前言

前面介紹了 BlueStore的BitMap分配器，我們知道新版本的 Bitmap分配器的優勢在於使用連續的記憶體空間從而儘可能更多的命中CPU Cache以提高分配器效能。在這裡我們瞭解一下基於區間樹的 Stupid分配器（類似於Linux Buddy記憶體管理演算法），並對比分析一下其優劣。

夥伴演算法

Linux記憶體管理演算法為了能夠快速響應請求，儘可能的提高記憶體利用率同時減少外部記憶體碎片，引入了夥伴系統演算法 Buddy-System。該演算法將所有的空閒頁分組為11個連結串列，每個連結串列分別包含 1、2、4、8、16、32、64、128、256、512、1024個連續的頁框塊，每個頁框塊的第一個記憶體頁的實體地址是該塊大小的整數倍。夥伴的特點是：兩個塊大小相同、兩個塊地址連續、第一塊的第一個頁框的實體地址是兩個塊總大小的整數倍（同屬於一個大塊，第1塊和第2塊是夥伴，第3塊和第4塊是夥伴，但是第2塊和第3塊不是夥伴）。具體記憶體分配和記憶體釋放可自行Google。

優點：

較好的解決外部碎片問題，不能完全解決。
針對大記憶體分配設計，可以快速的分配連續的記憶體。

缺點：

合併的要求過於嚴格，只能是滿足夥伴關係的塊才可以合併。
一塊連續的記憶體中僅有一個頁面被佔用，就導致整個記憶體不具備合併的條件。
演算法頁面連續性差，DMA申請大塊連續實體記憶體空間可能失敗，此時需要 CMA(Contiguous Memory Allocator, 連續記憶體分配器)。
浪費空間，可以透過slab、kmem_cache等解決。

資料結構

Stupid分配器使用了區間樹組織資料結構，高效管理 Extent(offset, length)。

class StupidAllocator : public Allocator {
    CephContext* cct;
    // 分配空間用的互斥鎖
    std::mutex lock;
    // 空閒空間總大小
    int64_t num_free;
    // 最後一次分配空間的位置
    uint64_t last_alloc;
    // 區間樹陣列，初始化的時候，free陣列的長度為10，即有十顆區間樹
    std::vector<interval_set_t> free;
    // extent: offset, length
    typedef mempool::bluestore_alloc::pool_allocator<
        pair<const uint64_t, uint64_t>>
        allocator_t;
    // 有序的 btree map，按順存放extent。
    typedef btree::btree_map<uint64_t, uint64_t, std::less<uint64_t>,
                             allocator_t> interval_set_map_t;
    // 區間樹，主要的操作有 insert、erase等。
    typedef interval_set<uint64_t, interval_set_map_t> interval_set_t;
};

每顆區間樹的下標為 index(0-9)，index(1-9)表示的空間大小為： [2^(index-1) * bdev_block_size, 2^(index) * bdev_block_size)，

free[0]: [0, 4k)
free[1]: [4k, 8k)
free[2]: [8k, 16k)
free[3]: [16k, 32k)
free[4]: [32k, 64k)
free[5]: [64k, 128k)
free[6]: [128k, 256k)
free[7]: [256k, 512k)
free[8]: [512k, 1024k)
free[9]: [1024k, 2048k)

初始化

初始化Stupid分配器後，呼叫者會向Allocator中加入或者刪除空閒空間。

// 增加空閒空間
void StupidAllocator::init_add_free(uint64_t offset, uint64_t length) {
    std::lock_guard<std::mutex> l(lock);
    // 向 free 中插入空閒空間
    _insert_free(offset, length);
    // 更新空閒空間大小
    num_free += length;
}
// 刪除空閒空間
void StupidAllocator::init_rm_free(uint64_t offset, uint64_t length)
{
    std::lock_guard<std::mutex> l(lock);
    interval_set_t rm;
    rm.insert(offset, length);
    for (unsigned i = 0; i < free.size() && !rm.empty(); ++i) {
        interval_set_t overlap;
        overlap.intersection_of(rm, free[i]);
        // 刪除相應空間
        if (!overlap.empty()) {
            free[i].subtract(overlap);
            rm.subtract(overlap);
        }
    }
    num_free -= length; // 更新可用空間
}

插入刪除

區間樹實現程式碼:

insert函式程式碼:

#L445

erase函式程式碼:

