通过Java视角简单谈谈局部性原理

局部性原理

程序在访问数据时，都趋于聚集在一片连续的区域中，这被称为局部性原理。

按时间和空间划分为两类：

时间局部性：如果一个数据正在被访问，那么近期它很可能再次被访问。
空间局部性：如果某一个位置的数据被访问，那么这个问题附近的数据很可能被访问。

针对局部性原理，CPU和操作系统都有具体的实现。

本文主要总结梳理CPU和操作系统的局部性原理在Java后端中的影响与意义。

CPU空间局部性

如下图是Java的内存模型

通过Java视角简单谈谈局部性原理

我们知道CPU为提高从内存中读数据的性能，有L1、L2、L3三个级别的高速缓存。

CPU利用局部性原理，在从内存读取数据项到缓存时，将该内存附近的数据块也一并读取到缓存中，这一过程称为预读。

即读取连续空间的内存要比内存随机访问的性能要高，这一点用Java程序可以证明。

				?

									public static void main(String[] args) {

									        int[][] arr = new int[10000][10000];

									        int sum = 0;

									        long startTime = System.currentTimeMillis();

									        for (int i = 0; i < arr.length; i++) {

									            for (int j = 0; j < arr[0].length; j++) {

									                sum += arr[i][j];

									            }

									        }

									        System.out.println("数组顺序访问耗时：" + (System.currentTimeMillis() - startTime) + "ms");

									        sum = 0;

									        startTime = System.currentTimeMillis();

									        for (int i = 0; i < arr.length; i++) {

									            for (int j = 0; j < arr[0].length; j++) {

									                sum += arr[j][i];

									            }

									        }

									        System.out.println("数组非顺序访问耗时：" + (System.currentTimeMillis() - startTime) + "ms");

									    }

这是一段对二维数组循环读取的代码。

程序的上半部分是按数组的第二维开始顺序读取，即二维数组逐行按内存连续空间顺序访问。

下半部分则是按数组的第一维按列读取，不是顺序访问。

分别经过10000*10000次的数组访问后，其运行结果如下：

通过Java视角简单谈谈局部性原理

由此可见，对内存的顺序访问性能优于随机访问。

磁盘空间局部性

在Java日常开发中，很多的中间件都需要跟磁盘文件打交道，这些磁盘数据的高性能访问也都依托于局部性原理，比如：

MySql的日志文件
MQ消息数据

我们知道MySql的数据最终都保存在磁盘中，为减少磁盘IO提高性能，InnoDB引擎底层依托BufferPoll+redo log机制来提高mySql读写性能（具体可参考MySql原理总结）。而针对redo log、undo log、binlog的读写避免不了磁盘IO，那么这里就利用操作系统的PageCache机制，对磁盘数据顺序读写，使得磁盘IO的性能近乎于内存性能。

我们常说kafka和rocketMQ是高性能的消息中间件，其中一部分高性能就依托于对磁盘文件的顺序读写。比如commit log的顺序写入，kafka中partition、rockerMQ中consumerQueue中消息的顺序读写。同样的也是利用操作系统的PageCache机制。

PageCache

页缓存（PageCache)是OS对文件的缓存，用于加速对文件的读写。一般来说，程序对文件进行顺序读写的速度几乎接近于内存的读写速度，主要原因就是由于OS使用PageCache机制对读写访问操作进行了性能优化，将一部分的内存用作PageCache。

对于数据的写入，OS会先写入至Cache内，随后通过异步的方式由pdflush内核线程将Cache内的数据刷盘至物理磁盘上。

对于数据的读取，如果一次读取文件时出现未命中PageCache的情况，OS从物理磁盘上访问读取文件的同时，会顺序对其他相邻块的数据文件进行预读取。

而PageCache就是局部性原理的实现。