调度论文调研
Bistro
《Bistro: Scheduling Data-Parallel Jobs Against Live Production Systems》
facebook2015年论文,用于解决离在线混部时,约束离线任务运行在指定资源范围的问题
提出了一种基于树模型的资源调度问题
例如叶子节点是数据库卷,上面的父节点是主机,机架等等
在任务退出时,对影响到的叶子节点以及父节点(直到根节点)进行调度,来避免全部资源池的调度太过耗费性能
Bistro在架构上允许对树的独立资源的根节点,哈希或者按位置进行分区,从而进行并行调度和分布式调度
异步定时任务的使用哲学
最近大概间隔1个月,我在使用定时任务类时遇到了两次析构过程中的 bug
这两个 bug 出现在我用别人写的定时任务类时,这两个bug的区别是一个是组合使用的,另一个是继承使用的
由于coredump的堆栈都不在正常的位置,因此这两个bug都花费了我平均一整天的大量时间去定位
另外有个基于协程的定时任务类,这个类不仅只是使用,甚至都是我实现的,尽管 bug 还未发生,我仔细看了下居然也存在类似的问题
因此,我觉得我有必要总结这个问题,避免再次在相同的问题上耗费太多时间,毕竟多线程(协程)问题的定位非常困难
锁实现分析:从glibc到futex(二)
上一篇对glibc和futex进行了源码分析,是我对具体实现的梳理,没有总结性的内容,可以略过不看直接看这一篇总结
本篇总结尝试深入一些,继续挖掘锁这个概念
分析内核在实现锁的过程中是如何解决无效唤醒问题的
为了解决无效唤醒问题,纯用户态的互斥锁性能不够好;纯内核态又在非竞争的条件时需要陷入内核,从而诞生了futex
理解c++内存一致性模型
我对内存屏障以及C++11引入的memory order一直处于一知半解的状态
知道有这么个东西,知道一部分原理,不知道什么场合去用它,一直以来我的多线程工具库里面只有锁,条件变量和原子变量三板斧,错过了很多更细粒度的优化机会。
在ChatGPT的帮助下,终于从头到尾理解了它的底层原理和应用场景
本文属于拾人牙慧的总结,将看到的一些资料整理出来,本文的大纲如下:
缓存一致性
从cpu缓存开始,引出多核cpu的缓存一致性(Cache Coherence)问题
为了解决这个问题,发明了MESI协议,但是这个协议性能还不够好,因此引入了Store Buffer和Invalidate Queue来提高性能
内存一致性
Store Buffer,Invalidate Queue再加上编译器指令乱序和cpu指令乱序,导致了内存一致性(Memory Consistency)无法得到满足
使用各种内存屏障来解决这些问题
C++的memory order
为了简化和细化内存屏障,C++11引入了memory order
tricks-of-CPP
在C++中,有一些不太常见的小技巧,甚至有些能够被称之为黑魔法
判断类有没有某个方法,有这个方法才去调用
当你的代码需要同时服务某个库的新旧版本,希望调用新增接口,又不希望这个库的旧版本因为没有这个接口报错
对C++的基础库开发者来说,这是很常见的需求,因为你的库依赖的底层库,不一定可以强行指定版本,那么此时这个兼容性神器就可以出场了
这是一个简单的例子