從零開始實現lmax-Disruptor佇列（一）RingBuffer與單生產者、單消費者工作原理解析

小熊餐館發表於2022-06-02

1.lmax-Disruptor佇列介紹

disruptor是英國著名的金融交易所lmax旗下技術團隊開發的一款java實現的高效能記憶體佇列框架
其發明disruptor的主要目的是為了改進傳統的記憶體佇列實現如jdk的ArrayBlockingQueue、LinkedBlockingQueue等在現代CPU硬體上的一些缺陷

1. 偽共享問題

現代的CPU都是多核的，每個核心都擁有獨立的快取記憶體。快取記憶體由固定大小的快取行組成（通常為32個位元組或64個位元組）。
CPU以快取行作為最小單位讀寫，且一個快取行通常會被多個變數佔據（例如32位的引用指標佔4位元組，64位的引用指標佔8個位元組）。
這樣的設計導致了一個問題：即使快取行上的變數是無關聯的（比如不屬於同一個物件），但只要快取行上的某一個共享變數發生了變化，則整個快取行都會進行快取一致性的同步。
而CPU間快取一致性的同步是有一定效能損耗的，能避免則儘量避免。這就是所謂的“偽共享”問題。
disruptor通過對佇列中一些關鍵變數進行了快取行的填充，避免其因為不相干的變數讀寫而無謂的重新整理快取，解決了偽共享的問題。

關於CPU間快取一致性相關的內容可以參考下我以前的部落格：
快取記憶體一致性協議MESI與記憶體屏障

2. 隊頭、隊尾引用等共享變數過多的的爭搶

傳統的記憶體佇列由於生產者、消費者都會併發的讀寫佇列頭、佇列尾的引用和更新佇列size，
因此被迫使用瞭如ReentrantLock等基於上下文切換的悲觀鎖或是CAS機制的樂觀鎖等互斥機制來保證佇列關鍵資料的併發安全，但即使是CAS這樣非阻塞的機制，由於存在失敗重試機制和快取記憶體間強一致地同步操作，其效能損耗在追求極限效能的高併發佇列中介軟體上也是不容忽視的。
disruptor在實現過程中巧妙的通過全域性有序增長的序列號機制代替了顯式的佇列頭、佇列尾更新，極大的減少了需要併發更新共享變數的場合，從而提高了高併發場景下佇列的吞吐量。

3. 入隊、出隊時佇列元素產生大量垃圾

juc包下的阻塞佇列佇列元素會在入隊時被建立、出隊被消費後就不再被引用而產生大量的垃圾。
disruptor通過基於陣列的環形佇列，在開始執行前用空的事件物件填充好整個佇列，後續的生產與消費則不新增或者刪除佇列元素，而是配合序列號機制，修改佇列元素中的屬性進行生產者和消費者的互動。
通過固定佇列中的物件，disruptor避免了入隊、出隊時產生不必要的垃圾。

除此之外，disruptor還允許設定消費者間消費的依賴關係（例如A、B消費者消費完畢後，C才能消費），構造高效的事件傳輸管道，實現1對1，1對多，多對1等模式的組合。
更詳細的內容可以參考disruptor的官方文件：https://lmax-exchange.github.io/disruptor/disruptor.html
上面雖然介紹了有關disruptor的各種特點，但只有詳細的研究原始碼後才能更好地理解disruptor的原理，體會其整體設計思路以及程式碼層面微觀實現的精妙之處。

2.MyDisruptor介紹

程式設計和畫畫很類似，比起對著已經完工的畫作進行分析，我更喜歡參考著原畫從設計者的角度出發自己臨摹出一副屬於自己的畫。在這個過程中，可以看到程式從簡單到複雜的全過程，能更清楚得知道哪些是核心功能而哪些是相對邊緣的邏輯，從而獲得一條平滑的學習曲線。
MyDisruptor就是我按照上述學習方式自己臨摹出來的結果，按照功能模組大致分為六個迭代版本逐步完成，最終實現了一個和disruptor相差無幾的佇列。
在這個過程中，低版本的程式碼是相對精簡的，可以讓讀者更容易理解當前功能的實現原理，不會被其餘旁路程式碼的複雜度給繞暈。

ringBuffer + 單執行緒生產者 + 單執行緒消費者
多執行緒消費者 + 消費者組依賴關係（A/B -> C, AB消費成功後C才能消費）
worker執行緒組消費者
多執行緒生產者
disruptor dsl(提供簡單易用的介面，遮蔽掉人工組裝依賴鏈的複雜度)
ringBuffer等關鍵元件解決偽共享問題 + 參考disruptor對特定的資料結構做進一步優化

