告别Disruptor(一) 简洁优雅的高性能并发队列

作者｜海带

编辑｜包包    

几年前听说过Disruptor，一直没用过也没深究， 其号称是一个性能爆表的并发队列，上Github/LMAX-Exchange/disruptor 去看了看，官方性能描述文章 选了慢如蜗牛的ArrayBlockQueue来对比。在Nehalem 2.8Ghz – Windows 7 SP1 64-bit录得性能见后(其中P，C分别代表 Producer和Consumer):

1P – 1C 的吞吐量两千五百万次，1P – 3C Multicast 就降到了一千万次不到，对比我所认为的非线程安全1P -1C队列亿次每秒的量级，感觉并不强大。亿次每秒的队列加上线程安全，毛估估1P-1C性能减半五千万次每秒，1P-3C 再减少个30%三千五百万次每秒，应该差不多了吧。

继续读读Disruptor的介绍，整体业务框架先不谈，关于队列的部分，我只想问可以说脏话不，太TMD的复杂了，实现方式一点都不优雅，讲真，我想用100行代码灭了它。

说干就干，先尝试一下。

–	ArrayBlockingQueue	Disruptor
Unicast: 1P – 1C	5,339,256	25,998,336
Pipeline: 1P – 3C	2,128,918	16,806,157
Sequencer: 3P – 1C	5,539,531	13,403,268
Multicast: 1P – 3C	1,077,384	9,377,871
Diamond: 1P – 3C	2,113,941	16,143,613

Comparative throughput (in ops per sec)

第一步 简单粗暴的阻塞队列 

先简单来个，这年头用synchronized要被人瞧不起的(风闻现在性能好多了)，大家言必谈ReentrantLock，CAS，那么我也赶潮流CAS吧，主流程如下。

步骤	主要工作	失败流程
1	无论是put还是take，先对head/tail getAndIncrease 在Array中占位	100%成功
2	检查是否能够放/取	失败则循环检查，条件允许了再操作(不能返回失败，第1步的占位无法回退)
3	执行放/取操作	–

第2步的操作，如果失败，并非完全不能回退，只是需要牵扯到一套复杂的逻辑，在这个简单粗暴的实现中，先不考虑非阻塞方案。

核心代码如下：

private Object[] array;
private final int capacity;
private final int m;


private final AtomicLong tail;
private final AtomicLong head;
private final AtomicLong[] als = new AtomicLong[11];


public RiskBlockingQueue(int preferCapacity) {
  this.capacity = getPow2Value(preferCapacity, MIN_CAPACITY, MAX_CAPACITY);
  //这是个取比preferCapacity大的，最接近2的整数幂的函数(限制必须在 MIN MAX 之间)
  array = new Object[this.capacity];
  this.m = this.capacity - 1;    


  for (int i = 0; i < als.length; i++) {     // 并不一定100%成功的伪共享padding
    als[i] = new AtomicLong(0);
  }
  head = als[3];
  tail = als[7];
}


public void put(T obj) {
  ProgramError.when(obj == null, "Can't add null into this queue");
  int p = (int) (head.getAndIncrement() & this.m);
  int packTime = MIN_PACKTIME_NS;
  while(array[p] != null) {
    LockSupport.parkNanos(packTime);
    if(packTime < MAX_PACKTIME_NS) packTime <<= 1;
  }
  array[p] = obj;
}


public T take(){
  Object r;
  int p = (int) (tail.getAndIncrement() & this.m);
  int packTime = MIN_PACKTIME_NS;
  while((r = array[p]) == null) {
    LockSupport.parkNanos(packTime);
    if(packTime < MAX_PACKTIME_NS) packTime <<= 1;
  }
  array[p] = null;
  return (T)r;
}

代码简单的不要不要的，30来行代码，一个线程安全的阻塞就基本完成。什么？你问构造函数为什么叫RiskBlockingQueue？，很简单，有Risk，这并不是一个真正意义上的线程安全Queue，它有风险，那么风险在哪里呢？

各位看官先自己想想风险在哪里，我先来测个1P-1C 性能数据 (以下数据都在关闭了CPU超线程的环境下测试获得，超线程时数据经常看上去很美)

1P – 1C

Producer 0 has completed. Cost Per Put 19ns.
Consumer 0 has completed. Cost Per Take 19ns.
Total 201M I/O, cost 3844ms, 52374243/s(52M/s)

