有一类业务场景：

（1）超高吞吐量，每秒要处理海量请求；

（2）写多读少，大部分请求是对数据进行修改，少部分请求对数据进行读取；

这类业务，有什么实现技巧么？

接下来，一起听我从案例入手，娓娓道来。

快狗打车，场景举例：

（1）司机地理位置信息会随时变化，可能 每几秒钟地理位置要修改一次 ；

（2）用户打车的时候查看某个司机的地理位置， 查询地理位置的频率相对较低 ；

这里要用到两个接口：

（1）大量修改司机信息：

void SetDriverInfo(long driver_id, DriverInfo info);

（2）相对少量查询司机信息：

DriverInfo GetDriverInfo(long driver_id); 

这一类业务，一般怎么实现呢？

具体到底层的实现，往往是 一个Map内存缓存 ：

（1）查询key定长，例如：司机ID；

（2）返回value也定长，例如：司机实体序列化后的二进制串；

即，类似这样的一个kv缓存结构：

Map<driver_id, DriverInfo>

这个kv内存缓存是一个临界资源，对它的并发访问，有什么注意事项么？

临界资源的访问， 需要注意加读写锁，实施互斥 。

以下，是加锁写入的伪代码：

void SetDriverInfo(long driver_id, DriverInfo info){

         WriteLock (m_lock);

         Map<driver_id>= info;

         UnWriteLock(m_lock);

}

画外音：假设info已经序列化。

以下，是加锁读取的伪代码：

DriverInfo GetDriverInfo(long driver_id){

         DriverInfo t;

         ReadLock(m_lock);

         t= Map<driver_id>;

         UnReadLock(m_lock);

         return t;

}

当吞吐量很高时，上述流程可能存在什么问题？

假设快狗打车有100w司机同时在线，每个司机每5秒更新一次经纬度状态，那么 每秒就有20w次写并发操作 。

假设快狗打车日订单1000w个，平均每秒大概也有300个下单，对应到查询并发量，大概 每秒1000级别的并发读操作 。

在这样的吞吐量下（每秒20w写，1k读）， 锁m_lock会成为潜在瓶颈 ，导致Map访问效率极低。

有什么潜在的优化方法么？

锁冲突之所以严重，是因为整个Map共用一把锁，锁的粒度太粗。

画外音：可以认为是一个数据库的“库级别锁”。

是否可能进行水平拆分，来降低锁冲突呢？

答案是肯定的。

画外音：类似于数据库里的分库，把一个库锁变成多个库锁，来提高并发，降低锁冲突。

我们可以把1个Map水平切分成N个Map：

void SetDriverInfo(long driver_id, DriverInfo info){

         i = driver_id % N; // 水平拆分成N份，N个Map，N个锁

         WriteLock (m_lock[i]);  //锁第i把锁

         Map[i]<driver_id>= info;  // 操作第i个Map

         UnWriteLock (m_lock[i]); // 解锁第i把锁

}

如此优化，能否提高性能？

（1）一个Map变成了N个Map， 每个Map的并发量，变成了1/N ；

（2）同时， 每个Map的数据量，变成了1/N ；

所以理论上，锁冲突会成平方指数降低，性能会提升。

有没有可能，进一步细化锁粒度，一个元素一把锁呢？

答案也是肯定的。

画外音：可以认为是一个数据库的“库级别锁”，优化为“行级别锁”。

不妨设driver_id是递增生成的，并且假设内存比较大，此时可以把Map优化成Array，并把锁的粒度细化到最细的，每个司机信息一个锁：

void SetDriverInfo(long driver_id, DriverInfo info){

         index = driver_id;