3.MyDisruptor v1版本詳細解析

v1版本是整個專案的基石，所以在這裡先介紹disruptor的核心設計思想和各關鍵元件的整體關聯以幫助大家更好地理解。

3.1 disruptor核心設計思想

volatile + 併發寫變數的分離

我們知道基於阻塞/喚醒的悲觀鎖和基於CAS的樂觀鎖都是併發程式設計中常見地同步機制，但是其在高併發場景下都有一定的效能損耗。那麼有沒有開銷更低地執行緒間同步機制呢？
答案是有的，即單純依靠記憶體屏障提供的多執行緒間的記憶體可見效能力。
這裡糾正一個部分人理解上的誤區：java中volatile修飾的變數具備多執行緒間的可見效能力，但不提供原子性更新的功能，所以無法保證執行緒安全。這段概述是不全面的，確實在多執行緒併發讀寫時，由於缺少原子性的更新機制，單靠volatile是無法做到執行緒安全的。
但在單寫者多讀者這一更為特殊的場景下，僅靠volatile提供的記憶體可見效能力就可以做到併發場景下的執行緒安全，且其效能開銷比CAS更低。

一寫多讀的序列號機制

為了解決上述傳統佇列中共享變數高併發時過多爭搶的問題，disruptor從設計一開始就引入了單調遞增的序列號機制，每個生產者、消費者執行緒都有自己獨立所屬的序列號變數（volatile修飾），其只能由序列號所屬的執行緒寫入，其它執行緒只能去讀取，做到一寫多讀。

生產者和消費者通過寫自己獨佔的序列號，讀其它執行緒序列號的方式進行通訊
序列號對佇列長度取餘，可以得到其在環形佇列中的實際下標位置
生產者每進行一次生產釋出，生產者序列號就加1；消費者每進行一次消費，消費者序列號也加1。
當生產者的序列號超過消費者時，說明當前生產速度超過了消費速度；當生產者超過最慢消費者的序列之差和佇列容量相等時，需要阻塞生產者，等待消費者消費（邏輯上等於佇列已滿）
當消費者的序列號即將超過生產者時（臨界狀態恰好等於），則需要阻塞當前消費者，等待生產者生產（邏輯上等於佇列為空）
在消費者間存在依賴的場景下，不同於消費者間通過傳遞佇列元素物件來實現依賴關係。當前消費者除了需要關注生產者的序列號，也關注其依賴的上游消費者。使自己的序列號始終不超過上游消費者的序列號，巧妙地實現依賴關係。

disruptor拆分了傳統佇列中多寫多讀的佇列頭、尾等多讀多寫的變數，僅憑藉記憶體可見性就完成了生產者和消費者間的通訊

disruptor簡要架構圖

下面我們基於原始碼分析MyDisruptor，為了和lmax-Disruptor作區分MyDisruptor內各個元件都在disruptor對應元件名稱的基礎上加了My字首。

3.2 MyDisruptor核心元件解析

MySequence序列號物件

序列號Sequence是disruptor實現生產者、消費者間互相通訊的關鍵，因此在Sequence內部有一個volatile修飾的long變數value（long型別足夠大，可以不考慮溢位），用於標識單調遞增的序列號。
為了在特定的場景下避免對volatile變數更新時不必要的CPU快取重新整理，通過unsafe的putOrderedLong方法來優化效能（具體用到的地方會在後面章節中展開）。
putOrderedLong操作在實際更新前會插入store-store屏障（保證與之前發生的寫操作的有序性，不會重排序導致亂序），比起對volatile修飾的value=xxx時設定的store-load屏障效能要好一些。
其帶來的後果就是putOrderedLong更新後，不會立即強制CPU重新整理更新後在快取中的資料到主記憶體，導致其修改的最新值對其它CPU核心（其它執行緒）來說不是立即可見的（但延遲很低，一般在納秒級別）。

/**
 * 序列號物件（仿Disruptor.Sequence）
 * 由於需要被生產者、消費者執行緒同時訪問，因此內部是一個volatile修飾的long值
 * */
public class MySequence {

