内存性能中 Buffer和Cache的概念
Buffer和Cache的设计目的，是为了提升系统的I/O性能。它们利用内存，充当起慢速磁盘与快速CPU之间的桥梁，可以加速 I/O的访问速度。
Buffer和Cache 分别缓存的是对磁盘和文件系统的读写数据。
● 从写的角度来说，不仅可以优化磁盘和文件的写入，对应用程序也有好处，应用程序可以在数据真正落盘前，就返回去做其他工作。
●从读的角度来说，不仅可以提高那些频繁访问数据的读取速度，也降低了频繁I/O对磁盘的压力。
既然Buffer和Cache 对系统性能有很大影响，那我们在软件开发的过程中，能不能利用这一点，来优化I/0性能，提升应用程序的运行效率呢?
既然Buffer和Cache 对系统性能有很大影响，那我们在软件开发的过程中，能不能利用这一点，来优化I/O 性能，提升应用程序的运行效率呢?
答案自然是肯定的。今天，我就用几个案例帮助你更好地理解缓存的作用，并学习如何充分利用这些缓存来提高程序效率。
为了方便你理解，Buffer和Cache我仍然用英文表示，避免跟"缓存"一词混淆。而文中的"缓存"，通指数据在内存中的临时存储。缓存命中率
在案例开始前，你应该习惯性地先问自己一个问题，你想要做成某件事情，结果应该怎么评估?比如说，我们想利用缓存来提升程序的运行效率，应该怎么评估这个效果呢?换句话说，有没有哪个指标可以衡量缓存使用的好坏呢?
缓存命中率
在案例开始前，你应该习惯性地先问自己一个问题，你想要做成某件事情，结果应该怎么评估?比如说，我们想利用缓存来提升程序的运行效率，应该怎么评估这个效果呢?换句话说，有没有哪个指标可以衡量缓存使用的好坏呢?
我估计你已经想到了，缓存的命中率。所谓缓存命中率，是指直接通过缓存获取数据的请求次数，占所有数据请求次数的百分比。命中率越高，表示使用缓存带来的收益越高，应用程序的性能也就越好。
实际上，缓存是现在所有高并发系统必需的核心模块，主要作用就是把经常访问的数据（也就是热点数据），提前读入到内存中。这样，下次访问时就可以直接从内存读取数据，而不需要经过硬盘，从而加快应用程序的响应速度。
这些独立的缓存模块通常会提供查询接口，方便我们随时查看缓存的命中情况。不过Linux系统中并没有直接提供这些接口，所以这里我要介绍一下，cachestat 和 cachetop，它们正是查看系统缓存命中情况的工具。
● cachestat 提供了整个操作系统缓存的读写命中情况。
● cachetop 提供了每个进程的缓存命中情况。
这两个工具都是 bcc软件包的一部分，它们基于 Linux 内核的eBPF（extended Berkeley Packet Filters）机制，来跟踪内核中管理的缓存，并输出缓存的使用和命中情况。
Centos 7 cachestat 安装
[root@localhost ~]# git clone --depth 1 https://github.com/brendangregg/perf-tools
Cloning into 'perf-tools'...
remote: Enumerating objects: 95, done.
remote: Counting objects: 100% (95/95), done.
remote: Compressing objects: 100% (67/67), done.
remote: Total 95 (delta 8), reused 40 (delta 0), pack-reused 0
Unpacking objects: 100% (95/95), done.
Checking connectivity... done.
[root@localhost ~]# /root/perf-tools/bin/cachestat
[root@localhost ~]# export PATH=$PATH:/root/perf-tools/bin/
[root@localhost ~]# echo $PATH
/usr/local/sbin:/usr/local/bin:/usr/sbin:/usr/bin:/root/perf-tools/bin/[root@localhost ~]# cachestat 1 3
Counting cache functions... Output every 1 seconds.
