内存管理都不会，还做架构师？这三点差距要认清

掌握内存管理是架构师必备的核心技能之一。要想真正精通这项基本功，最有效的方法就是深入研究开源项目的实现原理。其中，memcached的核心架构设计值得每位架构师认真借鉴。

免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈

只有透彻理解内存管理的本质，才能在系统设计中游刃有余。通过参与开源项目的实践，架构师能够快速提升对内存分配、回收和碎片处理的实战能力。

第一部分：知其然

关于memcached的基础特性，架构师必须了然于心：

它的核心职能是KV内存管理，单个value的最大存储限制为1MB，并且不支持复杂数据结构（如哈希表、列表、集合、有序集合等）；memcached不支持数据持久化；支持key过期机制；在持续运行中几乎不会出现内存碎片，服务性能不会随着运行时间增长而下降；采用非阻塞IO复用的网络模型，配合监听线程与工作线程的多线程架构。

您是否已经将这些memcached特性牢记于心了？

第二部分：知其原理(why, what)

第一部分停留在使用层面，除此之外，架构师还必须深入理解其背后的实现机制。

(1) memcached为什么不支持复杂数据结构？为什么不支持持久化？

技术方案往往由业务需求决定。memcached的诞生，以“通过服务方式而非库方式管理KV内存”为设计目标，它要解决的是传统KV内存管理组件库的局限性。复杂数据结构与持久化并非它的初衷。

当然，用“颠覆”这个词可能不太恰当，库和服务各有其适用场景。只是在分布式环境下，服务的使用范围确实更加广泛。设计目标与诞生背景至关重要，这在很大程度上决定了实现方案，就像redis的出现，是为了提供更好用、功能更丰富的缓存服务。

(2) memcached使用什么技术实现key过期的？

采用惰性淘汰(lazy expiration)机制。

(3) memcached为什么能保证运行性能，且很少出现内存碎片？

采用预分配内存策略。

(4) memcached为什么要使用非阻塞IO复用网络模型，采用监听线程/工作线程的多线程模型，有什么优缺点？

目的在于提升系统吞吐量。多线程能够充分利用多核优势，但会带来一些锁冲突。

第三部分：知其所以然，知其内核(how)

一个对技术内核充满好奇心的架构师，必须深入了解实现细节，掌握其核心机制。

画外音：本文的探讨才刚刚开始。

(1) memcached如何实现内存管理以减少内存碎片？它是如何进行内存分配的？

正式开讲之前，先解释几个非常重要的概念：

chunk：它是内存分配给用户使用的最小单元。

item：用户要存储的数据，包含key和value，最终都存储在chunk里。

slab：它会管理一个固定chunk size的若干个chunk，而mc的内存管理，由若干个slab组成。

画外音：为了避免复杂性，本文暂不引入page的概念。

如上图所示，一系列slab分别管理128B、256B、512B等不同尺寸的chunk内存单元。

将上图中管理128B的slab0放大来看：

能够发现slab中的一些核心数据结构是：

chunk_size：该slab管理的是128B的chunk；

free_chunk_list：用于快速找到空闲的chunk；

chunk[]：已经预分配好，用于存放用户item数据的实际chunk空间；

画外音：其实还有lru_list。

(2) 假如用户要存储一个100B的item，是如何找到对应的可用chunk呢？

会从最接近item大小的slab的chunk[]中，通过free_chunk_list快速找到对应的chunk。如上图所示，与item大小最接近的chunk是128B。