    /**
     * 序列起始值預設為-1，保證下一序列恰好是0（即第一個合法的序列號）
     * */
    private volatile long value = -1;

    private static final Unsafe UNSAFE;
    private static final long VALUE_OFFSET;

    static {
        try {
            // 由於提供給cas記憶體中欄位偏移量的unsafe類只能在被jdk信任的類中直接使用，這裡使用反射來繞過這一限制
            Field getUnsafe = Unsafe.class.getDeclaredField("theUnsafe");
            getUnsafe.setAccessible(true);
            UNSAFE = (Unsafe) getUnsafe.get(null);
            VALUE_OFFSET = UNSAFE.objectFieldOffset(MySequence.class.getDeclaredField("value"));
        }
        catch (final Exception e) {
            throw new RuntimeException(e);
        }
    }

    public MySequence() {
    }

    public MySequence(long value) {
        this.value = value;
    }

    public long get() {
        return value;
    }

    public void set(long value) {
        this.value = value;
    }

    public void lazySet(long value) {
        UNSAFE.putOrderedLong(this, VALUE_OFFSET, value);
    }
}

看完MySequence的實現後你可能會有一個疑問，這不就是一個簡易版的AtomicLong嗎，為什麼disruptor還要自己造一個出來呢？
確實在v1版本中，MySequence類比起juc的AtomicLong只是名字上更加貼合業務場景而已，能被AtomicLong完全的代替。
但Disruptor通過填充多餘的欄位解決了Sequence中value變數的偽共享問題，MyDisruptor中偽共享的實現放在了後面的版本，所以v1版本在這裡提前進行了抽象，目的是方便大家後續的理解。

MySingleProducerSequencer單執行緒生產者

disruptor中生產者的釋出是分為兩個階段的，一階段根據next方法獲得可用的1個或者多個連續的序列號準備釋出（可以理解為獲得了存放貨品的許可權，但還沒把貨品實際上架），
根據序列號更新佇列中下標對應的事件物件；二階段通過publish方法更新生產者序列號進行實際釋出，令新生產的動作可以被消費者感知到。
生產者內部維護了消費者的序列號物件。next方法獲取可用的序列號時需要避免消費者的序列號落後所要申請的最大序列號一圈。
因為在邏輯上消費者序列對應的位置可以視為佇列頭，而生產者序列對應的位置可以視為佇列尾，當佇列尾與佇列頭之差超過了佇列本身長度時，就說明邏輯上佇列已滿。
此時生產者應該阻塞等待消費者，否則生產者將會覆蓋還未被消費者確認消費完成的事件。

/**
 * 單執行緒生產者序列器（仿Disruptor.SingleProducerSequencer）
 * 只支援單消費者的簡易版本（只有一個consumerSequence）
 *
 * 因為是單執行緒序列器，因此在設計上就是執行緒不安全的
 * */
public class MySingleProducerSequencer {

    /**
     * 生產者序列器所屬ringBuffer的大小
     * */
    private final int ringBufferSize;

    /**
     * 當前已釋出的生產者序列號
     * （區別於nextValue）
     * */
    private final MySequence currentProducerSequence = new MySequence();

    /**
     * 生產者序列器所屬ringBuffer的消費者的序列（後續多消費者版本會改為用陣列儲存多個消費者序列）
     * */
    private MySequence consumerSequence;

    private final MyWaitStrategy myWaitStrategy;

    /**
     * 當前已申請的序列(但是是否釋出了，要看currentProducerSequence)
     * 單執行緒生產者內部使用，所以就是普通的long，不考慮併發
     * */
    private long nextValue = -1;

    /**
     * 當前已快取的消費者序列
     * 單執行緒生產者內部使用，所以就是普通的long，不考慮併發
     * */
    private long cachedConsumerSequenceValue = -1;

    public MySingleProducerSequencer(int ringBufferSize, MyWaitStrategy myWaitStrategy) {
        this.ringBufferSize = ringBufferSize;
        this.myWaitStrategy = myWaitStrategy;
    }

    /**
     * 申請可用的1個生產者序列號
     * */
    public long next(){
        return next(1);
    }

    /**
     * 一次性申請可用的n個生產者序列號
     * */
    public long next(int n){
        // 申請的下一個生產者位點
        long nextProducerSequence = this.nextValue + n;
        // 新申請的位點下，生產者恰好超過消費者一圈的環繞臨界點序列
        long wrapPoint = nextProducerSequence - this.ringBufferSize;

        // 獲得當前已快取的消費者位點
        long cachedGatingSequence = this.cachedConsumerSequenceValue;

