Folly是Facebook的一个开源C++11组件库，它提供了类似Boost库和STL的功能，包括散列、字符串、向量、内存分配、位处理等，用于满足大规模高性能的需求。 6月初，Facebook宣布将其内部使用的底层C++组件库Folly开源，本文尝试对Folly库中的几个重要的数据结构代码进行分析，包括一些实现细节的讨论、特点和不足的分析，以及在工程上的应用。本文将首先分析RWSpinlock.h和ThreadLocal.h的源代码。 RWSpinlock.h 顾名思义，RWSpinlock就是使用自旋方式进行临界区资源等待的读写锁，它与pthread_rwlock_t有三个比较重要的区别。

• 通常情况下等待锁的线程不会主动让出CPU，而是循环中不断地尝试获取锁。
• 使用原子操作处理读者计数或写者状态，避免pthread_rwlock_t无论读写的加锁解锁都要在互斥锁的保护下进行。
• 提供类似数据库中”更新锁”的机制，在尽量提供更高并发的情况下，避免死锁。 [caption id="attachment_12592" align="aligncenter" width="400" caption="表1 读写锁状态相容矩阵"][/caption]

RWSpinlock实现中几处值得关注的地方如下。 自旋锁在锁粒度较小的情况下，使用自选等待方式等锁，可以避免较高的上下文切换代价。而为了自适应多次获取锁失败的情况，可以主动让出CPU。Folly的 实现比较简单，硬编码为在自旋1000次后仍无法获取锁的情况下，以后的每次循环都调用sched_yield主动让出CPU以调度其他线程上来运行(要 研究更复杂的自适应锁机制，可以参考Solaris内部实现的Adaptive locks或注1提到的论文)。但在获取读锁次数远大于写锁次数的情况下，RWSpinlock的读优先机制可能造成写者的饥饿，而主动让出CPU的机制 则可能加重写者的饥饿程度。因此Folly中同时实现了可配置为写者优先的RWTicketSpinLockT锁。 与通常对读计数器加1的 思路不同，RWSpinlock使用int32_t的高30位保存读计数，而使用最低两位保存upgrade和write标记。在加解读锁时直接对 int32_t的锁状态原子加减0x4，直接避开了对最低两位的修改，执行原子加0x4后再根据原子操作前的最低两位是否有效，来决定是否需要回滚(减 0x4)。在多数只获取读锁的情况下，不需要回滚，一次ATOMIC_ADD即完成读锁的加解锁。 [caption id="attachment_12609" align="aligncenter" width="436" caption="图1 使用比ATOMIC_CAS更高效的ATOMIC_ADD处理读锁的加锁和解锁"]

For example, unlock_shared() can be delayed to other memory_order_release (or memory_order_relaxed), but not memory_order_acquire, which means it ok for the compiler (and machine) to reordering unlock_shared() from different threads.

但从gcc4.6.3中std::atomic的实现和生成的汇编代码来看，上面提到的几个原子操 作函数，直接使用了gcc提供的几个以__sync开头的内置原子操作，忽略掉了传入的memory_order参数。而只有store函数的行为针对不 同的memory_order只有是否增加mfence指令的差别。最后，笔者的建议是在性能影响不大的的情况下，直接使用std::atomic默认的 高级别的memory_order，因为通过分析复杂的原子操作指令优化时序，来决定memory_order，收益可能不及它带来的风险。 写 者优先的RWTicketSpinLockT锁，提供写锁优先的调度机制，在有线程等待获取写锁的情况下，不再授予读锁，避免在大量加读锁的场景下，写锁 很难获取的问题。使用了gcc内置的原子操作__sync_fetch_and_add和__sync_bool_compare_and_swap替代 std::atomic，并且也没有用到其他C++0x特性，使用旧版本gcc的项目可以使用这个锁。 Folly注重效率，因此RWTicketSpinLockT中也有几处值得关注的细节。

• 在等待获取锁的自旋中使用pause指令，一方面可以降低CPU的功耗，另一方面还可以帮助CPU优化指令流效率，具体可以参考注2的Intel白皮书。 而在写锁不优先的情况下，由于pause带来的延迟可能导致写锁更不容易被获取，因此获取非优先的写锁不使用pause指令。
• 使用SSE并行指令，对多个地址连续的整数一个指令完成++操作。
•  减少分支判断。见源码try_lock_shared()的old.users = old.read。将users与read是否相等的逻辑延迟到CAS操作时顺便判断，尽管在加不上读锁的情况下，要多执行两个自加和一个CAS操作，但 在加读锁成功的多数情况下，省去了一次分支判断。
• 使用__sync_fetch_and_add代替 __sync_bool_compare_and_swap。RWTicketSpinLockT使用了名为Write、Read、User的三个计数器 用来保存读锁计数和写锁标记，方法比较巧妙。读锁需要在user等于read的情况下才可以加上，而写锁则需要满足user等于write，加解锁逻辑如下。