????，还真的和预测差不多，性能减半。

接下来，揭晓这个队列的风险，我们再来看看队列中一个P线程(Producer 线程，Consumer称为C线程，下同)put操作的工作流程

步骤	主要工作
1	getAndIncrease 占位
2	检查是否能够put
3	执行put操作

假设某线程P0，执行完了第1步，在执行第2或3步时被叫去喝茶了

这时P0线程本应填充位置array[x]但却没有填充(如果有对应的C线程，也take不到对象，被卡在array[x]上不断pack)。

但线程P1 – Pn在欢快的继续执行，不断的put，沿着array往前跑，渐渐的，一圈过去了，P1 线程也来到了array[x]的位置。

这时，P0线程和P1线程对array[x]位置的访问处于竞争状态，array[x] 没有任何锁/同步/信号量/原子操作保护。这可能会造成对象丢失，并卡住一个C线程，并最终卡住整个队列。C线程们也一样，极端情况下，当一个C线程追上另一个C线程的时候，也会对数组的同一位置发生非线程安全的争用。

哪里有问题，就解决哪里的问题

第二步 真正的并发阻塞Array队列

对于数组，Java没有提供直接的CAS操作方式(除非自己调Unsafe)，不但没有CAS，连volatile都没有。不过，Java中有一个内置的类，叫AtomicReferenceArray，简而言之，这个类提供了对 T[] 数组的CAS及类似操作。继续上代码，这次还少了2行。

private AtomicReferenceArray array;  //原本是 Object[] array
private final int capacity;
private final int m;
private final AtomicLong tail;
private final AtomicLong head;


public ConcurrentBlockingQueue(int preferCapacity) {
  this.capacity = getPow2Value(preferCapacity, MIN_CAPACITY, MAX_CAPACITY);
  array = new AtomicReferenceArray(this.capacity);
  this.m = this.capacity - 1;    


  for (int i = 0; i < als.length; i++) {
    als[i] = new AtomicLong(0);
  }
  head = als[3];
  tail = als[7];
}


public void put(T obj) {
  ProgramError.when(obj == null, "Queue object can't be null");
  int p = (int) (head.getAndIncrement() & this.m);
  int packTime = MIN_PACKTIME_NS;
  while(!array.compareAndSet(p, null, obj)) { //***
    LockSupport.parkNanos(packTime);
    if(packTime < MAX_PACKTIME_NS) packTime <<= 1;
  }
}


public T take(){
  T r;
  int p = (int) (tail.getAndIncrement() & this.m);
  int packTime = MIN_PACKTIME_NS;
  while((r=array.getAndSet(p, null)) == null) {  //***
    LockSupport.parkNanos(packTime);
    if(packTime < MAX_PACKTIME_NS) packTime <<= 1;
  }
  return r;
}

这段代码的核心修改是，每次读写array的位置p，都通过CAS和GAS的原子操作来完成，保证了array的线程安全，在高度争用时，依然可以确保放一个取一个的交替。接下来继续测试性能。

1P – 1C

Consumer 0 has completed. Cost Per Take 29ns.
Producer 0 has completed. Cost Per Add 29ns.
Total 201M I/O, cost 5912ms, 34053889/s(34M/s)

1P – 3C

Consumer 0 has completed. Cost Per Take 143ns.
Consumer 2 has completed. Cost Per Take 143ns.
Producer 0 has completed. Cost Per Put 47ns.
Consumer 1 has completed. Cost Per Take 143ns.
Total 201M I/O, cost 9665ms, 20830480/s (20M/s)

3P – 1C

Producer 0 has completed. Cost Per Put 185ns.
Producer 1 has completed. Cost Per Put 185ns.
Producer 2 has completed. Cost Per Put 185ns.
Consumer 0 has completed. Cost Per Take 62ns.
Total 201M I/O, cost 12551ms, 16040681/s(16M/s)

2P – 2C

Producer 0 has completed. Cost Per Put 147ns.
Producer 1 has completed. Cost Per Put 148ns.
Consumer 0 has completed. Cost Per Take 148ns.
Consumer 1 has completed. Cost Per Take 148ns.
Total 201M I/O, cost 14986ms, 13434311/s(13M/s)

感觉有点沮丧，可能是因为增加的CAS操作，性能进一步下降。

考虑到我的测试环境里CPU比Disruptor当年的CPU快不少，实际可比性能，1P-1C估计只有Disruptor的1.1倍，1P – 3C的性能，只有其1.5倍。快，但是快的及其有限，号称要挑战Disruptor，却仅凭点数小胜，而非直接击倒，不爽。

具体的性能对比如下:

