一.背景

性能優(yōu)化是一場永無止境的旅程。

到家門店系統(tǒng)，作為到家核心基礎服務之一，門店C端接口有著調用量高，性能要求高的特點。

C端服務經(jīng)過演進，核心接口先查詢本地緩存，如果本地緩存沒有命中，再查詢Redis。本地緩存命中率99%，服務性能比較平穩(wěn)。

隨著門店數(shù)據(jù)越來越多，本地緩存容量逐漸增大到3G左右。雖然對垃圾回收器和JVM參數(shù)都進行調整，由于本地緩存數(shù)據(jù)量越來越大，本地緩存數(shù)據(jù)對于應用GC的影響越來越明顯，YGC平均耗時100ms，特別是大促期間調用方接口毛刺感知也越來越明顯。

由于本地緩存在每臺機器上容量是固定的，即便是將機器擴容，對與GC毛刺也沒有明顯效果。

二.初識此物心已驚-OHC初識

本地緩存位于應用程序的內存中，讀取和寫入速度非?？?，可以快速響應請求,無需額外的網(wǎng)絡通信,但是一般本地緩存存在JVM內，數(shù)據(jù)量過多會影響GC，造成GC頻率、耗時增加；如果用Redis的話有網(wǎng)絡通信的開銷。

通過對本地緩存的調研，堆外緩存可以很好兼顧上面的問題。堆外緩存把數(shù)據(jù)放在JVM堆外的，緩存數(shù)據(jù)對GC影響較小，同時它是在機器內存中的，相對與Redis也沒有網(wǎng)絡開銷，最終選擇OHC。

三.習得技能心自安-OHC使用

talk is cheap, show me the code! OCH是騾子是馬我們遛一遛。

1.引入POM

OHC 存儲的是二進制數(shù)組，需要實現(xiàn)OHC序列化接口，將緩存數(shù)據(jù)與二進制數(shù)組之間序列化和反序列化。

這里使用的是Protostuff，當然也可以使用kryo、Hession等，通過壓測驗證選擇適合的序列化框架。

<!--OHC相關-->
<dependency>
	<groupId>org.caffinitas.ohc</groupId>
	<artifactId>ohc-core</artifactId>
	<version>0.7.4</version>
</dependency>

<!--OHC 存儲的是二進制數(shù)組，所以需要實現(xiàn)OHC序列化接口，將緩存數(shù)據(jù)與二進制數(shù)組之間序列化和反序列化-->
<!--這里使用的是protostuff，當然也可以使用kryo、Hession等，通過壓測驗證選擇適合的-->
<dependency>
	<groupId>io.protostuff</groupId>
	<artifactId>protostuff-core</artifactId>
	<version>1.6.0</version>
</dependency>
<dependency>
	<groupId>io.protostuff</groupId>
	<artifactId>protostuff-runtime</artifactId>
	<version>1.6.0</version>
</dependency>

2.創(chuàng)建OHC緩存

OHC緩存創(chuàng)建

OHCache<String, XxxxInfo> basicStoreInfoCache = OHCacheBuilder.<String, XxxxInfo>newBuilder()
                    .keySerializer(new OhcStringSerializer()) //key的序列化器
                    .valueSerializer(new OhcProtostuffXxxxInfoSerializer()) //value的序列化器
                    .segmentCount(512) // 分段數(shù)量 默認=2*CPU核數(shù)
                    .hashTableSize(100000)// 哈希表大小 默認=8192
                    .capacity(1024 * 1024 * 1024) //緩存容量 單位B 默認64MB
                    .eviction(Eviction.LRU) // 淘汰策略 可選LRU\W_TINY_LFU\NONE
                    .timeouts(false) //不使用過期時間，根據(jù)業(yè)務自己選擇
                    .build();

自定義序列化器，這里key-String 序列化器，這里直接復用OCH源碼中測試用例的String序列化器；

value-自定義對象序列化器，這里用Protostuff實現(xiàn),也可以自己選擇使用kryo、Hession等實現(xiàn)；

//key-String 序列化器，這里直接復用OCH源碼中測試用例的String序列化器
public class OhcStringSerializer implements CacheSerializer<String> {

    @Override
    public int serializedSize(String value) {
        return writeUTFLen(value);
    }

    @Override
    public void serialize(String value, ByteBuffer buf) {
        // 得到字符串對象UTF-8編碼的字節(jié)數(shù)組
        byte[] bytes = value.getBytes(Charsets.UTF_8);
        buf.put((byte) ((bytes.length >>> 8) & 0xFF));
        buf.put((byte) ((bytes.length >>> 0) & 0xFF));
        buf.put(bytes);
    }


