原文 | https://www.codeproject.com/Articles/5299328/LRU-Cache-CLOCK-2-hand-Implementation-In-Nodejs

在文章的开始我们需要了解什么是缓存？缓存是预先根据数据列表准备一些重要数据。

没有缓存的话，系统的吞吐量就取决于存储速度最慢的数据，因此保持应用程序高性能的一个重要优化就是缓存。

web应用程序中有两项很重要的工作，分别是文件和视频Blob的缓存和快速访问页面模板。

而在Nodejs中，非异步功能操作的延迟会决定系统什么时候为其他客户端提供服务，尽管操作系统有自己的文件缓存机制，但是同一个服务器中有多个web应用程序同时运行，且其中一个应用正在传输大量视频数据的时候，其他应用的缓存内容就可能会频繁失效，此时程序效率会大幅降低。

而针对应用程序资源的LRU算法能有效解决这个问题，使应用程序不被同一服务器中的其他应用程序缓存所影响。

考虑到存储速度最慢数据决系统吞吐量的这一点，LRU缓存的存在能将系统性能提高2倍至100倍；同时，异步LRU会隐藏全部高速缓存未命中的延迟。

接下来我们一起来看具体实现的内容。

代码展示

首先构建一个用来构造LRU对象模块的文件：

'use strict';let Lru = function(cacheSize,callbackBackingStoreLoad,elementLifeTimeMs=1000){    let me = this;    let maxWait = elementLifeTimeMs;    let size = parseInt(cacheSize,10);    let mapping = {};    let mappingInFlightMiss = {};    let buf = [];    for(let i=0;i<size;i++)    {        let rnd = Math.random();        mapping[rnd] = i;        buf.push({data:"",visited:false, key:rnd, time:0, locked:false});    }    let ctr = 0;    let ctrEvict = parseInt(cacheSize/2,10);    let loadData = callbackBackingStoreLoad;    this.get = function(key,callbackPrm){
        let callback = callbackPrm;        if(key in mappingInFlightMiss)        {            setTimeout(function(){                me.get(key,function(newData){                    callback(newData);                });            },0);            return;        }
        if(key in mapping)        {                        // RAM speed data            if((Date.now() - buf[mapping[key]].time) > maxWait)            {                                if(buf[mapping[key]].locked)                {                                                            setTimeout(function(){                        me.get(key,function(newData){                            callback(newData);                        });                    },0);                                    }                else                {                    delete mapping[key];
                    me.get(key,function(newData){                        callback(newData);                    });                                    }                            }            else            {                buf[mapping[key]].visited=true;                buf[mapping[key]].time = Date.now();                callback(buf[mapping[key]].data);            }        }        else        {            // datastore loading + cache eviction            let ctrFound = -1;            while(ctrFound===-1)            {                if(!buf[ctr].locked && buf[ctr].visited)                {                    buf[ctr].visited=false;                }                ctr++;                if(ctr >= size)                {                    ctr=0;                }
                if(!buf[ctrEvict].locked && !buf[ctrEvict].visited)                {                    // evict                    buf[ctrEvict].locked = true;                    ctrFound = ctrEvict;                }
                ctrEvict++;                if(ctrEvict >= size)                {                    ctrEvict=0;                }            }
            mappingInFlightMiss[key]=true;            let f = function(res){                delete mapping[buf[ctrFound].key];                buf[ctrFound] =                 {data: res, visited:false, key:key, time:Date.now(), locked:false};                mapping[key] = ctrFound;                callback(buf[ctrFound].data);                delete mappingInFlightMiss[key];                    };            loadData(key,f);        }    };};
exports.Lru = Lru;

文件缓存示例：

let Lru = require("./lrucache.js").Lru;let fs = require("fs");let path = require("path");
let fileCache = new Lru(500, async function(key,callback){  // cache-miss data-load algorithm    fs.readFile(path.join(__dirname,key),function(err,data){      if(err) {                                         callback({stat:404, data:JSON.stringify(err)});      }      else      {                                        callback({stat:200, data:data});      }                                                            });},1000 /* cache element lifetime */);

使用LRU构造函数获取参数（高速缓存大小、高速缓存未命中的关键字和回调、高速缓存要素生命周期）来构造CLOCK高速缓存。

异步缓存未命中回调的工作方式如下：
1、一些get()在缓存中找不到密钥
2、算法找到对应插槽
3、运行此回调：
在回调中，重要计算异步完成
回调结束时，将回调函数的回调返回到LRU缓存中