         WriteLock (m_lock[index]);  //超级大内存，一条记录一个锁，锁行锁

         Array[index]= info; //driver_id就是Array下标

         UnWriteLock (m_lock[index]); // 解锁行锁

}

这个方案使得锁冲突降到了最低，但锁资源大增，在数据量非常大的情况下，内存往往是装不下的。

画外音：数据量比较小的时候，可以一个元素一把锁，典型的是连接池，每个连接用一把锁表示连接是否可用。

还没有方法进一步降低锁冲突，提升并发量呢？

写多读少的业务，有一种优化方案：无锁缓存，将锁冲突降低到。

无锁缓存，可能存在什么问题？

如果缓存不加锁，读写吞吐量可以达到极限，但是多线程对缓存中同一块定长数据进行写操作时， 有可能出现不一致的脏数据 。

这个方案为了提高性能，牺牲了一致性。

读取时， 获取到了错误的数据，是不能接受的 。

画外音：作为缓存，允许 cache miss ，却不允许读脏数据。

脏数据是如何产生的？

不加锁，在多线程并发写时，可能出现以下情况：

（1）线程1对缓存进行操作，对 key 想要写入 value1 ；

（2）线程2对缓存进行操作，对 key 想要写入 value2 ；

（3）不加锁，线程1和线程2对同一个定长区域进行一个并发的写操作， 可能每个线程写成功一半，导致出现脏数据产生 ，最终的结果即不是 value1 也不是 value2 ，而是一个乱七八糟的不符合预期的值 value-unexpected ；

如何解决上述问题呢？

本质上，这是一个数据完整性问题。

并发写入的数据分别是 value1 和 value2 ，读出的数据是 value-unexpected ，数据被篡改，这本质上是一个数据完整性的问题。

通常如何保证数据的完整性呢？

例如：运维如何保证，从中控机分发到上线机上的二进制没有被篡改？

md5。

又例如：即时通讯系统中，如何保证接受方收到的消息，就是发送方发送的消息？

发送方除了发送消息本身，还要发送消息的签名 ，接收方收到消息后要校验签名，以确保消息是完整的，未被篡改。

“签名”是一种常见的保证数据完整性的方案。

加入“签名”保证数据的完整性之后，读写流程需要如何升级？

加上签名之后， 不但缓存要写入定长value本身，还要写入定长签名 （例如 16bitCRC 校验）：

（1）线程1对缓存进行操作，对 key 想要写入 value1 ，写入签名 v1-sign ；

（2）线程2对缓存进行操作，对 key 想要写入 value2 ，写入签名 v2-sign ；

（3）如果不加锁，线程1和线程2对同一个定长区域进行一个并发的写操作，可能每个线程写成功一半，导致出现脏数据产生，最终的结果即不是 value1 也不是 value2 ，而是一个乱七八糟的不符合预期的值 value-unexpected ， 但签名，一定是v1-sign或者v2-sign中的任意一个 ；

画外音：16bit/32bit的写可以保证原子性。

（4）数据读取的时候，不但要取出 value ，还要像消息接收方收到消息一样，校验一下签名，如果发现签名不一致，缓存则返回 NULL ，即 cache miss ；

当然，对应到司机地理位置，除了内存缓存之前，肯定需要timer对缓存中的数据定期落盘，写入数据库，如果cache miss，可以从数据库中读取数据。

巧不巧秒？

总结

当业务满足：

（1）超高并发；

（2）写多读少；

（3）定长value；

时，可以用以下方法来提升吞吐量：

（1）水平拆分来降低锁冲突；

思路： 单库变多库。

（2）Map转Array的方式来最小化锁冲突，一条记录一个锁；

思路： 库锁变行锁。

（3）无锁，最大化并发；

思路： 行锁变无锁，完整性与性能的折衷。

（4）通过签名的方式保证数据的完整性，实现无锁缓存；

思路： 写时写签名，读时校验签名。

如果你喜欢本文，大概率会喜欢这个架构训练营，欢迎一起来玩。

扫码，一起玩架构，学别处没有的知识

思路比结论重要 ，希望大家有收获，谢 转 。

阅读原文 ，更多干货。