        // 消費者位點cachedValue並不是實時獲取的（因為在沒有超過環繞點一圈時，生產者是可以放心生產的）
        // 每次釋出都實時獲取反而會觸發對消費者sequence強一致的讀，迫使消費者執行緒所在的CPU重新整理快取（而這是不需要的）
        if(wrapPoint > cachedGatingSequence){
            // 比起disruptor省略了if中的cachedGatingSequence > nextProducerSequence邏輯
            // 原因請見：https://github.com/LMAX-Exchange/disruptor/issues/76

            // 比起disruptor省略了currentProducerSequence.set(nextProducerSequence);
            // 原因請見：https://github.com/LMAX-Exchange/disruptor/issues/291
            long minSequence;

            // 當生產者發現確實當前已經超過了一圈，則必須去讀最新的消費者序列了，看看消費者的消費進度是否推進了
            // 這裡的consumerSequence.get是對volatile變數的讀，是實時的、強一致的讀
            while(wrapPoint > (minSequence = consumerSequence.get())){
                // 如果確實超過了一圈，則生產者無法獲取可用的佇列空間，迴圈的間歇性park阻塞
                LockSupport.parkNanos(1L);
            }

            // 滿足條件了，則快取獲得最新的消費者序列
            // 因為不是實時獲取消費者序列，可能cachedValue比上一次的值要大很多
            // 這種情況下，待到下一次next申請時就可以不用去強一致的讀consumerSequence了
            this.cachedConsumerSequenceValue = minSequence;
        }

        // 記錄本次申請後的，已申請的生產者位點
        this.nextValue = nextProducerSequence;

        return nextProducerSequence;
    }

    public void publish(long publishIndex){
        // 釋出時，更新生產者佇列
        // lazySet，由於消費者可以批量的拉取資料，所以不必每次釋出時都volatile的更新，允許消費者晚一點感知到，這樣效能會更好
        // 設定寫屏障
        this.currentProducerSequence.lazySet(publishIndex);

        // 釋出完成後，喚醒可能阻塞等待的消費者執行緒
        this.myWaitStrategy.signalWhenBlocking();
    }

    public MySequenceBarrier newBarrier(){
        return new MySequenceBarrier(this.currentProducerSequence,this.myWaitStrategy);
    }

    public void setConsumerSequence(MySequence consumerSequence){
        this.consumerSequence = consumerSequence;
    }

    public int getRingBufferSize() {
        return ringBufferSize;
    }
}

生產者自旋效能隱患

上述MySingleProducerSequencer的實現中，生產者是通過park(1L)自旋來等待消費者的。如果消費者消費速度比較慢，那麼生產者執行緒將長時間的處於自旋狀態，嚴重浪費CPU資源。因此使用next方式獲取生產者序列號時，使用者必須保證消費者有足夠的消費速度。
disruptor和juc下很多併發工具類一樣，除了提供內部自動阻塞的next方法外，還提供了非阻塞的tryNext方法。tryNext在消費者速度偏慢無法獲得可用的生產序列時直接丟擲特定的異常，使用者在捕獲異常後可以靈活的控制重試的間隔。tryNext原理和next是相同的，限於篇幅在v1版本中就先不實現該方法了。

MyBatchEventProcessor單執行緒消費者

disruptor單執行緒消費者是以一個獨立的執行緒執行的（實現了runnable介面），通過一個主迴圈不斷的監聽生產者的生產進度，批量獲取已經發布可以訪問、消費的事件物件。
消費者通過序列屏障MySequenceBarrier感知生產者的生產進度，控制自己的消費序列不超過生產者，避免越界訪問。
實際的消費邏輯由使用者實現MyEventHandler介面的處理器控制

/**
 * 單執行緒消費者（仿Disruptor.BatchEventProcessor）
 * */
public class MyBatchEventProcessor<T> implements Runnable{

   private final MySequence currentConsumeSequence = new MySequence(-1);
   private final MyRingBuffer<T> myRingBuffer;
   private final MyEventHandler<T> myEventConsumer;
   private final MySequenceBarrier mySequenceBarrier;

   public MyBatchEventProcessor(MyRingBuffer<T> myRingBuffer,
                                MyEventHandler<T> myEventConsumer,
                                MySequenceBarrier mySequenceBarrier) {
      this.myRingBuffer = myRingBuffer;
      this.myEventConsumer = myEventConsumer;
      this.mySequenceBarrier = mySequenceBarrier;
   }