1. 通过对read和user原子加一，获取读锁，同时封锁了加写锁的条件。 2. 通过对read原子加一，获取写锁，同时也就封锁了加读锁的条件；这里通过先对read加一，封锁了后续读锁的条件，然后再等待写锁的条件被满足，实现了写锁优先的逻辑。 3. 通过对write原子加一，释放读锁，同时恢复写锁的加锁条件。 4. 通过对read和write原子加一，释放写锁，同时恢复读锁的加锁条件。 可以看出写锁的获取和读锁的释放可以避免使用CAS，而用一个原子加即可实现。 ThreadLocal.h 在服务器编程中，通常会遇到需要为每个线程都分配不同对象的情况，如线程处理一个请求需要使用的临时内存、远程调用需要临时构造的参数等等。在需要的时候临 时构造，不仅要付出构造成本，还会有内存申请释放的代价，而使用线程主函数的栈对象，每一层都要传递参数也让代码很不便维护。 Folly中实现的ThreadLocal.h提供了对象的线程局部存储和访问，其功能与pthread_getspecific相似，提供了更方便友好的调用方式， 线程退出后自动析构本线程内所欲的私有对象，并且提供遍历所有线程私有对象的接口。实现上使用了GCC内置特性，实现比pthread库更快的线程私有对 象访问。 ThreadLocal内存布局如图4所示，主要由StaticMeta、ThreadEntry和ElementWrapper三者组成。 [caption id="attachment_12603" align="aligncenter" width="413" caption="图4 ThreadLocal内存布局"]

• StaticMeta为全局唯一结构，主要包括各个线程管理结构组成的链表的头指针和对象ID生成器，用于全局析构和遍历所有线程的私有对象。
• ThreadEntry为线程私有结构，每线程对应一个，主要包括线程线程私有对象的指针数组，管理所有线程私有对象的指针，通过ID获取指定对象的指针。
• ElementWrapper是线程私有对象管理器，每个对象实例对应一个，主要包括指向对象实例的指针和对象的析构方法。

假设要管理的线程私有类型为T，初始化和访问线程私有对象的流程如下。 1. ThreadLocalPtr对象构造时即从StaticMeta为它管理的类型申请了唯一ID。 2. 使用TheadLocalPtr::get方法通过ID从ThreadEntry管理的ElementWrapper数组中获取一个ElementWrapper对象。 3. 如果ElementWrapper中T的指针为空，则构造一个T的对象，指针和析构方法保存在ElementWrapper对象中。 4. 如果ElementWrapper中的T指针不为空，则直接返回。 在 Folly的实现中值得注意的是：ThreadEntry对象在每个线程中有一个，使用gcc内置的static __thread方式声明ThreadEntry，即可实现同一个名字在不同线程访问到的是不同对象，需要注意的是这种方式仅适用于POD类型。由于直接 访问对象，这种方式比调用pthread库的pthread_getspecific函数调用方式效率要更高。 但由于 ThreadEntry是POD类型，在线程退出时不能自动析构释放它管理的线程私有对象，因此在StaticMeta构造时会申请一个 pthread_key_t注册线程退出时的回调函数，在回调函数中遍历当前线程ThreadEntry管理的所有私有对象，依次调用它们的析构方法。因 此在Folly的实现中，对pthread库函数仅仅使用了它在线程退出时调用回调函数的功能。 此外还有两处细节值得借鉴。 ●ThreadLocal还区分了单个线程退出和整体析构情况下，传给析构方法不同的参数，以便用户在必要的情况下区别这两种情况下析构方法的实现。 ●提供了指定立即析构释放当前线程私有对象的方法，而不必等待线程退出时才释放，这一点在单元测试多个case的情况下可能会使测试变得比较方便。 注释 注1: Adaptive Locks: Combining Transactions and Locks for Efficient Concurrency 注2: Using Spin-Loops on Intel® Pentium® 4 Processor and Intel® XeonTM Processor 注3: A Provably Correct Scalable Concurrent Skip 注4: Hazard Pointers: Safe Memory Reclamation for Lock-Free Objects 注5: Doug Lea. ConcurrentSkipListMap. In java.util.concurrent   作者李凯，现任淘宝核心系统部存储组技术专家，花名郁白。2007-2010年曾参与百度分布式文件系统研发，2010年至今参与淘宝Oceanbase项目研发。