Ami*_*aki 4 c file-io buffer mmap hashtable
我正在实现一个支持大量密钥(2600万)的基于磁盘的哈希表.该值被反序列化.读取在整个文件中基本上是随机的,值小于页面大小,我正在针对SSD进行优化.安全性/一致性不是那么大的问题(性能问题).
我当前的解决方案涉及使用mmap()带有MADV_RANDOM | MADV_DONTNEEDset 的文件来禁用内核的预取,并且只根据需要按需加载数据.
我知道内核从磁盘读取到内存缓冲区,我从那里反序列化.
怎么样O_DIRECT？如果我打电话read(),我仍然会复制到缓冲区(我反序列化),那么我可以获得任何优势吗？
哪里可以找到有关mmap()文件涉及的缓冲区的更多信息并调用read()打开的文件O_DIRECT？
我对提前读取或缓存不感兴趣.它对我的用例没有任何帮助.
当数据绕过系统缓冲区并从缓冲区直接复制到磁盘控制器时,O_DIRECT是读/写操作的选项.为了获得O_DIRECT的优点,需要遵守一些条件 - 通过I/O块对齐的内存页缓冲区地址和缓冲区大小保持对齐.
无论如何,如果你使用mmap,你不使用读/写.而且,在mmap之后,您可以关闭文件描述符,并且映射仍然有效.所以,O_DIRECT与mmap选项没用.
我可以推荐什么来提高性能:
如果您的子系统有许多搜索缺失键请求,您可以在内存中创建Bloom过滤器.此后,您在Bloom过滤器http://en.wikipedia.org/wiki/Bloom_filter上匹配您的搜索键,并拒绝丢失的密钥,而无需对磁盘的实际请求.
为了节省内存,使用2级方案,当桶头保留在mmap-ed内存中,但桶本身是你通过pread()从文件中读取的.
我在自动完成子系统中实现的两个选项,你可以在这里看到它:http://olegh.ftp.sh/autocomplete.html 并估计慢速旧电脑上的性能 - 赛扬300.