併發環境下的快取容器效能優化（下）效能測試

需要強調一點的是，我們這裡討論的僅僅是符合我提出的特定場景的快取容器，而不是乙個「執行緒安全的字典」。或者說，其實我這裡更強調的是「併發環境下」的「讀」效能，而不涉及idictionary的其他操作（如count），更不會關心如copyto、remove這類功能的效能。

public inte***ce 
iconcurrentcache

我為這個介面提供了幾種最基本實現，無論是「讀」還是「寫」，都是最直接的，並不對任何特殊的情況（如key缺失，key重複）進行處理。例如immutablemapcache：

public class 
immutablemapcache
: iconcurrentcache
public void set(tkey key, tvalue value)}}

immutablemapcache是基於f#中的map而實現的讀寫操作。由於是immutable的集合，因此對它的讀操作不需要任何併發方面的保護——而寫操作理論上也是執行緒安全的，但是我這裡還是使用了lock。這是因為如果沒有lock的話，在實際併發的場景中容易出現「搖擺」的情況出現。試想，同時有2個執行緒正在新增元素，它們同時讀取了集合的當前狀態，但是在寫回的時候隻後乙個執行緒的操作生效，先寫回的執行緒的修改丟失了。當併發程度高的情況下，「搖擺」會更加嚴重。因此，無論是immutablemapcache，還是基於immutable dictionary的實現，在set操作中都使用lock進行保護。

測試**如下：

static void cachebenchmark()
where tcache : iconcurrentcache
, new()
});codetimer.time(cachename + " (get from " + n + " elements)", 1, () =>
});}
}

請注意，這裡的測試都是在單執行緒環境下的。嚴格來說，這並不表示每種容器在多執行緒環境下的表現。事實上，即便是多執行緒環境下，不同實現隨併發程度的高低也會有所變化。因此，除了進行實驗和觀察結果之外，也必須結合實際情況進行思考，而不能簡單的「採納」這次實驗的結果。在這裡我們總共測試5種不同的實現：

cachebenchmark
>();
cachebenchmark
>();
cachebenchmark
>();
cachebenchmark
>();
cachebenchmark
>();

它們分別是：

rwlockslimdictionary：基於dictionary，使用readerwriterlockslim進行保護的快取容器。

rwlockdictionary：基於dictionary，使用readerwriterlock進行保護的快取容器。

immutable map：基於f#中map實現的快取容器。

immutable dictionary：基於不可變的雜湊表實現的快取容器。

concurrent dictionary：基於.net 4.0中提供的concurrent dictionary實現的快取容器。

執行環境是.net 4.0 beta 2，實驗進行三次。我們首先關注「寫」操作的結果，如下：

取平均值作為最後結果，並繪製成圖表：

那麼immutable dictionary又是什麼樣的呢？我們為其單獨進行一番實驗，減小實驗粒度，希望可以得到更清晰的結果：

for (int n = 100; n <= 10000; n += 100)
elements", n), 1, () =>
});}

將其結果繪製成圖表：

在寫方面，immutable dictionary的表現可謂殘不忍睹，但如果是「讀」的話，一切就都不一樣了：

將結果繪製成圖表：

從結果上我們可以得出一些有趣的結論。首先，readerwriterlockslim似乎會進行「自我調節」，一開始它的write lock開銷較大，但是隨著實驗的進行，它的開銷變小了很多。其次，基於immutable dictionary的實現自然因為其「read free」而表現最好，但是.net中concurrent dictionary的表現也相當出色，可謂遙遙領先於基於readerwriterlockslim的實現。而在「寫」操作測試時，它的表現也可圈可點，僅次於rwlockslimdictionary。我並不清楚concurrent dictionary的實現方式，有人說是lock free，也有人說是小粒度的鎖。這點可以通過閱讀**來得知，在這裡就不多作展開了。

併發環境下的快取容器效能優化（下）效能測試

高併發環境下的效能優化非同步呼叫 Future

docker下redis容器清理快取

高併發場景下優化伺服器的效能實戰

併發環境下的快取容器效能優化（下） 效能測試

高併發環境下的效能優化 非同步呼叫 Future

docker下redis容器清理快取

高併發場景下優化伺服器的效能實戰

相關推薦

併發環境下的快取容器效能優化（下）效能測試

高併發環境下的效能優化非同步呼叫 Future