   @Override
   public void run() {
      // 下一個需要消費的下標
      long nextConsumerIndex = currentConsumeSequence.get() + 1;

      // 消費者執行緒主迴圈邏輯，不斷的嘗試獲取事件並進行消費（為了讓程式碼更簡單，暫不考慮優雅停止消費者執行緒的功能）
      while(true) {
         try {
            long availableConsumeIndex = this.mySequenceBarrier.getAvailableConsumeSequence(nextConsumerIndex);

            while (nextConsumerIndex <= availableConsumeIndex) {
               // 取出可以消費的下標對應的事件，交給eventConsumer消費
               T event = myRingBuffer.get(nextConsumerIndex);
               this.myEventConsumer.consume(event, nextConsumerIndex, nextConsumerIndex == availableConsumeIndex);
               // 批處理，一次主迴圈消費N個事件（下標加1，獲取下一個）
               nextConsumerIndex++;
            }

            // 更新當前消費者的消費的序列（lazySet，不需要生產者實時的強感知刷快取效能更好，因為生產者自己也不是實時的讀消費者序列的）
            this.currentConsumeSequence.lazySet(availableConsumeIndex);
            LogUtil.logWithThreadName("更新當前消費者的消費的序列:" + availableConsumeIndex);
         } catch (final Throwable ex) {
            // 發生異常，消費進度依然推進（跳過這一批拉取的資料）（lazySet 原理同上）
            this.currentConsumeSequence.lazySet(nextConsumerIndex);
            nextConsumerIndex++;
         }
      }
   }

   public MySequence getCurrentConsumeSequence() {
      return this.currentConsumeSequence;
   }
}

/**
 * 事件處理器介面
 * */
public interface MyEventHandler<T> {

   /**
    * 消費者消費事件
    * @param event 事件物件本身
    * @param sequence 事件物件在佇列裡的序列
    * @param endOfBatch 當前事件是否是這一批處理事件中的最後一個
    * */
   void consume(T event, long sequence, boolean endOfBatch);
}

新生產的佇列元素可見性問題

disruptor中對入隊元素物件是沒有任何要求的，那麼disruptor是如何保證生產者對新入隊物件的改動對消費者執行緒是可見的，且不會由於快取記憶體的重新整理延遲而讀到舊值呢？
答案是通過生產者的publish方法中對生產者Sequence物件lazySet操作中設定的寫屏障。lazySet設定了一個store-store的屏障禁止了寫操作的重排序，保證了publish方法執行前生產者對事件物件更新的寫操作一定先於對生產者Sequence的更新。因此當消費者執行緒volatile強一致的讀取到新的序列號時，就一定能正確的讀取到序列號對應的事件物件。

MySequenceBarrier序列屏障

在v1版本中消費者的消費速度只取決於生產者的生產速度，而由於disruptor還實現了消費者間的依賴（比如A，B，C都消費完序號10，D才能消費序號10）,因此引入了SequenceBarrier序列屏障機制。
由於v1版本只支援單消費者，因此v1的序列屏障中只包含了當前生產者的序列號。後續版本支援多消費者後，序列屏障還會維護當前消費者所依賴的消費者序列集合用於實現多消費者間的依賴關係。

/**
 * 序列柵欄（仿Disruptor.SequenceBarrier）
 * */
public class MySequenceBarrier {

    private final MySequence currentProducerSequence;
    private final MyWaitStrategy myWaitStrategy;

    public MySequenceBarrier(MySequence currentProducerSequence, MyWaitStrategy myWaitStrategy) {
        this.currentProducerSequence = currentProducerSequence;
        this.myWaitStrategy = myWaitStrategy;
    }

    /**
     * 獲得可用的消費者下標
     * */
    public long getAvailableConsumeSequence(long currentConsumeSequence) throws InterruptedException {
        // v1版本只是簡單的呼叫waitFor，等待其返回即可
        return this.myWaitStrategy.waitFor(currentConsumeSequence,currentProducerSequence,this);
    }
}

MyWaitStrategy等待策略

消費者在佇列為空，需要阻塞等待生產者生產新的事件。等待的策略可以有很多，比如無限迴圈的自旋，基於條件變數的阻塞/喚醒等。
為此disruptor抽象出了WaitStrategy介面允許使用者自己實現來精細控制等待邏輯，同時也提供了很多種現成的阻塞策略（比如無限自旋的BusySpinWaitStrategy，基於條件變數阻塞/喚醒的BlockingWaitStrategy等）。
disruptor的等待策略抽象出了兩個方法，一個是被消費者呼叫，用於阻塞等待的方法waitFor（類似jdk Condition的await）；另一個是被生產者在publish釋出時呼叫的方法signalWhenBlocking，用於喚醒可能阻塞於waitFor的消費者（類似jdk Condition的signal）