–	Disruptor Nehalem 2.8Ghz	ConcurrentBlockingQueue Skylake-X 3.3Ghz
Unicast: 1P – 1C	25,998,336	34,053,889
Pipeline: 1P – 3C	16,806,157	–
Sequencer: 3P – 1C	13,403,268	–
Multicast: 3P – 1C	–	16,040,681
Multicast: 1P – 3C	9,377,871	20,830,480
Diamond: 1P – 3C	16,143,613	–
Multicast: 2P – 2C	–	13,434,311

问题出在哪里呢？仔细想了一下，可能是过多的变量共享访问及数组的共享访问造成了大量的 L1/2 缓存失效，描述如下。

1P – 1C时，一旦head和tail靠近或套圈，那么对64字节的数组内存就直接形成了共享争用。

在指针压缩时，Java的每个引用占用4字节，64字节一条的Cache line 一共有16个引用，两个线程一个放一个取，不断的 L1/2 缓存失效，锁定，修改。

1P – 3C的时候，还要再加上C与C之间的 tail 争用和 L1/2 缓存争用，然后，性能就下降到这么个结果了。

还是那句话，哪里有问题，就解决哪里的问题

但是怎么改呢，想了下：

1P1C时，一旦队列空了或是满了，很容易陷在Producer/Consumer一个放一个取的过程中，而多P或多C时，多个P/C线程，排着队一个个自增head/tail然后修改共享数组，P线程们争完head之后，集中在共享数组的相邻位置尝试放置对象；C线程们争用tail，再修改共享数组的相邻位置，几乎每次访问都是无效 L1/2 缓存。

也就是说，在密集争用时，后一个线程正好争得前一个线程取得的位置的后一个的位置(head/tail + 1)，然后这两个线程对位于同一个cache line上的相邻的数组位置进行访问，造成缓存失效，性能下降，这是流程上的硬伤，没法改，只能推倒重来。

3 非阻塞线程安全Array队列

上一个队列，不但性能不尽人意，而且很难支持非阻塞操作，换个思路，重新设计一个支持非阻塞操作的队列，并尽可能少共享访问内存的情况。流程如下：

步骤	主要工作	失败流程
1	检查可能能够放/取的数组位置(读取竞争变量head或tail)	不会失败
2	检查是否能够放/取(对应位置是否有对象，反映了队列是否空/满)	回步骤1/或返回失败
3	getAndIncrease竞争变量head或tail，竞争该位置的操作权(放/取)	回步骤1/或返回失败
4	执行放/取操作	失败就循环重试

先以offer为例看看代码：

private AtomicReferenceArray array;


public boolean offer(T obj) {
  if(obj == null) throw new NullPointExceprion("Can't put null object into this queue");
  long head = this.head.get(); //步骤1
  int p =(int) (head & this.m);
  if(array.get(p) != null) return false;   //步骤2
  if(this.head.compareAndSet(head, head + 1)) {  //步骤3
    int packTime = MIN_PACKTIME_NS;
    while(!array.compareAndSet(p, null, obj)) { //步骤4
      LockSupport.parkNanos(MIN_PACKTIME_NS);
      if(packTime < MAX_PACKTIME_NS) packTime <<= 1;
    };
    return true;
  }
  return false;
}

这里我们要注意，在offer的第2步，就算if判断时，array.get(p) == null 可以放置对象，但这并不说明，在第4步，位置p仍然为空，因为可能有上一圈甚至再上一圈，不知道为什么停在这里的P线程往array的p位置放置了对象(虽然概率很小)。此时要等到一个C线程将这个对象取出之后，该位置才能被继续放置对象，如果没有C线程来取，将一直等在这里。

由于此时head已经被getAndIncrease，这又是一个已经占位，无法轻易回退的地方。我们也不可能将array.compareAndSet和head.getAndIncrease两个原子操作，合并成一个原子操作。

采用不可回退，反复循环尝试的方式，代码虽然工作正常，但存在block较长时间的可能，甚至，在极其极端的情况下(多队列，多线程，复杂流水线且存在特定的处理循环)，还有可能引起死锁。