再次访问同一密钥的数据来自RAM
该依赖的唯一实现方法get()：

fileCache.get("./test.js",function(dat){     httpResponse.writeHead(dat.stat);     httpResponse.end(dat.data);});

结果数据还有另一个回调，因此可以异步运行

工作原理

现在大多LRU的工作过程始终存在从键到缓存槽的“映射”对象，就缓存槽的数量而言实现O（1）键搜索时间复杂度。但是用JavaScript就简单多了：
映射对象：

let mapping = {};

在映射中找到一个（字符串/整数）键：

if(key in mapping){   // key found, get data from RAM}

高效且简单

只要映射对应一个缓存插槽，就可以直接从其中获取数据：

buf[mapping[key]].visited=true; buf[mapping[key]].time = Date.now(); callback(buf[mapping[key]].data);

visited用来通知CLOCK指针（ctr和ctrEvict）保存该插槽，避免它被驱逐。time字段用来管理插槽的生命周期。只要访问到高速缓存命中都会更新time字段，把它保留在高速缓存中。

用户使用callback函数给get()函数提供用于检索高速缓存插槽的数据。

想要直接从映射插槽获取数据之前，需要先查看它的生命周期，如果生命周期已经结束，需要删除映射并用相同键重试使高速缓存丢失：

if((Date.now() - buf[mapping[key]].time) > maxWait){    delete mapping[key];    me.get(key,function(newData){        callback(newData);    });}

删除映射后其他异步访问不会再影响其内部状态

如果在映射对象中没找到密钥，就运行LRU逐出逻辑寻找目标：

let ctrFound = -1;while(ctrFound===-1){    if(!buf[ctr].locked && buf[ctr].visited)    {        buf[ctr].visited=false;    }    ctr++;    if(ctr >= size)    {        ctr=0;    }
    if(!buf[ctrEvict].locked && !buf[ctrEvict].visited)    {        // evict        buf[ctrEvict].locked = true;        ctrFound = ctrEvict;    }
    ctrEvict++;    if(ctrEvict >= size)    {        ctrEvict=0;    }}

第一个“ if”块检查“第二次机会”指针（ctr）指向的插槽状态，如果是未锁定并已访问会将其标记为未访问，而不是驱逐它。

第三“If”块检查由ctrEvict指针指向的插槽状态，如果是未锁定且未被访问，则将该插槽标记为“ locked”，防止异步访问get() 方法，并找到逐出插槽，然后循环结束。

对比可以发现ctr和ctrEvict的初始相位差为50％：

let ctr = 0;let ctrEvict = parseInt(cacheSize/2,10);

并且在“ while”循环中二者均等递增。这意味着，这二者循环跟随另一方，互相检查。高速缓存插槽越多，对目标插槽搜索越有利。对每个键而言，每个键至少停留超过N / 2个时针运动才从从逐出中保存。

找到目标插槽后，删除映射防止异步冲突的发生，并在加载数据存储区后重新创建映射：

mappingInFlightMiss[key]=true; let f = function(res){     delete mapping[buf[ctrFound].key];     buf[ctrFound] = {data: res, visited:false, key:key, time:Date.now(), locked:false};     mapping[key] = ctrFound;     callback(buf[ctrFound].data);     delete mappingInFlightMiss[key]; }; 
loadData(key,f);

由于用户提供的缓存缺失数据存储加载功能（loadData）可以异步进行，所以该缓存在运行中最多可以包含N个缓存缺失，最多可以隐藏N个缓存未命中延迟。

隐藏延迟是影响吞吐量高低的重要因素，这一点在web应用中尤为明显。

一旦应用中出现了超过N个异步缓存未命中/访问就会导致死锁，因此具有100个插槽的缓存可以异步服务多达100个用户，甚至可以将其限制为比N更低的值（M），并在多次（K）遍中进行计算（其中M x K =总访问次数）。

我们都知道高速缓存命中就是RAM的速度，但因为高速缓存未命中可以隐藏，所以对于命中和未命中而言，总体性能看起来的时间复杂度都是O（1）。

当插槽很少时，每个访问可能有多个时钟指针迭代，但如果增加插槽数时，它接近O（1）。

在此loadData回调中，将新插槽数据的locked字段设置为false，可以使该插槽用于其他异步访问。

如果存在命中，并且找到的插槽生命周期结束且已锁定，则访问操作setTimeout将0 time参数延迟到JavaScript消息队列的末尾。

锁定操作（cache-miss）在setTimeout之前结束的概率为100％，就时间复杂度而言，仍算作具有较大的延迟的O（1），但它隐藏在锁定操作延迟的延迟的之后。

if(buf[mapping[key]].locked) {     setTimeout(function(){         me.get(key,function(newData){             callback(newData);         });     },0); }

