从io模型到ppc,tpc,reactor,preactor

2024-08-24 05:18
文章标签 模型 io reactor ppc tpc preactor

本文主要是介绍从io模型到ppc,tpc,reactor,preactor,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

所有的系统I/O都分为两个阶段:等待就绪和操作.读就是等待系统可读和真正的读;写就是等待系统可写和真正的写.

1.网络io模型

emma_1

这是我们常见的一张图.

1.传统的bio,就是同步阻塞的.当调用socket.read的时候.会阻塞. 直到系统可读/写;当真正去执行读的时候(内核-->用户),还是阻塞. 对应的优化方式有ppc/tpc(下面的1.1 和 1.2)

2.非阻塞io,当调用read时,如果不可读,那么直接返回一个标识,告诉你等会再来问.现在不可读嘞.那么好的,你就过一会问一下.当可读时,去调用recvFrom系统调用.不过此时还是阻塞的.

3. 而多路复用是操作系统提供了一个函数.可以创建一个selector,用于遍历你传入的fd(也就是socket,万物皆文件).再注册你关注的事件.同时你会阻塞selector.select().这个会返回你感兴趣的事件.例如某个fd可读了.那么就是说,这个socket有数据发送到了读缓冲区.你可以拿走了,你拿走我的滑块好滑起来.写同理. 实现上就是selector线程死循环的去读取事件(当然这里可以分为多个线程 对应下面的1.3.3),分发给处理器,处理线程可以是单线程(1.3.1)也可以是多线程(1.3.2/1.3.3)

4.前面3种在读的时候,都是同步读取的.你必须要不断的问操作系统,好了没,好了没.,那么Aio是可以用户程序啥都不管.操作系统会在数据可读的时候,把数据从内核空间拷贝到用户空间.并调用用户的回调函数.执行

1.1 ppc

针对bio模型,在早期的编程中,对每个连接可以fork一个子进程(process per connection)

流程:

  1. 父进程接收连接
  2. 当收到一个连接后,fork一个子进程去处理请求
  3. 子进程处理完毕后,close

缺点:

  • fork代价高.创建进程需要很多资源.而且需要copy父进程资源到子进程,例如页表,内存等,而且会阻塞.释放进程消耗也不小
  • 父子进程通信很复杂.需要ipc进行通信.例如子进程告诉父进程处理了几个请求,耗时等等.
  • cpu一共就那么几个核.来100个连接就要有100多个进程.进程切换成本也不小

1.2 tpc

对每个连接创建一个线程(thread per connnection).听起来线程比进程代价小,而且进程间通信也很快,但是缺点仍然很大

流程:

  1. 主线程接收连接
  2. 当accpet到一个连接后,创建一个线程去处理
  3. 为了避免不断创建线程,可以使用线程池来处理

缺点:

  • 实际上和ppc一样.只不过用的是线程,不过很多操作系统(linux).线程就是用的进程
  • 虽然使用了连接池,但是一旦池子满了,还是阻塞的

1.3reactor

反应堆,理解为事件反映.就是我们只关注事件,当一个连接来,一个连接可写,一个连接可读时,对事件作出反应,分发给handler去处理.Reactor 模式的核心组成部分包括 Reactor 和处理资源池.reactor用来处理连接,接收到连接后,会调用资源池去处理这个连接.有些文章也称之为dispatch模式.

根据reactor和资源池多少可以分为以下几种类型

1.3.1 单reactor单进程/线程

a.reactor用于监听事件.当监听到连接事件后,分发给acceptor处理;当监听到读写事件后,分发给handle

b:acceptor接收完连接后,会分配handler处理后续请求.并注册读写到selector

c:当可读后,handler读取数据,进行处理,然后发送给client

缺点:可以看到只有一个线程在selector.当可读后,只有一个线程处理请求.无法使用到多核优势.redis在用.不过redis最近也要搞多线程.

     1.3.2单reactor多线程

         

事件的监听还是在主线程.不过处理事件,会交给其他线程,可以搞一个线程池

    1.3.3多reactor和多线程

    netty就是这么实现,有多个reactor在监听事件.监听到之后,分配给线程池去处理.避免io处理和业务处理相互影响.

         

对比下netty实现,就很容易理解了.

1.一个reactor用来监听连接事件(boss线程).当监听到连接事件后,调用accept.同时把channel注册到work reactor中(work线程),

2.work reactor用来监听读写.当监听到可读后,调用业务线程池,进行处理,处理结束后,调用channel.write(msg);此时work reactor监听到可写事件.将数据发给client.ending

1.4 proactor

copy一个图,大概意思就是

1.用户会把事件和回调函数注册到内核

2.当有对应的事件时(这里指io事件,连接/可读/可写),会自动执行连接/读数据/写数据.并调用注册的回调函数

想法是好的,不过操作系统没有实现完美,因此很少有用proactor的

2.IO分类

网络io的时候,都是在操作内存,如果从磁盘读写一个文件的时候,操作系统又分为哪几种模式呢

2.1.直接io

    直接io:直接把磁盘数据读取到用户态内存.