难道又改成一个不支持非阻塞操作的队列？心有不甘！最好有一个不怎么影响整体性能的方案来实现这里的回退。

此类的并发冲突是个小概率事件，需要回退的比例很低，回退部分可以性能较差，但正常处理时的性能要尽量不受影响。

高性能 = 减少真共享 + 消除伪共享 + 降低争用 + …. 但是，怎么写呢？干到这里时正好是中午，下楼吃饭时边吃边想，然后，在开心的喝着牛肉汤时更开心的把这个问题想通了。代码如下:

private final byte[] falseOffer;   //新增
private final byte[] falsePoll;  //新增
private final AtomicReferenceArray array;
final int capacity;
final int m;
final AtomicLong tail;  
final AtomicLong head;


public ConcurrentQueue(int preferCapacity) {
  this.capacity = ComUtils.getPow2Value(preferCapacity, MIN_CAPACITY, MAX_CAPACITY);
  array = new AtomicReferenceArray(this.capacity);
  falseAdd = new byte[this.capacity];
  falsePoll = new byte[this.capacity];
  this.m = this.capacity - 1;


  for (int i = 0; i < als.length; i++) {
    als[i] = new AtomicLong(0);
  }
  head = als[3];
  tail = als[7];
}


public boolean offer(T obj) {
  if(obj == null) throw new NullPointExceprion("Can't put null object into this queue");
  while(true) {
    long head = this.head.get();
    int p =(int) (head & this.m);
    if(falsePoll[p] > 0) {
      synchronized(falsePoll) {  //运行比例很低，性能要求不高，直接同步处理
        if(falsePoll[p] > 0) {  //如果不满足条件，说明失效计数已被其他线程处理，break; 回到最初重新尝试offer
          if(this.head.compareAndSet(head, head + 1)){ //如果不满足条件，说明位置P已经失效，回到最初重新尝试offer
            falsePoll[p] --; //跳过一次存在poll失效计数的位置p, poll失效计数 - 1，回到最初重新尝试offer
          }
        }
      }
      break;
    }
    if(array.get(p) != null) return false;
    if(this.head.compareAndSet(head, head + 1)) {
      for(int i = 0; i < INTERNAL_PACK_COUNT; i ++) {
        if(!array.compareAndSet(p, null, obj)) {
          LockSupport.parkNanos(2 << i);
        } else return true;
      }
      synchronized(falseOffer) {  //运行比例很低，性能要求不高，直接同步处理
        falseOffer[p] ++;  //位置p的add失效计数器
      }
    }
    return false;
  }
  return false;
}




public T poll(){
  while(true) {
    T r;
    long tail = this.tail.get();
    int p = (int) (tail & this.m);
    if(falseOffer[p] > 0) {
      synchronized(falseOffer) {
        if(this.tail.compareAndSet(tail, tail + 1)) {
          falseOffer[p]--;
        }
      }
      break;
    }
    r = array.get(p);
    if(r == null) return null;
    if(this.tail.compareAndSet(tail, tail + 1)) {
      for(int i = 0; i < INTERNAL_PACK_COUNT; i ++) {
        if((r = array.getAndSet(p, null)) == null){
          LockSupport.parkNanos(2 << i);
        } else return r;
      }
      synchronized(falsePoll) {
        falsePoll[p] ++;
      }
    }
    return null;
  }
  return null;
}

新增了两个和array等长的byte数组falseOffer[] 和 falsePoll[]作为失败回退计数器，如果在前文提到的offer/ poll 过程中，发生了array的p位置的 CAS或GAS失败，并且无法通过重试少量次数迅速成功，那么将失败回退计数器 falseOffer[p] 或是 falsePoll[p] +1 。

正常流程中，每次offer / poll 时，先读取falsePoll[p] / falseOffer[p]，如果poll 读到的 falseOffer[p] 大于0，说明位置p发生过应该offer却未能成功offer的回退，poll 操作应该忽略位置p一次，此时C线程同步锁定，检查，尝试自增tail，将falseOffer[p] –，然后继续尝试下一个位置。这一连串的过程，是个小概率事件，简单的同步锁就好了，无需过多考虑性能。

同时，因为回退是小概率事件，所以falseOffer[] 和 falsePoll[]数组很少被修改，所有的对这两个失败回退计数数组的读取，大部分时间都处于 L1/2 缓存有效状态，平均访问耗时应该在1ns左右，性能影响很小。

再看看这个解决方案的安全性，虽然失败回退是个小概率事件，但数组byte会不会溢出？会不会同一个位置，累计超过127次失败？测试下吧。

测试结果如下：

队列长度	线程数	观察到的byte计数最大值
2	256P – 256C	9
4	512P-512C	2
8	1024P-1024C	1

在将队列长度设置为最小值2，几百个线程操作的时候，观察到了byte数组中有最高9的计数，当队列长度设置到8时，千余线程，经短时运行测试，没有观察到过大于1的计数。而在实际应用中，最小队列长度会限制为1024或更大(高性能服务器弄个很小的队列，没啥意义)，这个byte数组的溢出概率极极极极极极极小。如果想省点空间，这个byte数组应该还可以进一步优化，用4个bit来计数就够了。

高性能 = 减少真共享 + 消除伪共享 + 降低争用 + ….