HITS MISSES DIRTIES RATIO BUFFERS_MB CACHE_MB
453 0 0 100.0% 0 212
470 0 5 100.0% 0 212
455 0 1 100.0% 0 212
469 0 2 100.0% 0 212你可以看到，cachestat的输出其实是一个表格。每行代表一组数据，而每一列代表不同的缓存统计指标。这些指标从左到右依次表示∶
● MSSES，表示缓存未命中的次数
● HITS，表示缓存命中的次数
● DIRTIES，表示新增到缓存中的脏页数
● BUFFERS_MB表示 Buffers的大小，以 MB为单位
● CACHED_MB表示 Cache的大小，以 MB为单位
接下来我们再来看一个 cachetop的运行界面∶
$ cachetop
11:58:50 Buffers MB:258/Cached MB:347/Sort:HITS / Order:ascending
PID UID CMD HITS MISSES DIRTIES READ_HIT% wRITE_HIT%
13029 root python 1 0 0 100.0% 0.0%
它的输出跟 top类似，默认按照缓存的命中次数（HITS）排序，展示了每个进程的缓存命中情况。具体到每一个指标，这里的HITS、MISSES和 DIRTIES，跟 cachestat 里的含义一样，分别代表间隔时间内的缓存命中次数、未命中次数以及新增到缓存中的脏页数。而READ_HIT和WRITE_HIT，分别表示读和写的缓存命中率。
指定文件的缓存大小
除了缓存的命中率外，还有一个指标你可能也会很感兴趣，那就是指定文件在内存中的缓存大小。你可以使用pcstat 这个工具，来查看文件在内存中的缓存大小以及缓存比例。
全部安装完成后，你就可以运行pcstat来查看文件的缓存情况了。比如，下面就是一个pcstat 运行的示例，它展示了/bin/ls 这个文件的缓存情况∶
这个输出中，Cached就是/bin/s在缓存中的大小，而Percent 则是缓存的百分比。你看到它们都是0，这说明 /bin/ls并不在缓存中。接着，如果你执行一下Is命令，再运行相同的命令来查看的话，就会发现/bin/s都在缓存中了∶
案例一
dd作为一个磁盘和文件的拷贝工具，经常被拿来测试磁盘或者文件系统的读写性能。不过，既然缓存会影响到性能，如果用dd 对同一个文件进行多次读取测试，测试的结果会怎么样呢?
然后，使用 dd命令生成一个临时文件，用于后面的文件读取测试∶
继续在第一个终端，运行pcstat 命令，确认刚刚生成的文件不在缓存中。如果一切正常，你会看到Cached和 Percent 都是0∶
还是在第一个终端 中，现在运行cachetop命令
在第二个终端运行dd命令测试文件读写速度
从dd的结果可以看出，这个文件的读性能是33.4MB/s。由于在 dd 命令运行前我们已经清理了缓存，所以 dd 命令读取数据时，肯定要通过文件系统从磁盘中读取。不过，这是不是意味着，dd 所有的读请求都能直接发送到磁盘呢?我们再回到第一个终端，查看 cachetop界面的缓存命中情况∶
从cachetop的结果可以发现，并不是所有的读都落到了磁盘上，事实上读请求的缓存命中率只有50%。
接下来，我们继续尝试相同的测试命令。先切换到第二个终端，再次执行刚才的dd命令∶
看到这次的结果，有没有点小惊讶?磁盘的读性能居然变成了4.5GB/s，比第一次的结果明显高了太多。为什么这次的结果这么好呢?不妨再回到第一个终端，看看 cachetop的情况∶
显然，cachetop也有了不小的变化。你可以发现，这次的读的缓存命中率是100.0%，也就是说这次的 dd 命令全部命中了缓存，所以才会看到那么高的性能。然后，回到第二个终端，再次执行 pcstat 查看文件 file的缓存情况∶
从pcstat的结果你可以发现，测试文件 file已经被全部缓存了起来，这跟刚才观察到的缓存命中率100%是一致的。
这两次结果说明，系统缓存对第二次 dd操作有明显的加速效果，可以大大提高文件读取的性能。
但同时也要注意，如果我们把 dd 当成测试文件系统性能的工具，由于缓存的存在，就会导致测试结果严重失真。
案例二
接下来，我们再来看一个文件读写的案例。这个案例类似于前面学过的不可中断状态进程的例子。它的基本功能比较简单，也就是每秒从磁盘分区/dev/sda1中读取 32MB的数据，并打印出读取数据花费的时间。
为了方便你运行案例，我把它打包成了一个Docker镜像。跟前面案例类似，我提供了下面两个选项，你可以根据系统配置，自行调整磁盘分区的路径以及 I/O 的大小.
这个案例同样需要你开启两个终端。分别 SSH 登录到机器上后，先在第一个终端中运行cachetop 命令∶
接着来到第二个终端，执行下面命令运行案例
案例运行后，我们还需要运行下面这个命令，来确认案例已经正常启动。如果一切正常，你应该可以看到类似下面的输出∶
从这里你可以看到，每读取32MB的数据，就需要花0.9秒。这个时间合理吗?我想你第一反应就是，太慢了吧。那这是不是没用系统缓存导致的呢?
