释放.NET Big Memory和内存映射文件的能量

要点：

通常Web服务器具有的内存远远超过了.NET GC在正常情况下可以有效处理的量。
缓存服务器的性能优势通常会因增加了网络成本而下降。
内存映射文件通常是在系统重新启动后填充缓存的最快方式。
服务器端调优的目的是出站网络连接达到饱和的程度。通过最小化CPU、磁盘和内部网络的使用来达到网络连接饱和的程度。
通过在内存中保存对象图，可以获得图形数据库的性能优势，而且不会提高复杂性。

延续关于.NET平台（part1，part2）的Big Memory主题，本文介绍了使用Agincore’s Big Memory Pile在受管CLR服务器环境中使用大型数据集的优势。

综述

现今RAM已经非常快速和实惠，但是生命周期较短。每次重新启动进程，内存将被清除，一切都必须重新加载。为了解决这个问题，我们最近添加了内存映射文件来支持我们的解决方案，即NFX堆。使用内存映射文件，可以在重新启动后从磁盘快速获取数据。

用例

为什么有人会使用几十或几百GB的RAM呢？以下是Big Memory Pile技术的一些已验证过的用例。

首先是缓存。在电子商务后端，存储着数十万种用来显示为详细目录列表的产品。每种产品可能有数十种变体。当在单个屏幕上构建一个展示30多个产品的目录视图时，即使是单个用户使用渐进式加载滚动页面，也需要很快速地获取到这些对象。为什么不使用Redis或Memcached？因为在同一个进程中做相同的事情，可以节省网络流量和序列化开销。将网络数据包转换成对象可能是非常昂贵的操作过程。如果要持有数十万种产品及其变体，您是否会使用字典<id，Product>（或IMemoryCache）？单单缓存数据便提供了足够的动机来使用RAM，但其实还有更多的方面...

另一个缓存用例是REST API服务器，可以将约5000万个很少更改的JSON向量序列化为UTF8编码的字节数组。大约1024字节的数组可以直接发送到Http流中，使得网络瓶颈处在80,000 req / sec左右。

使用复杂对象图是Pile的另一个完美案例。在社交应用中，需要遍历Twitter上的对话线程。当追踪谁在社区媒体网站上什么时候说了什么时，在内存中持有数亿个小向量的价值是无法估量的。也可以选择使用graph DB，而在这个案例中，在同一个进程中（它是由Web MVC应用程序托管的组件），正是使用了graph DB。我们现在正在处理每秒100K以上的REST API调用，这受限于我们的网络连接数，并且我们将CPU使用率保持在较低的水平。

在这个和其他用例中，后台工作人员随着变化而异步地更新社交图表。在许多情况下，如前面提到的产品目录，它可被优先完成。但是你不应该使用只持有数据子集的普通缓存来完成更新。

工作原理

Big Memory Pile通过在大型字符数组中使用CLR对象图的透明序列化来解决GC问题，有效地“隐藏”了GC可获取范围内的对象。然而并不是所有的对象类型都需要完全序列化，字符串和字节数组对象会被写入堆中，因为缓冲区会绕过所有的序列化机制，在6核主机上每秒可完成超过6百万次64字的字符串插入。

这种方法的主要优点是其实用性。现实生活中的案例，在使用原生CLR对象模型时已显示出惊人的整体性能，因为不需要创建专用DTO，这样可以节省开发时间，而且因为不需要创建中间过程所需的额外副本，运行速度也会更快。

总的来说，Pile将大部分I/O绑定代码转换成CPU限制代码。通常情况下，异步（具有I/O绑定）实现的典型案例是100％的同步线性代码，这种代码更加简单，并且在单个服务器上执行多个100K操作/秒时性能更好，因为Task和其他异步/等待的实现有隐藏开销（参见这里和这里）。

Big Memory 映射文件

内存中的处理过程是快速和容易实现的，但是当进程重新启动时，数据集会丢失，这个数据集通常（几十到几百GB）是很大的。从原始数据源拉出所有数据可能是非常耗时的，那是在重新启动后无法承受的时间开销。

为了解决这个问题，我们添加了内存映射文件（MMF）来支持使用标准的.NET类：MemoryMappedFile和MemoryMappedViewAccessor。现在，我们使用MemoryMappedViewAccessor实例和一些低级技巧来直接使用指针访问数据，而不是使用字节数组作为内存段的后备存储，所有这些操作都使用标准的C＃来完成，不需要C ++参与，以保持一切简单，特别是构建链。

通过MemoryMappedViewAccessor（MMFMemory类）写入内存直接修改OS层中的虚拟内存页面。如果操作系统不能将这些页面交换到磁盘中，便会尝试将这些页面放在物理RAM中。将Pile写入MMF的一个很好的功能是，进程在关闭后马上重启则不需要从磁盘重新读取所有内容。即使在进程终止之后，操作系统仍将映射到进程地址空间的页面保留。启动时，MMFPile可以以比从磁盘重新读取更快的方式访问RAM中的页面。

请注意，由于在MMFMemory类中完成了非托管代码的上下文切换，MMFPile的性能会比DefaultPile慢（基于字节数组）。

以下是一些测试结果：

基准测试插入200,000,000字符串[32] 12个线程：

（机器：Intel Core I7 3.2 Ghz，6 Core，Win 7 64bit，VS2017，.NET 4.5）

DefaultPile

24秒@ 8.3百万次插入/秒= 8.5 Gb内存;全GC <8 ms

MMFPile

41秒@ 4.9百万次插入/秒= 8.5 GB内存+磁盘;全GC <10 ms
在Stop（）上清除所有数据到磁盘：10秒
读取所有数据到ram：48秒=〜177 mbyte /秒