还有降低争用一招没用，什么是关键竞争变量，head? tail? array? P线程竞争head，然后竞争array，C线程竞争tail 然后竞争array，当队列长度居中时，array(连续16个引用)就比head/tail竞争更激烈，而当队列满/空时，array的争用压力还需要再相加一下，在大吞吐量，多线程竞争一个资源失败时，如果大家都很激进的重复竞争，将导致这些争用和共享资源反复处于缓存失效状态，降低性能。因此，当某个offer/poll操作失败时，失败的线程需要等待的稍微久一点，再尝试下一次，而不是简单粗暴的packNano(1)，当队列一直空，或是满的时候，相关线程更不应该反复循环，应该等久一点，然后重试。这部分就不专门贴代码了，有兴趣可以直接去github上拉源码看。

在这个过程中，还有一些其他回退检测流程上的小坑也被自然填平了，不再多说。核心要点上面已经全部列出来了。

老样子，实践是检验真理的唯一标准，继续跑分：

1P – 1C

Producer 0 has completed. Cost Per Put 14ns.
Consumer 0 has completed. Cost Per Take 14ns.
Total 440M I/O, cost 6282ms, 70,105,367/s, 70.11M/s

1P – 3C

Consumer 2 has completed. Cost Per Take 19ns.
Consumer 1 has completed. Cost Per Take 36ns.
Producer 0 has completed. Cost Per Put 14ns.
Consumer 0 has completed. Cost Per Take 42ns.
Total 440M I/O, cost 6256ms, 70,396,726/s, 70.40M/s

3P – 1C

Producer 0 has completed. Cost Per Put 23ns.
Producer 1 has completed. Cost Per Put 38ns.
Producer 2 has completed. Cost Per Put 44ns.
Consumer 0 has completed. Cost Per Take 14ns.
Total 440M I/O, cost 6519ms, 67,556,668/s, 67.56M/s

2P – 2C

Producer 1 has completed. Cost Per Put 14ns.
Consumer 1 has completed. Cost Per Take 25ns.
Producer 0 has completed. Cost Per Put 28ns.
Consumer 0 has completed. Cost Per Take 28ns.
Total 440M I/O, cost 6315ms, 69,739,021/s, 69.74M/s

这下心满意足了，下个新版的Distruptor, 比较了一下。在当前的Distruptor版本中，所有1P的测试，均使用的createSingleProducer创建的非线程安全的Producer，所以*部分，使用了一个非线程安全的队列进行性能比较。其余的1P-nC 的队列，暂无对应的比较对象，将在后续代码/文章中逐步添加。

–	Disruptor(Old Ver) Nehalem 2.8Ghz	Disruptor(V3.3) Skylake-X 3.3Ghz	ConcurrentQueue Skylake-X 3.3Ghz	ConcurrentBlockingQueue (本文第2节的队列) Skylake-X 3.3Ghz
1P – 1C	–	*134,952,766 OneToOneSequencedThroughputTest	*310,360,761 SimpleBlockingQueue	–
Thread-Safe 1P – 1C	–	10,373,443 RingBuffer.createMultiProducer	70,105,367	34,053,889
Pipeline: 1P – 3C	16,806,157	22,128,789 OneToThreePipelineSequencedThroughputTest	–	–
Sequencer: 3P – 1C	13,403,268	11,344,299 ThreeToOneSequencedThroughputTest	67,556,668	16,040,681
Multicast: 1P – 3C	9,377,871	168,350,168 OneToThreeSequencedThroughputTest	–	–
Diamond: 1P – 3C	16,143,613	22,899,015 OneToThreeDiamondSequencedThroughputTest	–	–
2P – 2C	–	4,273,504 TwoToTwoWorkProcessorThroughputTest	69,739,021	13,434,311

在与Disruptor的可比项之间的比较中，ConcurrentQueue线程安全队列，取得了远高于Disruptor的吞吐量，在多线程高并发争用的条件下实现了超过六千万次每秒的吞吐量。数倍于Disruptor

这次算是K.O.了。

这是终点吗？并不是，整条服务器业务处理流水线的大部分地方，通常并不需要真正的线程安全队列。而是更多的需要1P – 1C，或是n为确定数值的 nP – 1C这样的队列，后续将会参照1P – 1C的非线程安全队列 SimpleBlockingQuere，继续添加实现及介绍文章

- - - -END- - - - 

喜欢本文的朋友，欢迎关注公众号  并发编程网，收看更多精彩内容