我们再来检查一下。回到第一个终端，先看看cachetop的输出，在这里，我们找到案例进程app的缓存使用情况∶
这个输出似乎有点意思了。1024次缓存全部命中，读的命中率是100%，看起来全部的读请求都经过了系统缓存。但是问题又来了，如果真的都是缓存I/O，读取速度不应该这么慢。不过，话说回来，我们似乎忽略了另一个重要因素，每秒实际读取的数据大小。HITS代表缓存的命中次数，那么每次命中能读取多少数据呢?自然是一页。
前面讲过，内存以页为单位进行管理，而每个页的大小是4KB。所以，在5秒的时间间隔里，命中的缓存为1024*4K/1024=4MB，再除以5秒，可以得到每秒读的缓存是0.8MB，显然跟案例应用的 32 MB/s 相差太多。至于为什么只能看到0.8MB的 HTS，我们后面再解释，这里你先知道怎么根据结果来分析就可以了。
这也进一步验证了我们的猜想，这个案例估计没有充分利用系统缓存。其实前面我们遇到过类似的问题，如果为系统调用设置直接I/O的标志，就可以绕过系统缓存。
那么，要判断应用程序是否用了直接I/O，最简单的方法当然是观察它的系统调用，查找应用程序在调用它们时的选项。使用什么工具来观察系统调用呢?自然还是 strace 继续在终端二中运行下面的 strace命令，观察案例应用的系统调用情况。注意，这里使用了pgrep命令来查找案例进程的 PID号∶
从 strace的结果可以看到，案例应用调用了openat来打开磁盘分区/dev/sdb1，并且传入的参数为O_RDONLYIO_DIRECT（中间的竖线表示或）。
O_RDONLY表示以只读方式打开，而O_DIRECT则表示以直接读取的方式打开，这会绕过系统的缓存。
验证了这一点，就很容易理解为什么读32MB的数据就都要那么久了。直接从磁盘读写的速度，自然远慢于对缓存的读写。这也是缓存存在的最大意义了。找出问题后，我们还可以在再看看案例应用的源代码，再次验证一下∶
上面的代码，很清楚地告诉我们∶它果然用了直接 I/O。
找出了磁盘读取缓慢的原因，优化磁盘读的性能自然不在话下。修改源代码，删除ODIRECT 选项，让应用程序使用缓存I/O，而不是直接 I/O，就可以加速磁盘读取速度。
app-cachedc就是修复后的源码，我也把它打包成了一个容器镜像。在第二个终端中，按Ctrl+C停止刚才的 strace命令，运行下面的命令，你就可以启动它∶
来到第二个终端，再来运行下面命令查看新应用的日志
现在，每次只需要0.03秒，就可以读取 32MB数据，明显比之前的0.9秒快多了。所以，这次应该用了系统缓存。
我们再回到第一个终端，查看 cachetop 的输出来确认一下∶
果然，读的命中率还是100%，HITS（即命中数）却变成了40960，同样的方法计算一下，换算成每秒字节数正好是32 MB（即40960*4k/5/1024=32M）.
这个案例说明，在进行I/O操作时，充分利用系统缓存可以极大地提升性能。但在观察缓存命中率时，还要注意结合应用程序实际的 I/O大小，综合分析缓存的使用情况。
案例的最后，再回到开始的问题，为什么优化前，通过cachetop只能看到很少一部分数据的全部命中，而没有观察到大量数据的未命中情况呢?这是因为，cachetop 工具并不把直接I/O算进来。这也又一次说明了，了解工具原理的重要。
cachetop的计算方法涉及到/O的原理以及一些内核的知识，如果你想了解它的原理的话，可以点击这里查看它的源代码。
总结
Bufers和Cache 可以极大提升系统的I/O性能。通常，我们用缓存命中率，来衡量缓存的使用效率。命中率越高，表示缓存被利用得越充分，应用程序的性能也就越好。你可以用 cachestat和 cachetop这两个工具，观察系统和进程的缓存命中情况。
其中
● cachestat 提供了整个系统缓存的读写命中情况。
● cachetop 提供了每个进程的缓存命中情况。
不过要注意，Buffers和Cache都是操作系统来管理的，应用程序并不能直接控制这些缓存的内容和生命周期。所以，在应用程序开发中，一般要用专门的缓存组件，来进一步提升性能。比如，程序内部可以使用堆或者栈明确声明内存空间，来存储需要缓存的数据。再或者，使用Nginx Redis 这类外部缓存服务，优化数据的访问效率。