    @Override
    public String deserialize(ByteBuffer buf) {
        int length = (((buf.get() & 0xff) << 8) + ((buf.get() & 0xff) << 0));
        byte[] bytes = new byte[length];
        buf.get(bytes);
        return new String(bytes, Charsets.UTF_8);
    }
    static int writeUTFLen(String str) {
        int strlen = str.length();
        int utflen = 0;
        int c;

        for (int i = 0; i < strlen; i++) {
            c = str.charAt(i);
            if ((c >= 0x0001) && (c <= 0x007F)){
                utflen++;}
            else if (c > 0x07FF){
                utflen += 3;}
            else{
                utflen += 2;
            }
        }

        if (utflen > 65535) {
            throw new RuntimeException("encoded string too long: " + utflen + " bytes");
        }
        return utflen + 2;
    }
}


//value-自定義對象序列化器，這里用Protostuff實現(xiàn),可以自己選擇使用kryo、Hession等實現(xiàn)
public class OhcProtostuffXxxxInfoSerializer implements CacheSerializer<XxxxInfo> {

    /**
     * 將緩存數(shù)據(jù)序列化到 ByteBuffer 中，ByteBuffer是OHC管理的堆外內存區(qū)域的映射。
     */
    @Override
    public void serialize(XxxxInfo t, ByteBuffer byteBuffer) {
        byteBuffer.put(ProtostuffUtils.serialize(t));
    }
    /**
     * 對堆外緩存的數(shù)據(jù)進行反序列化
     */
    @Override
    public XxxxInfo deserialize(ByteBuffer byteBuffer) {
        byte[] bytes = new byte[byteBuffer.remaining()];
        byteBuffer.get(bytes);
        return ProtostuffUtils.deserialize(bytes, XxxxInfo.class);
    }

    /**
     * 計算字序列化后占用的空間
     */
    @Override
    public int serializedSize(XxxxInfo t) {
        return ProtostuffUtils.serialize(t).length;
    }
}

為了方便調用和序列化封裝為工具類，同時對代碼通過FastThreadLocal進行優(yōu)化，提升性能。

public class ProtostuffUtils {

    /**
     * 避免每次序列化都重新申請Buffer空間，提升性能
     */
    private static final FastThreadLocal<LinkedBuffer> bufferPool = new FastThreadLocal<LinkedBuffer>() {
        @Override
        protected LinkedBuffer initialValue() throws Exception {
            return LinkedBuffer.allocate(4 * 2 * LinkedBuffer.DEFAULT_BUFFER_SIZE);
        }
    };

    /**
     * 緩存Schema
     */
    private static Map<Class<?>, Schema<?>> schemaCache = new ConcurrentHashMap<>();

    /**
     * 序列化方法，把指定對象序列化成字節(jié)數(shù)組
     */
    @SuppressWarnings("unchecked")
    public static <T> byte[] serialize(T obj) {
        Class<T> clazz = (Class<T>) obj.getClass();
        Schema<T> schema = getSchema(clazz);
        byte[] data;
        LinkedBuffer linkedBuffer = null;
        try {
            linkedBuffer = bufferPool.get();
            data = ProtostuffIOUtil.toByteArray(obj, schema, linkedBuffer);
        } finally {
            if (Objects.nonNull(linkedBuffer)) {
                linkedBuffer.clear();
            }
        }

        return data;
    }

    /**
     * 反序列化方法，將字節(jié)數(shù)組反序列化成指定Class類型
     */
    public static <T> T deserialize(byte[] data, Class<T> clazz) {
        Schema<T> schema = getSchema(clazz);
        T obj = schema.newMessage();
        ProtostuffIOUtil.mergeFrom(data, obj, schema);
        return obj;
    }

    @SuppressWarnings("unchecked")
    private static <T> Schema<T> getSchema(Class<T> clazz) {
        Schema<T> schema = (Schema<T>) schemaCache.get(clazz);
        if (Objects.isNull(schema)) {
            schema = RuntimeSchema.getSchema(clazz);
            if (Objects.nonNull(schema)) {
                schemaCache.put(clazz, schema);
            }
        }

