key-value 多线程服务器的Linux C++实现

项目需求

设计一个基于Socket或基于HTTP的服务器，服务内容是提供一种简单的key/value映射关系的管 理与查询
下面的所有操作都是通过结构体Node来传递的：
struct Node {
char key[KEY_SIZE];
char value[VALUE_SIZE];
};
本场景中需要client和server两个程序
client端只有两种操作：
int AddNode(const struct Node *node); // 将指定的node保存到server上，需要key和value都 完整
int GetNode(struct Node *node); // 输入的node需要有完整的key，server负责将这个key对应 的value填到node中，或返回不存在

server: server端就是接收client的两种请求，然后要么保存node要么查询node并返回值。
server端怎么保存node不作要求，但要达到以下的几点：
1. 如果将所有node都保存在内存中，那么当内存中的数据太多时，需要定期将node保存成磁 盘文件。
2. client端在执行AddCell时，如果对应的key已经存在于server端，那么覆盖原有的值。

1. 总体思路

首先我们要开发一个基于网络的服务器，那么网络的知识是必须的，我们要开发的服务器是一种要求端对端的可靠的服务器，因此将采用基于TCP协议和套接字Socket作为服务端和客户端之间的通信方式。进，而我们可以观察到我们操作的数据是一个（key,value）形式，而TCP是一个以字节流传输的连接，因此需要一个字符串(char*)和数据结构(key,value)之间的相互转换函数，来将服务端和客户端之间的传输字节流解析成命令和数据节点（以及将命令和数据节点打包成字符串进行通信）。然后我们必须考虑服务器上数据的存储和查询问题，这是项目实现的关键。最后，服务器肯定要支持多客户端的同时连接和通信，因此还必须添加多线程或多进程。
本项目已实现的功能：

• 基于Socket的TCP网络传输
• 对网络传输字符的解析与打包
• LRU Page 缓存
• Hash-map 查找
• 多线程多clients 同时put，get操作

以下将从四个方面进行阐述项目思想：网络通信，字符解析，数据存储与查询，多线程实现。

2. 网络通信

基于本服务器的功能特性考虑，我们要求的是可靠性，因此选择TCP。
而在TCP的连接前，
- 服务器首先要做的准备是：创建一个连接套接字socket，然后socket绑定(bind)在一个IP或Port上以供客户端寻找，监听(listen)客户端的请求，然后一直阻塞等待客户端的连接。
- 客户端需要做的准备：客户端的套接字附上服务端的ip地址和自己的端口号。
当服务端和客户端做好通信准备后，由客户端发起，服务端响应，经过三次握手，建立相互之间的连接。
当一个客户端通信完成后， 客户端会主动向服务端请求释放连接。
关于三次握手以及当一个客户端通信完成，与服务端释放连接时的四次挥手的详细知识，请参考wireshark抓包图解 TCP三次握手/四次挥手详解

建立连接后，服务端调用accept()函数，阻塞服务端进程，直至收到客户端send()过来的信息。
关于网络编程中的Socket接口函数的详细讲解，参考Linux的SOCKET编程详解

3. 字符解析

由于网络通信中传输的是字符，我们必须将字符解析成 命令(put,get,…etc.)和数据(key,value)。
由上述得知，传输字符包含有：命令，key，value；我们可根据习惯，设立分割字符，如空格，分号等。需要注意的是每次传输的字符串分割后，得到的子字符串的个数可能是不同的，如”put 12:quinn” 分为3段，而”get 12”分为2段，”exit”只有一段。因此根据客户端发信给客户端的命令不同，字符解析函数将它解析成不同的命令。而服务端首先判断第一段字符的含义(put,get,exit,save等)，来决定自己要实现的动作。
源码查看：https://github.com/qzxin/key-value-server/blob/master/convert.cpp

4. 数据存储与查询

4.1 存储管理

由于内存空间有限，当数据量到达上限时，必须把数据转存到磁盘文件中。
在服务器实现过程中，服务端需要接受客户端的get和put两种操作，
- put(key, value): 在接收一定数量的数据后需要将数据保存到磁盘上，并且需要检查是否存在相同的key；
- get(key): 向服务端查询是否存在该key；

因为项目需求相同的key只能有一个值，所以不管是put和get都必须遍历内存和磁盘文件中的数据，查找是否含有该key，如果每一次操作都需要访问磁盘，那么效率将是极低的，由于访问数据的时间局部性，最近访问过的数据在近期内有更大的可能再次被访问，因此想到了引入缓存系统，即将最近访问过的节点保留在内存中；又由访问数据的空间局部性，最近访问过的数据周围的数据有更大的可能被访问，想到了引入分页机制。

• 缓存系统：当查找节点时，首先在缓存中查找，查找成功则对该节点操作。缓存查找失败，即缺页中断。因为内存空间限制，缓存的大小是一定的，当发生缺页中断时，要从磁盘中加载新数据，即需要不断的用最近访问成功的新数据替换缓存中的旧数据。
• 分页机制：当待查找数据不在缓存，即缺页中断时，如果每次都从磁盘中加载一个数据，那效率是不可接受的。因此，将页（包含N个数据节点）作为缓存和磁盘数据之间操作的基本单位。