最后，如果某个键处于进行中的高速缓存未命中映射中，则通过setTimeout将其推迟到消息队列的末尾：

if(key in mappingInFlightMiss){
  setTimeout(function(){     me.get(key,function(newData){              callback(newData);     });  },0);  return;}

这样，就可以避免数据的重复。

标杆管理

异步高速缓存未命中基准

"use strict";// number of asynchronous accessors(1000 here) need to be equal to or less than // cache size(1000 here) or it makes dead-locklet Lru = require("./lrucache.js").Lru;
let cache = new Lru(1000, async function(key,callback){    // cache-miss data-load algorithm    setTimeout(function(){        callback(key+" processed");    },1000);},1000 /* cache element lifetime */);
let ctr = 0;let t1 = Date.now();for(let i=0;i<1000;i++){    cache.get(i,function(data){        console.log("data:"+data+" key:"+i);        if(i.toString()+" processed" !== data)        {            console.log("error: wrong key-data mapping.");        }        if(++ctr === 1000)        {            console.log("benchmark: "+(Date.now()-t1)+" miliseconds");        }    });}

为了避免死锁的出现，可以将LRU大小选择为1000，或者for只允许循环迭代1000次。

输出：

benchmark: 1127 miliseconds

由于每个高速缓存未命中都有1000毫秒的延迟，因此同步加载1000个元素将花费15分钟，但是重叠的高速缓存未命中会更快。这在I / O繁重的工作负载（例如来自HDD或网络的流数据）中特别有用。

缓存命中率基准

10％的命中率：
密钥生成：随机，可能有10000个不同的值
1000个插槽

"use strict";// number of asynchronous accessors(1000 here) need to be equal to or less than // cache size(1000 here) or it makes dead-locklet Lru = require("./lrucache.js").Lru;
let cacheMiss = 0;let cache = new Lru(1000, async function(key,callback){    cacheMiss++;    // cache-miss data-load algorithm    setTimeout(function(){        callback(key+" processed");    },100);},100000000 /* cache element lifetime */);
let ctr = 0;let t1 = Date.now();let asynchronity = 500;let benchRepeat = 100;let access = 0;
function test(){    ctr = 0;    for(let i=0;i<asynchronity;i++)    {        let key = parseInt(Math.random()*10000,10); // 10% hit ratio        cache.get(key.toString(),function(data){                 access++;            if(key.toString()+" processed" !== data)            {                console.log("error: wrong key-data mapping.");            }            if(++ctr === asynchronity)            {                console.log("benchmark: "+(Date.now()-t1)+" miliseconds");                console.log("cache hit: "+(access - cacheMiss));                console.log("cache miss: "+(cacheMiss));                console.log("cache hit ratio: "+((access - cacheMiss)/access));                if(benchRepeat>0)                {                    benchRepeat--;                    test();                }            }        });    }}
test();

结果：

benchmark: 10498 milisecondscache hit: 6151cache miss: 44349cache hit ratio: 0.1218019801980198

由于基准测试是按100个步骤进行的，每个缓存丢失的延迟时间为100毫秒，因此产生了10秒的时间（接近100 x 100毫秒）。命中率接近预期值10％。

50％命中率测试

let key = parseInt(Math.random()*2000,10); // 50% hit ratio
Result:
benchmark: 10418 milisecondscache hit: 27541cache miss: 22959cache hit ratio: 0.5453663366336634

命中率测试

let key = parseInt(Math.random()*1010,10); // 99% hit ratio
Result:
benchmark: 10199 milisecondscache hit: 49156cache miss: 1344cache hit ratio: 0.9733861386138614

结果产生了0.9733比率的键的随机性

％命中率测试

let key = parseInt(Math.random()*999,10); // 100% hit ratio

结果：

benchmark: 1463 milisecondscache hit: 49501cache miss: 999cache hit ratio: 0.9802178217821782

基准测试的第一步（无法逃避缓存未命中）之后，所有内容都来自RAM，并大大减少了总延迟。

总结

文本详细介绍了NodeJS中LRU算法缓存的实现，希望可以为大家提供新的思路，更好的在开发中提升系统性能。

学习更多技能

请点击下方公众号