        return schema;
    }
}

3.壓測及參數(shù)調整

通過壓測并逐步調整OHC配置常見參數(shù)（segmentCount、hashTableSize、eviction，參數(shù)含義見附錄）

MAX對比降低10倍

GC時間對比降低10倍

優(yōu)化前

優(yōu)化后

4.OHC緩存狀態(tài)監(jiān)控

OHC緩存的命中次數(shù)、內存使用狀態(tài)等存儲在OHCacheStats中，可以通過OHCache.stats()獲取。

OHCacheStates信息：

hitCount：緩存命中次數(shù)，表示從緩存中成功獲取數(shù)據(jù)的次數(shù)。 missCount：緩存未命中次數(shù)，表示嘗試從緩存中獲取數(shù)據(jù)但未找到的次數(shù)。 evictionCount：緩存驅逐次數(shù)，表示因為緩存空間不足而從緩存中移除的數(shù)據(jù)項數(shù)量。 expireCount：緩存過期次數(shù)，表示因為緩存數(shù)據(jù)過期而從緩存中移除的數(shù)據(jù)項數(shù)量。 size：緩存當前存儲的數(shù)據(jù)項數(shù)量。 capacity：緩存的最大容量，表示緩存可以存儲的最大數(shù)據(jù)項數(shù)量。 free：緩存剩余空閑容量，表示緩存中未使用的可用空間。 rehashCount：重新哈希次數(shù)，表示進行哈希表重新分配的次數(shù)。 put(add/replace/fail)：數(shù)據(jù)項添加/替換/失敗的次數(shù)。 removeCount：緩存移除次數(shù)，表示從緩存中移除數(shù)據(jù)項的次數(shù)。 segmentSizes(#/min/max/avg)：段大小統(tǒng)計信息，包括段的數(shù)量、最小大小、最大大小和平均大小。 totalAllocated：已分配的總內存大小，表示為負數(shù)時表示未知。 lruCompactions：LRU 壓縮次數(shù)，表示進行 LRU 壓縮的次數(shù)。

通過定期采集OHCacheStates信息，來監(jiān)控本地緩存數(shù)據(jù)、命中率=[命中次數(shù) / (命中次數(shù) + 未命中次數(shù))]等，并添加相關報警。同時通過緩存狀態(tài)信息，來判斷過期策略、段數(shù)、容量等設置是否合理，命中率是否符合預期等。

四.剖析根源見真諦-OHC原理

堆外緩存框架（Off-Heap Cache）是將緩存數(shù)據(jù)存儲在 JVM 堆外的內存區(qū)域，而不是存儲在 JVM 堆中。在 OHC（Off-Heap Cache）中，數(shù)據(jù)也是存儲在堆外的內存區(qū)域。

具體來說，OHC 使用 DirectByteBuffer 來分配堆外內存，并將緩存數(shù)據(jù)存儲在這些 DirectByteBuffer 中。

DirectByteBuffer 在 JVM 堆外的內存區(qū)域中分配一塊連續(xù)的內存空間，緩存數(shù)據(jù)被存儲在這個內存區(qū)域中。這使得 OHC 在處理大量數(shù)據(jù)時具有更高的性能和效率，因為它可以避免 JVM 堆的垃圾回收和堆內存限制。

OHC 核心OHCache接口提供了兩種實現(xiàn)：

?OHCacheLinkedImpl： 實現(xiàn)為每個條目單獨分配堆外內存，最適合中型和大型條目。

?OHCacheChunkedImpl：實現(xiàn)為每個散列段作為一個整體分配堆外內存，并且適用于小條目。（實驗性的，不推薦,不做關注）

可以看到OHCacheLinkedImpl中包含多個段，每個段用OffHeapLinkedMap來表示。同時，OHCacheLinkedImpl將Java對象序列化成字節(jié)數(shù)組存儲在堆外，在該過程中需要使用用戶自定義的CacheSerializer。

OHCacheLinkedImpl的主要工作流程如下：

1.計算key的hash值，根據(jù)hash值計算段號，確定其所處的OffHeapLinkedMap

2.從OffHeapLinkedMap中獲取該鍵值對的堆外內存地址(指針)

3.對于get操作，從指針所指向的堆外內存讀取byte[]，把byte[]反序列化成對象

4.對于put操作，把對象序列化成byte[]，并寫入指針所指向的堆外內存

可以將OHC理解為一個key-value結果的map,只不過這個map數(shù)據(jù)存儲是指向堆外內存的內存指針。

指針在堆內，指針指向的緩存數(shù)據(jù)存儲在堆外。那么OHC最核心的其實就是對堆外內存的地址引用的put和get以及發(fā)生在其中內存空間的操作了。

對OHCacheLinkedImpl的put、get本地調試

1.put

put核心操作就是

1.申請堆外內存

2.將申請地址存入map;

3.異常時釋放內存

第2步其實就是map數(shù)據(jù)更新、擴容等的一些實現(xiàn)這里不在關注，我們重點關注怎么申請和釋放內存的

1.申請內存

通過深入代碼發(fā)現(xiàn)是調用的IAllocator接口的JNANativeAllocator實現(xiàn)類，最后調用的是com.sun.jna.Native#malloc實現(xiàn)

2.釋放內存

通過上面可知釋放內存操作的代碼

3.get

4.Q&A

在put操作時，上面看到IAllocator有兩個實現(xiàn)類，JNANativeAllocator和UnsafeAllocator兩個實現(xiàn)類，他們有什么區(qū)別？為什么使用JNANativeAllocator?