    例如我们在代码中读取一个文件

    Byte[] byteArray=new Byte[1024];

    byteArray=file.read("/data/test.txt")

    这里byteArray就是申请一块用户态内存.

    我们把磁盘数据直接读到用户态内存,可能耗时很慢.我们知道磁盘的操作和内存的操作速度不是一个级别的.尤其如果是随机读,那么会更慢!但是,很多数据库都会用直接读写,为啥呢?它可以自己做控制,

直接i

2.2缓存io(标准 I/O)

    由于从磁盘读取到用户内存很慢.因此操作系统给我们做了一层优化,那就是再加一层缓存.这种设计也是随处可见的,例如为了解决cpu和内存的性能差异,引入了L1,L2,L3缓存.

    就是pageCache.默认情况下,我们读写磁盘数据都会使用pageCache,是不是使用直接io一定错嘞?NO!,总结下直接io的优缺点

 优点:

1.节约内存.少了一个pageCache的开销(可以free 查看pageCache).

2.可以自己控制.更灵活.例如一些自缓存的系统,可以自己设计缓存实现,比较常见的是数据库系统.

缺点:

1.无法直接从pageCache读取,pageCache是内存读取,比较快,pageCache做了预读优化,减少读盘次数.

2.读的话需要读取磁盘,慢;写的话,需要刷盘成功,也慢.

    例如,mysql中写binlog为什么很快,其实默认就是写到了pageCache中,然后通过设置fSync策略,设置什么时候刷新到磁盘.

    pageCache刷盘有一定条件.

  1. 用户进程调用sync()或者fsync()
  2. 系统调用空闲内存低于特定阈值
  3. 脏页的数据在内存中驻留的时间超过一个特定阈值

3.如果读大文件,会浪费,因为大文件不会读很多次.浪费内存,导致小的文件也用不了pageCache,而且大文件都连续存储,读磁盘也可以.即使用了pageCache,还是得读到内存,多了一次拷贝

缓存io

2.3 mmap

    从缓存io中可以看到,使用pageCache多了一次内存拷贝.那么我们能不能优化这次拷贝呢?使用mmap,可以把用户态的内存映射到内核态.回忆一下,用户虚拟地址的布局.

虚拟地址布局

    其中在用户区有一段是用来做内存映射的.我们也是基于这段可以申请一段内存,和用户态内存映射在同一个地址.

mmap 中内核缓存就是pageCache.  

2.4 sendFile

mmap减少了一次内核空间到用户空间的拷贝.但是还是避免不了程序从用户态到内核态的切换.

sendFile

可以看到,只需要磁盘-->pageCache-->socket缓冲区--->网卡缓冲区.不需要用户态/内核态切换.

例如:

      kafka的broker到consumer的消息发送,就是使用的sendFile,即零拷贝. 扩展下知识点:producer到broker可以用sendFile吗?不行,因为有校验逻辑,或者压缩策略不一致的话需要解压缩和重新压缩.所以必须得读到用户空间,这个没办法,除非你的producer的数据读过来之后,你可以不操作,并且直接指定写到哪个磁盘文件里.

扩展: socket缓冲区到网卡的拷贝,可以省去吗?

        其实socketCache和网卡直接的拷贝,也可以去除.需要用到一个支持收集操作的网络接口。主要的方式是待传输的数据可以分散在存储的不同位置上,而不需要在连续存储中存放。这样一来,从文件中读出的数据就根本不需要被拷贝到 socket 缓冲区中去,而只是需要将缓冲区描述符传到网络协议栈中去,之后其在缓冲区中建立起数据包的相关结构,然后通过 DMA 收集拷贝功能将所有的数据结合成一个网络数据包。网卡的 DMA 引擎会在一次操作中从多个位置读取包头和数据。Linux 2.4 版本中的 socket 缓冲区就可以满足这种条件,这种方法不但减少了因为多次上下文切换所带来开销,同时也减少了处理器造成的数据副本的个数。对于用户应用程序来说,代码没有任何改变。

2.5.socket缓冲区

        再说下socket缓冲区,以write为例,当用户调用socket.write时,其实会把数据从用户空间拷贝到内核空间.也就是socket缓冲区.每个socket创建时,都会分配一定大小的读缓冲区和写缓冲区这两个互不影响.大小可以自由配置.可以参考另一篇socket缓冲区/sk_buffer/滑动窗口关系_责任全在mg的博客-CSDN博客_sk_buffer​​​​​​​

这篇关于从io模型到ppc,tpc,reactor,preactor的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1101556

