使用 MapMaker#makeComputingMap 防止同一数据的同时 RPC

Question

我们有一个缓慢的后端服务器，它被负载压垮了，我们希望中间层的 Scala 服务器对于每个独特的查找只有一个未完成的后端请求。

后端服务器只存储不可变的数据，但在添加新数据时，中间层服务器将代表客户端请求最新数据，后端服务器难以承受负载。不可变数据使用写入时生成的唯一键缓存在 memcached 中，但写入速率很高，因此我们得到的 memcached 命中率较低。

我的一个想法是使用 Google Guava 的 MapMaker#makeComputingMap() 来包装实际查找，在 ConcurrentMap#get() 返回后，中间层将保存结果并从 Map 中删除键。

这似乎有点浪费，虽然代码很容易写，看下面的例子我在想什么。

是否有更自然的数据结构、库或 Guava 的一部分可以解决这个问题？

import com.google.common.collect.MapMaker

object Test
{
  val computer: com.google.common.base.Function[Int,Long] =
  {
    new com.google.common.base.Function[Int,Long] {
      override
      def apply(i: Int): Long =
      {
        val l = System.currentTimeMillis + i
        System.err.println("For " + i + " returning " + l)
        Thread.sleep(2000)
        l
      }
    }
  }

  val map =
  {
    new MapMaker().makeComputingMap[Int,Long](computer)
  }

  def get(k: Int): Long =
  {
    val l = map.get(k)
    map.remove(k)
    l
  }

  def main(args: Array[String]): Unit =
  {
    val t1 = new Thread() {
      override def run(): Unit =
      {
        System.err.println(get(123))
      }
    }

    val t2 = new Thread() {
      override def run(): Unit =
      {
        System.err.println(get(123))
      }
    }

    t1.start()
    t2.start()
    t1.join()
    t2.join()

    System.err.println(get(123))
  }
}

Answer 1

我不确定你为什么要自己实现 remove，为什么不简单地设置弱或软值并让 GC 为你清理？

new MapMaker().weakValues().makeComputingMap[Int, Long](computer)

Answer 2

我觉得你做的很合理。您只使用该结构来获取密钥上的锁条，以确保对相同密钥的访问发生冲突。不用担心您不需要每个键的值映射。 ConcurrentHashMap 和朋友是 Java 库+Guava 中唯一提供锁条的结构。

这确实会导致一些较小的运行时开销，加上您不需要的哈希表的大小（如果对同一段的访问堆积起来并且 remove() 跟不上，它甚至可能会增长）。

如果你想让它尽可能便宜，你可以自己编写一些简单的锁条。基本上是 N 个锁（N = 并发级别）的Object[]（或Array[AnyRef] :)），您只需将查找键的哈希映射到该数组中，然后锁定。这样做的另一个好处是你真的不必做 CHM 需要做的 hashcode 技巧，因为后者必须将 hashcode 分成一个部分来选择锁，另一个来满足 hashtable 的需要，但是你可以将其全部用于锁定选择。

编辑：在下面草绘我的评论：

val concurrencyLevel = 16
val locks = (for (i <- 0 to concurrencyLevel) yield new AnyRef).toArray

def access(key: K): V = {
   val lock = locks(key.hashCode % locks.size)
   lock synchronized {
     val valueFromCache = cache.lookup(key)
     valueFromCache match {
       case Some(v) => return v
       case None =>
         val valueFromBackend = backendServer.lookup(key)
         cache.put(key, valueFromBackend)
         return valueFromBackend
     }
   }
}

（顺便说一句，需要toArray 调用吗？或者返回的IndexSeq 已经可以通过索引快速访问？）