區(qū)別：UnsafeAllocator對內存操作使用的是Unsafe類

為什么使用JNANativeAllocator：Native比Unsafe性能更好，差3倍左右，OHC默認使用JNANativeAllocator；

在日常我們知道通過ByteBuffer#allocateDirect(int capacity)也可以直接申請堆外內存，通過ByteBuffer源碼可以看到內部使用的就是Unsafe類

可以看到，同時DirectByteBuffer內部會調用 Bits.reserveMemory(size, cap);

Bits.reserveMemory方法中，當內存不足時可能會觸發(fā)fullgc，多個申請內存的線程同時遇到這種情況時，對于服務來說是不能接受的，所以這也是OHC自己進行堆外內存管理的原因。

如果自己進行實現(xiàn)堆外緩存框架，要考慮上面這種情況。

五.總結

1.OHC使用建議

1.對于OHC的參數(shù)配置、序列化器的選擇，沒有固定的推薦。可以通過壓測逐步調整到最優(yōu)。

2.由于OHC需要把key和value序列化成字節(jié)數(shù)組存儲到堆外，因此需要選擇合適的序列化工具。

3.在存儲每個鍵值對時，會調用CacheSerializer#serializedSize計算序列化后的內存空間占用，從而申請堆外內存。另外，在真正寫入堆外時，會調用CacheSerializer#serialize真正進行序列化。因此，務必在這兩個方法中使用相同的序列化方法，防止序列化的大小與計算出來的大小不一致，導致內存存不下或者多申請，浪費內存空間。

2.緩存優(yōu)化建議

1.當本地緩存影響GC時，可以考慮使用OHC減少本地緩存對GC的影響；

2.區(qū)分熱點數(shù)據(jù)，對緩存數(shù)據(jù)進行多級拆分，如堆內->堆外->分布式緩存(Reids )等；

3.將較大緩存對象拆分或者按照業(yè)務維度將不同熱點數(shù)據(jù)緩存到不同介質中，減少單一存儲介質壓力；

4.減小緩存對象大小，如緩存JSON字符，可對字段名進行縮寫 ,減少存儲數(shù)據(jù)量，降低傳輸數(shù)據(jù)量，同時也能保證數(shù)據(jù)一定的私密性。

對象：{"paramID":1,"paramName":"John Doe"} 正常JSON字符串：{"paramID":1,"paramName":"John Doe"} 壓縮字段名JSON字符串：{"a":1,"b":"John Doe"}

Hold hold , One more thing....

在使用Guava時，存儲25w個緩存對象數(shù)據(jù)占用空間485M

使用OHCache時，儲存60w個緩存對象數(shù)據(jù)占用數(shù)據(jù)387M

為什么存儲空間差別那么多吶？

Guava 存儲的對象是在堆內存中的，對象在 JVM 堆中存儲時，它們會占用一定的內存空間，并且會包含對象頭、實例數(shù)據(jù)和對齊填充等信息。對象的大小取決于其成員變量的類型和數(shù)量，以及可能存在的對齊需求。同時當對象被頻繁創(chuàng)建和銷毀時，可能會產(chǎn)生內存碎片。

而 OHC 它將對象存儲在 JVM 堆外的直接內存中。由于堆外內存不受 Java 堆內存大小限制，OHC 可以更有效地管理和利用內存。此外，OHC 底層存儲字節(jié)數(shù)組，存儲字節(jié)數(shù)組相對于直接存儲對象，可以減少對象的創(chuàng)建和銷毀，在一些場景下，直接操作字節(jié)數(shù)組可能比操作對象更高效，因為它避免了對象的額外開銷，如對象頭和引用，減少額外的開銷。同時將對象序列化為二進制數(shù)組存儲，內存更加緊湊，減少內存碎片的產(chǎn)生。

綜上所述，OHC 在存儲大量對象時能夠更有效地利用內存空間，相對于 Guava 在內存占用方面具有優(yōu)勢。

另外一個原因，不同序列化框架性能不同，將對象序列化后的占用空間的大小也不同。

參考及附錄

1.OHC常見參數(shù)

2.JNI faster than Unsafe?

https://mail.openjdk.org/pipermail/hotspot-dev/2015-February/017089.html

3.OHC源碼

https://github.com/snazy/ohc

4.參考文檔

?序列化框架對比

?Java堆外緩存OHC在馬蜂窩推薦引擎的應用

?“堆外緩存”這玩意是真不錯，我要寫進簡歷了。