如上提到的缺页中断是操作系统中内存管理中的概念。

在请求分页存储管理系统中，由于使用了虚拟存储管理技术，使得所有的进程页面不是一次性地全部调入内存，而是部分页面装入。
这就有可能出现下面的情况：要访问的页面不在内存，这时系统产生缺页中断。操作系统在处理缺页中断时，要把所需页面从外存调入到内存中。如果这时内存中有空闲块，就可以直接调入该页面；如果这时内存中没有空闲块，就必须先淘汰一个已经在内存中的页面，腾出空间，再把所需的页面装入，即进行页面置换。
当缺页中断时，需要进行页面置换。而常见的页面置换算法有：FIFO，LRU和时钟算法。
（1）FIFO是淘汰内存中存在时间最长的页，而最长的页可能是最常被访问的，因此性能差。
（2）LRU是淘汰内存中最久没有被访问的页。
（3）时钟算法是，将页连成一个环形链表，当缺页中断时，指针指向最老的页，当该页的访问位为0，则删除该页，若该页访问位为1，则将访问位置0，遍历它的下一页，直至遇到一个访问位为0的页，用新数据替换它，并把指针指向它的下一页。

注意，本文中假设”数据缓存“存在于内存中，而”磁盘中的数据文件“模拟现代OS中的虚拟内存。即本文偷换概念，将缓存当做内存，将磁盘文件当做缓存页。

本文选用容易实现且性能尚可的LRU页面置换。具体实现过程已在另一篇博文基于文件页的 LRU Cache：磁盘缓存实现中详细描述，本文不再赘述。

本文思想是，为了更便利的对页数据进行置换，将磁盘文件的大小设置为页的大小，形成映射。当缺页中断时，调入新的一页时，即读一个新文件到内存中；而被替换掉的页，如果页的dirty位为1，则重新写入到它所属的文件，为了实现这一点，在页的数据结构中应该包含该页所属文件的编号。（这是OS中虚拟缓存的思想）

class HashCache::Page {
public:
    int file_num_; // 页所对应的文件序号
    bool lock_;
    bool dirty_;  // 标记page是否被修改
    class Node data_[PAGE_SIZE];  // 页包含的节点数据
    class Page* next;
    class Page* prev;
    Page() {
        lock_ = false;
        dirty_ = false;
    }
};

4.2 数据查询

4.1存储管理 解决了数据的存储和加载问题，那么如何能快速的索引到一个数据呢？两种办法，平衡二叉树O(lgn)和hash表O(1);我们知道hash表的缺点是不能有效解决冲突，而本项目中的key，value唯一，因此采用更快的hash-map实现数据的索引，当然采用时间复杂度为O(lgn)的map实现也是可以的。
在实际操作中，当每次缺页中断，加载一页时，将新页的数据都插入到hash-map中，同时将被替换页的数据从hash-map中释放。而为了保证这点，在构建数据结构时，每一个数据节点必须包含它所属的页号。

class HashCache::Node {
public:
    std::string key_;
    std::string value_;
    class Page* page_;  // 该数据节点所属页
};

总结：由操作系统中的内存页面置换和虚拟缓存中的理论，迁移得到本项目服务器数据的存储和查询的实现思想。
本节思想的具体实现步骤，已再另一篇博文中描述，点击此处查看。

5. 多线程

一个服务器肯定是要支持多客户端通信的，那么应该使用多进程还是多线程呢？
由上文可知，所有的数据都是先存储到内存中，然后再转存到文件中，那么为了内存数据（缓存）的共享，选用多线程实现。
每当有一个客户端和服务器连接成功后，新建一个线程，将连接套接字传入线程处理函数，然后分离（detach）该线程，由该线程处理该客户端的所有通信。

因为是通过”共享内存“的方式实现线程之间的通信，可能存在多个客户端同时针对一个key的value做修改，同时有客户端在读取该key的value，造成数据的不同步？那应该如何解决线程同步问题呢？

线程同步的方式：临界区，互斥锁，信号量，事件

本项目，采用互斥锁解决数据之间的同步问题，引入2个锁：写入锁和读取锁。当有一个正在put时，所有的put和get操作等待；当有get操作时，可以再有get操作，put操作等待。（读者写者问题的经典思想）
C++多线程编程，详情请参阅：C++11 编写 Linux 多线程程序

6. 待改进

• 如何加入断电缓存重建机制？
• 如何加入查询超时判断？
• 需不需要线程调度？
• 其他参考信息：淘宝自主开发的一个分布式key/value存储系统Tair，开发本项目时没有发现~~~

7. GitHub源码

本项目开发环境Linux GCC4.8.4 ，C++ 11
源码：https://github.com/qzxin/key-value-server
原文：key-value 多线程服务器的Linux C++实现：http://blog.csdn.net/quzhongxin/article/details/46927785