(3) 为什么不会出现内存碎片呢？

拿到一个128B的chunk，去存储一个100B的item，剩下的28B不会被其他的item所使用，即：实际上浪费了存储空间，来减少内存碎片，保证访问的速度。

画外音：理论上，内存碎片几乎不存在。

(4) memcached通过slab、chunk、free_chunk_list来快速分配内存，存储用户的item，那它又是如何实现对key的快速查找呢？

没有采用什么特殊算法：

通过哈希表实现快速查找；通过链表来解决冲突；用最朴素的方式实现key的快速查找。

(5) 随着item个数不断增多，哈希冲突越来越大，哈希表如何保证查询效率呢？

当item总数达到哈希表长度的1.5倍时，哈希表会动态扩容，rehash重新分布数据，以保证查找效率不会不断降低。

(6) 扩展哈希表之后，同一个key在新旧哈希表内的位置会发生变化，如何保证数据的一致性，以及如何保证迁移过程中服务的可用性呢（肯定不能加一把大锁，迁移完成数据，再重新服务吧）？

哈希表扩展，数据迁移是一个耗时的操作，会有一个专门的线程来实施。为了避免大锁，采用的是“分段迁移”的策略。

当item数量达到阈值时，迁移线程会分段迁移，对哈希表中的一部分桶进行加锁，迁移数据，解锁：

一来，保证不会有长时间的阻塞，影响服务的可用性；

二来，保证item不会在新旧哈希表里不一致；

(7) 新的问题来了，对于已经存在于旧哈希表中的item，可以通过上述方式进行迁移，那么在item迁移的过程中，如果有新的item插入，是应该插入旧哈希表还是新哈希表呢？

memcached的做法是：判断旧哈希表中，item应该插入的桶，是否已经迁移至新表中：

如果已经迁移，则item直接插入新哈希表；如果还没有被迁移，则直接插入旧哈希表，未来等待迁移线程来迁移至新哈希表；

(8) 为什么要这么做呢，不能直接插入新哈希表吗？

memcached没有给出解释，楼主揣测，这种方法能够保证一个桶内的数据，只在一个哈希表中（要么新表，要么旧表），任何情况下都不会出现，新旧表查询两次，以提升查询速度。

(9) memcached是怎么实现key过期的，惰性淘汰(lazy expiration)具体是怎么玩的？

实现“超时”和“过期”，最常见的两种方法是：

启动一个超时线程，对所有item进行扫描，如果发现超时，则进行超时回调处理；给每个item设置一个超时信号通知，通知触发超时回调处理；

这两种方法，都需要有额外的资源消耗。

mc的查询业务非常简单，只会返回cache hit与cache miss两种结果。这种场景下，非常适合使用惰性淘汰的方式。

惰性淘汰的核心是：

item不会被主动淘汰，即没有超时线程，也没有信号通知来主动检查；item每次被查询(get)时，检查一下时间戳，如果已经过期，被被动淘汰，并返回cache miss；

举个个例子，假如set了一个key，有效期为100秒：

在第50秒的时候，有用户查询(get)了这个key，判断未过期，返回对应的value值；在第200秒的时候，又有用户查询(get)了这个key，判断已过期，将item所在的chunk释放，返回cache miss；

这种方式的实现代价很小，资源消耗非常低：

在item里，加入一个过期时间属性；在get时，加入一个时间判断；

内存总是有限的，chunk数量有限的情况下，能够存储的item个数是有限的，假如chunk被用完了，该怎么办？

(10) 仍然是上面的例子，假如128B的chunk都用完了，用户又set了一个100B的item，要不要挤掉已有的item？

要。

这里的启示是：

即使将item的有效期设置为“永久”，也可能被淘汰；如果要做全量数据缓存，cache的内存大小，必须大于全量数据的总大小，否则很容易踩坑；

(11) 挤掉哪一个item？怎么挤？

这里涉及LRU淘汰机制。

如果操作系统的内存管理，最常见的淘汰算法是FIFO和LRU：

FIFO(first in first out)：最先被set的item，最先被淘汰；LRU(least recently used)：最近最少被使用(get/set)的item，最优先被淘汰；

使用LRU算法挤掉item，需要增加两个属性：

最近item访问计数；最近item访问时间；

并增加一个LRU链表，就能够快速实现。

画外音：所以，管理chunk的每个slab，除了free_chunk_list，还有lru_list。

内存管理，你学废了吗？

知其然，知其所以然。

思路比结论更重要。