/**
 * 消費者等待策略(仿Disruptor.WaitStrategy)
 * */
public interface MyWaitStrategy {

   /**
    * 類似jdk Condition的await，如果不滿足條件就會阻塞在該方法內，不返回
    * */
   long waitFor(long currentConsumeSequence, MySequence currentProducerSequence) throws InterruptedException;

   /**
    * 類似jdk Condition的signal，喚醒waitFor阻塞在該等待策略物件上的消費者執行緒
    * */
   void signalWhenBlocking();
}

阻塞等待策略實現

限於篇幅，v1版本只實現了具有代表性的，基於條件變數阻塞/喚醒的等待策略來展示等待策略具體是如何工作的。

/**
 * 阻塞等待策略
 * */
public class MyBlockingWaitStrategy implements MyWaitStrategy{

    private final Lock lock = new ReentrantLock();
    private final Condition processorNotifyCondition = lock.newCondition();

    @Override
    public long waitFor(long currentConsumeSequence, MySequence currentProducerSequence) throws InterruptedException {
        // 強一致的讀生產者序列號
        if (currentProducerSequence.get() < currentConsumeSequence) {
            // 如果ringBuffer的生產者下標小於當前消費者所需的下標，說明目前消費者消費速度大於生產者生產速度

            lock.lock();
            try {
                //
                while (currentProducerSequence.get() < currentConsumeSequence) {
                    // 消費者的消費速度比生產者的生產速度快，阻塞等待
                    processorNotifyCondition.await();
                }
            }
            finally {
                lock.unlock();
            }
        }

        // 跳出了上面的迴圈，說明生產者序列已經超過了當前所要消費的位點（currentProducerSequence > currentConsumeSequence）
        return currentConsumeSequence;
    }

    @Override
    public void signalWhenBlocking() {
        lock.lock();
        try {
            // signal喚醒所有阻塞在條件變數上的消費者執行緒（後續支援多消費者時，會改為signalAll）
            processorNotifyCondition.signal();
        }
        finally {
            lock.unlock();
        }
    }
}

需要注意的是，並不是所有的等待策略都需要去實現signalWhenBlocking方法。
例如在disruptor內建的基於自旋的等待策略BusySpinWaitStrategy中，消費者執行緒並沒有陷入阻塞態，自己能夠及時的發現生產者新發布時序列的變化，所以其signalWhenBlocking是一個空實現。

MyRingBuffer環形佇列

生產者、消費者通過序列號進行通訊，但最終事件訊息存放的載體依然是RingBuffer環形佇列。v1版本的環形佇列由三大核心元件組成：物件陣列（elementList）、生產者序列器（mySingleProducerSequencer）、事件工廠（myEventFactory）。
初始化時，建構函式中通過MyEventFactory預先將整個佇列填滿事件物件，後續生產釋出時只更新屬性，不新增、刪減佇列中的事件物件。
序列號對佇列長度ringBufferSize-1求餘，可以獲得序列號在物件陣列中的實際下標（比如佇列長度8，序列號25，則序列號25對應的實際下標為25%8=1）。
由於計算機二進位制儲存的特性，對2的冪次方長度-1進行求餘可以優化為位運算。
例如序列號25的二進位制值為11001，對7求餘可以轉換為對00111進行且運算得到後三位001（1），對15求餘可以轉換為對01111進行且運算得到後4位1001（9），在CPU硬體上作位運算會比普通的除法運算更快（這也是jdk HashMap中容量設定為2次冪的一個重要原因）。

/**
 * 環形佇列（仿Disruptor.RingBuffer）
 * */
public class MyRingBuffer<T> {

    private final T[] elementList;
    private final MySingleProducerSequencer mySingleProducerSequencer;
    private final int ringBufferSize;
    private final int mask;

    public MyRingBuffer(MySingleProducerSequencer mySingleProducerSequencer, MyEventFactory<T> myEventFactory) {
        int bufferSize = mySingleProducerSequencer.getRingBufferSize();
        if (Integer.bitCount(bufferSize) != 1) {
            // ringBufferSize需要是2的倍數，類似hashMap，求餘數時效率更高
            throw new IllegalArgumentException("bufferSize must be a power of 2");
        }

        this.mySingleProducerSequencer = mySingleProducerSequencer;
        this.ringBufferSize = bufferSize;
        this.elementList = (T[]) new Object[bufferSize];
        // 迴環掩碼
        this.mask = ringBufferSize;