正如你所看到的，MMF解决方案确实有额外的开销。由于非托管的MMF转换，吞吐量较低，并且一旦从磁盘安装Pile，则耗时与使用磁盘数据预先分配给RAM的内存量成比例。然而，你不需要等待加载整个工作集，因为MMFPile在Pile.Start()之后立即可用于写入和读取，数据的全部负载将需要时间开销，在上面的示例中8.5 GB数据集需要48秒的时间才能在中档SSD的RAM中预热。

基准测试插入200,000,000 个Person对象（具有7个字段） 12个线程：

DefaultPile

85秒@ 2.4百万次插入/秒= 14.5 Gb内存;全GC <10ms

MMFPile

101秒@ 1.9百万次插入/秒= 14.5 GB内存+磁盘;全GC <10ms
在Stop()上清除所有数据到磁盘：30秒
读取所有数据到ram：50秒=〜290万字节/秒

其他改进

从上一次在InfoQ上发表文章以来，我们对NFX.Pile做了很多改进：

原始分配器/分层设计

Pile的实现可以更好地分层，从而可以将字符串和字节数组直接从RAM的较大的连续块中直接写入/读取。整个序列化机制完全绕过字节数组，从而可以使用Pile作为一个原始的字节数组分配器。

var ptr = pile.Put（“abcdef”）; //这将绕过所有序列化程序//并使用UTF8Encoding代替
var original = pile.Get（ptr）as string;

性能提升

由于引入了试图避免多线程竞争的滑动窗口优化实现，段分配逻辑已经被修改，并且在多线程插入期间提高了50％以上的性能。此外，在大多数情况下字符串和字节数组完全绕过串行器会提高速度近5百万次插入/秒（200％以上的改进）。

枚举

利用IEnumerable <PileEntry>接口实现，可以获得整个堆的内容。 PileEntry结构体如下：

foreach(var entry in pile){   
Console.WriteLine(“{0} points to 
{1} bytes”.Args(                          entry.Pointer,                           
entry.Size));   
var data = pile.Get(entry.Pointer);   
… 
}

缓存持久化

出于性能原因，缓存的默认模式是“推测的”。在这种模式下，即使存在足够的内存，散列码冲突也可能导致较低的优先级项从高速缓存中弹出。

缓存服务器可以以“持久”模式存储数据，工作方式更像普通的字典。因为持久化模式需要在bucket中进行重新排列，所以相比推测模式会慢5-10％。对于大多数应用程序来说是难以察觉的。但是需要根据特定的情况进行测试从而确定最佳实现方式。

//为所有表指定TableOptions，将表持久化
cache.DefaultTableOptions = new TableOptions（“*”）{CollisionMode = CollisionMode.Durable};

原地对象突变和预分配

可以在现有PilePointer地址改变对象。新的API Put（PilePointer ...）允许在现有位置放置不同的有效载荷。如果新的有效载荷不适合现有的块，那么Pile将创建一个内部链接到新位置（* nix系统中的一个文件系统链接），有效地使原始指针指向新的位置。删除原始指针将删除链接及其所指向的内容。别名是完全透明的，并在读取时产生目标有效载荷。

还可以通过在调用Put（）时指定preallocateBlockSize，为有效负载预分配更多的RAM。

//堆中存储链表的实现
public class ListNode{public PilePointer Previous;public PilePointer Next;public PilePointer Value;}...private IPile m_Pile;//big memory pile private PilePointer m_First;//list headprivate PilePointer m_Last;//list tail...
//将Person实例追加到堆中存储的人员链接列表
//返回最后一个节点
public PilePointer Append(Person person){var newLast = new ListNode{ Previous = m_Last, Next = PilePointer.Invalid, Value = m_Pile.Put(person)};var existingLast = m_Pile.Get(m_Last);existingLast.Next = node;m_Pile.Put（m_Last，existingLast）; //在现有的ptr m_Last中进行编辑m_Last = m_Pile.Put（newLast）; //向尾部添加新节点return m_Last;
}

更多信息，请参阅我们的视频：.NET Big Memory Object Pile - 在RAM中使用数百万个对象

链接

源代码（GitHub Apache 2.0）：
- NFX对象桩
- 应用模型/桩/ MMFPile
- 应用模型/堆/默认桩
NFX文档
NFX桩在一个24 CPU 150Gb RAM云实例上的1.5亿C＃/ NET对象
关于Big Memory .NET的InfoQ文章系列：
- .NET第1部分 - 处理10亿驻地业务对象的挑战
- Big Memory .NET第2部分 - 堆，我们的大内存解决方案.NET
关于Agnicore

关于作者

Dmitriy Khmaladze在美国的有超过20年的IT从业经验，主要工作在创业公司和财富500强客户。1998年Galaxy在医疗行业主创了SaaS。在语言与编译设计、分布式架构、系统编程和架构、C / C ++、.NET、Java、Android、IOS、Web设计、HTML5、CSS、JavaScript、RDBMS和NoSQL / NewSQL等领域有15年以上的研究。