1 指导解决并发问题的两大原理
有两个理论可以指导我们处理高并发的问题:阿姆达尔定律和局部性定律。
1.1 阿姆达尔定律:
在并行计算中用多处理器的应用加速受限于程序所需的串行时间百分比
1.2 局部性原理:
局部性原理分为时间局部性和空间局部性,所谓时间局部性指的是如果一个信息正在被访问,那么在短期内它有可能会被再次访问;所谓空间局部性指的是如果一个信息正在被访问,那么与它存错位置相近的信息也可能马上会被访问。
2 局部性原理的案例
2.1 时间局部性:
我们一般会利用本地缓存,例如EhCache、GuavaCache等、分布式缓存,例如Redis、MemCache等将信息缓存起来;当下一次访问,就可以直接存缓存中读取,而不用走DB,从而提升了查询的速度。但是这个等于用空间换时间,查询时间快了,但是增加了存储内存的使用。
2.2 空间局部性:
MySQL 为了提高性能,提供了一个机制:预读机制。
当你从磁盘上加载一个数据页的时候,他可能会连带着把这个数据页相邻的其他数据页,也加载到缓存里去。当我们查询到其他数据页的数据时,就可以直接从BufferPool里面读取,而不用到磁盘里面读取了,从而提升了查询的速度,但是这个其实也是用空间换时间。
这个机制会带来这么一个问题:连带的数据页可能在后面的查询或者修改中,并不会用到,但是它们却在 lru 链表的头部。InnoDB 存储引擎就是利用冷热数据分离方案来解决上面的问题:将 lru 链表分为两部分,一部分是热数据区域链表,一部分是冷数据区域链表。
本文介绍了处理高并发问题的两大理论基础——阿姆达尔定律和局部性原理。阿姆达尔定律说明了并行计算中串行部分对整体性能的影响,而局部性原理则涉及时间局部性和空间局部性,通过缓存和预读机制提升查询速度。文章通过实例解释了如何利用这两种原理优化缓存系统和数据库预读机制,同时讨论了InnoDB存储引擎的冷热数据分离策略以解决预读可能导致的资源浪费问题。
1411

被折叠的 条评论
为什么被折叠?



