⾯的 strace 命令，观察案例应⽤的系统调⽤情况。注意，这⾥使⽤了 pgrep 命令来查找案例进程的PID 号：

# strace -p $(pgrep app)
    strace: Process 4988 attached
    restart_syscall(<\.\.\. resuming interrupted nanosleep \.\.\.>) = 0
    openat(AT_FDCWD, "/dev/sdb1", O_RDONLY|O_DIRECT) = 4
    mmap(NULL, 33558528, PROT_READ|PROT_WRITE, MAP_PRIVATE|MAP_ANONYMOUS, -1, 0) = 0x7f448d240000
    read(4, "8vq\213\314\264u\373\4\336K\224\25@\371\1\252\2\262\252q\221\n0\30\225bD\252\266@J"\.\.\., 33554432) = 33554432
    write(1, "Time used: 0.948897 s to read 33"\.\.\., 45) = 45
    close(4) = 0

从 strace 的结果可以看到，案例应⽤调⽤了 openat 来打开磁盘分区 /dev/sdb1，并且传⼊的参数为O\_RDONLY|O\_DIRECT（中间的竖线表示或）。

O\_RDONLY 表示以只读⽅式打开，⽽ O\_DIRECT 则表示以直接读取的⽅式打开，这会绕过系统的缓存。

验证了这⼀点，就很容易理解为什么读 32 MB的数据就都要那么久了。直接从磁盘读写的速度，⾃然远慢于对缓存的读写。这也是缓存存在的最⼤意义了。

找出问题后，我们还可以在再看看案例应⽤的源代码，再次验证⼀下：

int flags = O_RDONLY | O_LARGEFILE | O_DIRECT;
    int fd = open(disk, flags, 0755);

上⾯的代码，很清楚地告诉我们：它果然⽤了直接 I/O。

找出了磁盘读取缓慢的原因，优化磁盘读的性能⾃然不在话下。修改源代码，删除 O\_DIRECT 选项，让应⽤程序使⽤缓存I/O ，⽽不是直接 I/O，就可以加速磁盘读取速度。

app-cached.c 就是修复后的源码，我也把它打包成了⼀个容器镜像。在第⼆个终端中，按 Ctrl+C 停⽌刚才的 strace 命令，运⾏下⾯的命令，你就可以启动它：

# 删除上述案例应⽤
    $ docker rm -f app
    # 运⾏修复后的应⽤
    $ docker run --privileged --name=app -itd feisky/app:io-cached

还是第⼆个终端，再来运⾏下⾯的命令查看新应⽤的⽇志，你应该能看到下⾯这个输出：

$ docker logs app
    Reading data from disk /dev/sdb1 with buffer size 33554432
    Time used: 0.037342 s s to read 33554432 bytes
    Time used: 0.029676 s to read 33554432 bytes

现在，每次只需要 0.03秒，就可以读取 32MB 数据，明显⽐之前的 0.9 秒快多了。所以，这次应该⽤了系统缓存。

我们再回到第⼀个终端，查看 cachetop 的输出来确认⼀下：

16:40:08 Buffers MB: 73 / Cached MB: 281 / Sort: HITS / Order: ascending
    PID   UID CMD   HITS MISSES DIRTIES READ_HIT% WRITE_HIT%
    22106 root app 40960   0      0       100.0%    0.0%

果然，读的命中率还是 100%，HITS （即命中数）却变成了 40960，同样的⽅法计算⼀下，换算成每秒字节数正好是 32MB（即 40960\*4k/5/1024=32M）。

这个案例说明，在进⾏ I/O 操作时，充分利⽤系统缓存可以极⼤地提升性能。 但在观察缓存命中率时，还要注意结合应⽤程序实际的 I/O ⼤⼩，综合分析缓存的使⽤情况。

案例的最后，再回到开始的问题，为什么优化前，通过 cachetop 只能看到很少⼀部分数据的全部命中，⽽没有观察到⼤量数据的未命中情况呢？这是因为，cachetop ⼯具并不把直接 I/O 算进来