#L516

最核心的實現是向區間樹中插入以及刪除區間，程式碼如下：

區間樹插入Extent

// 根據區間的長度，選取將要存放的區間樹，長度越大，bin值越大。
unsigned StupidAllocator::_choose_bin(uint64_t orig_len)
{
    uint64_t len = orig_len / cct->_conf->bdev_block_size;
    // cbits = (sizeof(v) * 8) - __builtin_clzll(v)
    // __builtin_clzll 返回前置的0的個數
    // cbits 結果是最高位1的下標(從0開始)，len越大，值越大
    int bin = std::min(int)cbits(len), (int)free.size() - 1);
    return bin;
}
void StupidAllocator::_insert_free(uint64_t off, uint64_t len)
{
    // 計算該段空閒空間屬於哪個區間樹
    unsigned bin = _choose_bin(len);
    while (true) {
        // 空閒空間插入區間樹
        free[bin].insert(off, len, &off, &len);
        unsigned newbin = _choose_bin(len);
        if (newbin == bin)
            break;
        // 插入資料後，可能合併區間，導致區間長度增大，可能要調整bin，此時需要將舊的刪除，然後插入新的bin
        // 區間合併有兩種情況：一是合併在原有區間前面；而是合併在原有區間後面。
        free[bin].erase(off, len);
        bin = newbin;
    }
}

回顧第一節夥伴演算法，兩種合併的方式是有區別的：

夥伴演算法要求比較嚴格，參考第一節。
Stupid Extent合併比較鬆散，只要滿足兩個Extent空間連續就可以。

區間樹刪除Extent

區間樹刪除Extent比較簡單，在原來Extent刪除傳入的Extent，然後計算最終Extent是否落入其他區間樹，如果落入則從此區間樹刪除，加入新的區間樹。

空間分配

空間分配的函式定義如下：

allocate(uint64_t want_size, uint64_t alloc_unit, 
        uint64_t max_alloc_size, int64_t hint,PExtentVector* extents);
allocate_int(uint64_t want_size, uint64_t alloc_unit, int64_t hint,
                         uint64_t* offset, uint32_t* length)

其中 hint是一個很重要的引數，表示分配的起始地址要儘量大於hint的值。

核心流程為4個2層for迴圈大致為：優先從hint地址依次向高階區間樹開始分配長度大於等於 want_size的連續空間，如果沒有，則優先從hint地址依次向低階區間樹開始分配長度大於等於 alloc_unit的連續空間(長度會大於alloc_unit)。

簡單的空間分配圖如下：

詳細的空間分配流程圖如下：

空間回收

空間釋放的函式定義如下：

release(const interval_set<uint64_t> &release_set)

流程很簡單，先加鎖，然後迴圈呼叫 _insert_free插入到對應區間樹裡面，會涉及到相鄰空閒空間的合併，但是會導致分配空間碎片的問題。

優劣分析

CPU Cache

Stupid底層使用BtreeMap來儲存一系列的Extent，記憶體不一定是連續的，同時在分配空間遍歷區間樹時，雖然區間樹裡面的Extent是有序的，但是由於記憶體不一定是連續或者相鄰的兩個Extent記憶體跨度可能很大，都會導致CPU-Cache預讀不到下一個Extent，從而不能很好的利用CPU-Cache。

Bitmap分配器在BlueStore初始化時就初始化好了3層，而且大小是固定的，同時分配空間是依次順序分配，從而可以充分的利用CPU-Cache的功能。從而提高分配器的效能。

偽空間碎片

基於Extent的Stupid分配器存在偽空間碎片（物理空間是連續的，但是分配器中卻不連續）問題：

一個24K的連續空間，經過6次4K分配和亂序的6次4K釋放後，可能會變成 8K + 4K + 8K + 4K四塊空間。

其中兩個4K的區間由於和周邊塊大小一樣，所以落到不同的區間樹中，導致很難被合併，24K的連續空間變成了四塊不連續空間。

Bitmap分配器由於初始化時就分配好了3層所有記憶體，而且3層都是有序的的同時分配空間是順序遍歷的，在釋放空間的時候設定相應位就可以，不影響連續性，所以不存在這個問題。

據Bitmap作者的效能對比實驗來看，Bitmap分配器要好於Stupid，等Bitmap穩定後，可以設定BlueStore的預設分配器為Bitmap。

作者：史明亞

BlueStore原始碼分析之Stupid分配器

前言

目錄