        // 預填充事件物件（後續生產者/消費者都只會更新事件物件，不會發生插入、刪除等操作，避免GC）
        for(int i=0; i<this.elementList.length; i++){
            this.elementList[i] = myEventFactory.newInstance();
        }
    }

    public T get(long sequence){
        // 由於ringBuffer的長度是2次冪，mask為2次冪-1，因此可以將求餘運算優化為位運算
        int index = (int) (sequence & mask);
        return elementList[index];
    }

    public long next(){
        return this.mySingleProducerSequencer.next();
    }

    public long next(int n){
        return this.mySingleProducerSequencer.next(n);
    }

    public void publish(Long index){
        this.mySingleProducerSequencer.publish(index);
    }

    public void setConsumerSequence(MySequence consumerSequence){
        this.mySingleProducerSequencer.setConsumerSequence(consumerSequence);
    }

    public MySequenceBarrier newBarrier() {
        return this.mySingleProducerSequencer.newBarrier();
    }

    public static <E> MyRingBuffer<E> createSingleProducer(MyEventFactory<E> factory, int bufferSize, MyWaitStrategy waitStrategy) {
        MySingleProducerSequencer sequencer = new MySingleProducerSequencer(bufferSize, waitStrategy);
        return new MyRingBuffer<>(sequencer,factory);
    }
}

MyDisruptor使用Demo介紹

Disruptor的各個元件設計的較為獨立，需要以特定的方式將其組合起來實現我們的業務。這裡展示一個簡單的v1版本的MyDisruptor使用demo，希望通過對demo的分析加深讀者對disruptor整體的理解。

public class MyRingBufferV1Demo {

    public static void main(String[] args) {
        // 環形佇列容量為16（2的4次方）
        int ringBufferSize = 16;

        // 建立環形佇列
        MyRingBuffer<OrderModel> myRingBuffer = MyRingBuffer.createSingleProducer(
                new OrderEventProducer(), ringBufferSize, new MyBlockingWaitStrategy());

        // 獲得ringBuffer的序列屏障（v1版本的序列屏障內只維護生產者的序列）
        MySequenceBarrier mySequenceBarrier = myRingBuffer.newBarrier();
        // 基於序列屏障，建立消費者
        MyBatchEventProcessor<OrderModel> eventProcessor =
                new MyBatchEventProcessor<>(myRingBuffer, new OrderEventConsumerDemo(), mySequenceBarrier);
        // RingBuffer設定消費者的序列，用於控制生產速度
        MySequence consumeSequence = eventProcessor.getCurrentConsumeSequence();
        myRingBuffer.setConsumerSequence(consumeSequence);

        // 啟動消費者執行緒
        new Thread(eventProcessor).start();

        // 生產者釋出100個事件
        for(int i=0; i<100; i++) {
            long nextIndex = myRingBuffer.next();
            OrderModel orderEvent = myRingBuffer.get(nextIndex);
            orderEvent.setMessage("message-"+i);
            orderEvent.setPrice(i * 10);
            System.out.println("生產者釋出事件：" + orderEvent);
            myRingBuffer.publish(nextIndex);
        }
    }
}

/**
 * 訂單事件物件
 * */
public class OrderEventModel {
    
    private String message;
    private int price;

    public String getMessage() {
        return message;
    }
    public void setMessage(String message) {
        this.message = message;
    }
    public int getPrice() {
        return price;
    }
    public void setPrice(int price) {
        this.price = price;
    }
}

/**
 * 訂單事件工廠
 * */
public class OrderEventFactoryDemo implements MyEventFactory<OrderEventModel> {
    @Override
    public OrderEventModel newInstance() {
        return new OrderEventModel();
    }
}

/**
 * 訂單事件處理器
 * */
public class OrderEventHandlerDemo implements MyEventHandler<OrderEventModel> {
    @Override
    public void consume(OrderEventModel event, long sequence, boolean endOfBatch) {
        System.out.println("消費者消費事件" + event + " sequence=" + sequence + " endOfBatch=" + endOfBatch);
    }
}