相关文章

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

Andrej Karpathy最新采访:认知核心模型10亿参数就够了,AI会打破教育不公的僵局

夕小瑶科技说 原创  作者 | 海野 AI圈子的红人,AI大神Andrej Karpathy,曾是OpenAI联合创始人之一,特斯拉AI总监。上一次的动态是官宣创办一家名为 Eureka Labs 的人工智能+教育公司 ,宣布将长期致力于AI原生教育。 近日,Andrej Karpathy接受了No Priors(投资博客)的采访,与硅谷知名投资人 Sara Guo 和 Elad G

Retrieval-based-Voice-Conversion-WebUI模型构建指南

一、模型介绍 Retrieval-based-Voice-Conversion-WebUI(简称 RVC)模型是一个基于 VITS(Variational Inference with adversarial learning for end-to-end Text-to-Speech)的简单易用的语音转换框架。 具有以下特点 简单易用:RVC 模型通过简单易用的网页界面,使得用户无需深入了

透彻!驯服大型语言模型(LLMs)的五种方法,及具体方法选择思路

引言 随着时间的发展,大型语言模型不再停留在演示阶段而是逐步面向生产系统的应用,随着人们期望的不断增加,目标也发生了巨大的变化。在短短的几个月的时间里,人们对大模型的认识已经从对其zero-shot能力感到惊讶,转变为考虑改进模型质量、提高模型可用性。 「大语言模型(LLMs)其实就是利用高容量的模型架构(例如Transformer)对海量的、多种多样的数据分布进行建模得到,它包含了大量的先验

图神经网络模型介绍(1)

我们将图神经网络分为基于谱域的模型和基于空域的模型,并按照发展顺序详解每个类别中的重要模型。 1.1基于谱域的图神经网络         谱域上的图卷积在图学习迈向深度学习的发展历程中起到了关键的作用。本节主要介绍三个具有代表性的谱域图神经网络:谱图卷积网络、切比雪夫网络和图卷积网络。 (1)谱图卷积网络 卷积定理:函数卷积的傅里叶变换是函数傅里叶变换的乘积,即F{f*g}

秋招最新大模型算法面试,熬夜都要肝完它

💥大家在面试大模型LLM这个板块的时候,不知道面试完会不会复盘、总结,做笔记的习惯,这份大模型算法岗面试八股笔记也帮助不少人拿到过offer ✨对于面试大模型算法工程师会有一定的帮助,都附有完整答案,熬夜也要看完,祝大家一臂之力 这份《大模型算法工程师面试题》已经上传CSDN,还有完整版的大模型 AI 学习资料,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费

【生成模型系列(初级)】嵌入(Embedding)方程——自然语言处理的数学灵魂【通俗理解】

【通俗理解】嵌入(Embedding)方程——自然语言处理的数学灵魂 关键词提炼 #嵌入方程 #自然语言处理 #词向量 #机器学习 #神经网络 #向量空间模型 #Siri #Google翻译 #AlexNet 第一节:嵌入方程的类比与核心概念【尽可能通俗】 嵌入方程可以被看作是自然语言处理中的“翻译机”,它将文本中的单词或短语转换成计算机能够理解的数学形式,即向量。 正如翻译机将一种语言

AI Toolkit + H100 GPU,一小时内微调最新热门文生图模型 FLUX

上个月,FLUX 席卷了互联网,这并非没有原因。他们声称优于 DALLE 3、Ideogram 和 Stable Diffusion 3 等模型,而这一点已被证明是有依据的。随着越来越多的流行图像生成工具(如 Stable Diffusion Web UI Forge 和 ComyUI)开始支持这些模型,FLUX 在 Stable Diffusion 领域的扩展将会持续下去。 自 FLU

SWAP作物生长模型安装教程、数据制备、敏感性分析、气候变化影响、R模型敏感性分析与贝叶斯优化、Fortran源代码分析、气候数据降尺度与变化影响分析

查看原文>>>全流程SWAP农业模型数据制备、敏感性分析及气候变化影响实践技术应用 SWAP模型是由荷兰瓦赫宁根大学开发的先进农作物模型,它综合考虑了土壤-水分-大气以及植被间的相互作用;是一种描述作物生长过程的一种机理性作物生长模型。它不但运用Richard方程,使其能够精确的模拟土壤中水分的运动,而且耦合了WOFOST作物模型使作物的生长描述更为科学。 本文让更多的科研人员和农业工作者

线性因子模型 - 独立分量分析(ICA)篇

序言 线性因子模型是数据分析与机器学习中的一类重要模型,它们通过引入潜变量( latent variables \text{latent variables} latent variables)来更好地表征数据。其中,独立分量分析( ICA \text{ICA} ICA)作为线性因子模型的一种,以其独特的视角和广泛的应用领域而备受关注。 ICA \text{ICA} ICA旨在将观察到的复杂信号