總結

作為disruptor學習系列部落格的第一篇，介紹了lmax-disruptor的整體架構和主要設計思想，同時也對自己實現的MyDisruptor v1版本進行了詳細的分析。
MyDisruptor的v1版本所支援的功能比起disruptor要少很多，相比disruptor在保持整體架構不變的同時裁剪掉了很多當前不必要的邏輯，保證低複雜度。
閱讀MyDisruptor原始碼時可以找到disruptor對應元件的原始碼一起對照著看，從相對複雜的disruptor原始碼中找到其核心邏輯，加深理解。
後續會按照文章開頭的計劃逐步迭代，最終實現一個完整的disruptor佇列，敬請期待。

disruptor無論在整體設計還是最終程式碼實現上都有很多值得反覆琢磨和學習的細節，希望能幫助到對disruptor感興趣的小夥伴。

本篇部落格的完整程式碼在我的github上：https://github.com/1399852153/MyDisruptor 分支：feature/lab1

從零開始實現lmax-Disruptor佇列（二）多消費者、消費者組間消費依賴原理解析
2022-06-09
佇列
從零開始實現lmax-Disruptor佇列（四）多執行緒生產者MultiProducerSequencer原理解析
2022-07-05
佇列執行緒
從零開始實現lmax-Disruptor佇列（三）多執行緒消費者WorkerPool原理解析
2022-06-17
佇列執行緒
【MQ】java 從零開始實現訊息佇列 mq-02-如何實現生產者呼叫消費者？
2022-04-29
MQJava佇列
【mq】從零開始實現 mq-01-生產者、消費者啟動
2022-04-22
MQ
PHP操作Beanstalkd佇列（2）生產者與消費者
2018-05-19
PHPBean佇列
從零開始實現lmax-Disruptor佇列（五）Disruptor DSL風格API原理解析
2022-07-14
佇列API
阻塞佇列和生產者-消費者模式
2018-09-03
佇列模式
使用slice和條件變數實現一個簡單的多生產者多消費者佇列
2018-06-15
變數佇列
什麼是阻塞佇列？如何使用阻塞佇列來實現生產者-消費者模型?
2018-03-14
佇列模型
Kafka 簡單實驗二（Python實現簡單生產者消費者）
2017-10-12
KafkaPython
使用Python佇列和多執行緒實現生產者消費者
2018-03-30
Python佇列執行緒
實戰Spring4+ActiveMQ整合實現訊息佇列(生產者+消費者)
2019-07-15
SpringMQ佇列
Java實現生產者和消費者
2021-08-19
Java
Java實現生產者-消費者模型
2017-11-20
Java模型
生產者和消費者(.net實現)
2014-06-16
「Kafka應用」PHP實現生產者與消費者
2021-01-20
KafkaPHP
【RabbitMQ】生產者，消費者，通道，佇列，交換器和繫結
2017-03-12
MQ佇列
插曲：Kafka的生產者案例和消費者原理解析
2019-11-26
Kafka
java實現生產者消費者問題
2021-09-09
Java
十五、.net core（.NET 6）搭建RabbitMQ訊息佇列生產者和消費者的簡單方法
2021-06-12
MQ佇列
使用wait（）與notifyAll（）實現生產者與消費者模式
2020-10-16
AI模式
用Go語言實現一個簡單生產者消費者模型，如何做？
2022-01-24
Go模型
用阻塞佇列實現一個生產者消費者模型？synchronized和lock有什麼區別？
2021-07-10
佇列模型synchronized
九、生產者與消費者模式
2020-07-12
模式
使用BlockQueue實現生產者和消費者模式
2018-05-07
BloC模式
使用Disruptor實現生產者和消費者模型
2018-05-07
模型
架構設計：生產者/消費者模式[2]：佇列緩衝區
2018-02-09
架構模式佇列
生產者消費者模式
2020-03-03
模式
生產者消費者模型
2023-02-23
模型
python 多執行緒實現生產者與消費者模型
2018-04-14
Python執行緒模型
linux 生產者與消費者問題
2020-11-21
Linux
生產消費者模式
2021-06-10
模式
有名訊號量實現消費者生產者問題
2017-08-20
記錄一次日常開發中基於阻塞佇列的生產者和消費者模型
2019-03-05
佇列模型
分享一個生產者-消費者的真實場景
2023-04-11
生產者與消費者之Android audio
2018-11-22
Android
JAVA執行緒消費者與生產者模型
2014-07-16
Java執行緒模型