溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
這篇文章主要介紹“Netty源碼解析之如何理解內存對齊類SizeClasses”，在日常操作中，相信很多人在Netty源碼解析之如何理解內存對齊類SizeClasses問題上存在疑惑，小編查閱了各式資料，整理出簡單好用的操作方法，希望對大家解答”Netty源碼解析之如何理解內存對齊類SizeClasses”的疑惑有所幫助！接下來，請跟著小編一起來學習吧！
在學習Netty內存池之前，我們先了解一下Netty的內存對齊類SizeClasses，它為Netty內存池中的內存塊提供大小對齊，索引計算等服務方法。
源碼分析基于Netty 4.1.52
Netty內存池中每個內存塊size都符合如下計算公式
size = 1 << log2Group + nDelta * (1 << log2Delta)
log2Group：內存塊分組
nDelta：增量乘數
log2Delta：增量大小的log2值
SizeClasses初始化后，將計算chunkSize（內存池每次向操作系統申請內存塊大小）范圍內每個size的值，保存到sizeClasses字段中。
sizeClasses是一個表格（二維數組），共有7列，含義如下
index:內存塊size的索引
log2Group:內存塊分組，用于計算對應的size
log2Delata:增量大小的log2值，用于計算對應的size
nDelta:增量乘數，用于計算對應的size
isMultipageSize:表示size是否為page的倍數
isSubPage:表示是否為一個subPage類型
log2DeltaLookup:如果size存在位圖中的，記錄其log2Delta，未使用
sizeClasses負責計算sizeClasses表格
private int sizeClasses() {
int normalMaxSize = -1;
int index = 0;
int size = 0;
// #1
int log2Group = LOG2_QUANTUM;
int log2Delta = LOG2_QUANTUM;
int ndeltaLimit = 1 << LOG2_SIZE_CLASS_GROUP;
// #2
int nDelta = 0;
while (nDelta < ndeltaLimit) {
size = sizeClass(index++, log2Group, log2Delta, nDelta++);
}
log2Group += LOG2_SIZE_CLASS_GROUP;
// #3
while (size < chunkSize) {
nDelta = 1;
while (nDelta <= ndeltaLimit && size < chunkSize) {
size = sizeClass(index++, log2Group, log2Delta, nDelta++);
normalMaxSize = size;
}
log2Group++;
log2Delta++;
}
//chunkSize must be normalMaxSize
assert chunkSize == normalMaxSize;
//return number of size index
return index;
}LOG2_QUANTUM=4
LOG2_SIZE_CLASS_GROUP=2
#1 log2Group，log2Delta都是從LOG2_QUANTUM開始
ndeltaLimit為2^LOG2_SIZE_CLASS_GROUP，即內存塊size以4個為一組進行分組
#2 初始化第0組
nDelta從0開始
sizeClass方法計算sizeClasses每一行內容
注意：第0組后log2Group增加LOG2_SIZE_CLASS_GROUP，而log2Delta不變
#3 初始化后面的size
nDelta從1開始
每組log2Group+1，log2Delta+1
將log2Group=log2Delta+LOG2_SIZE_CLASS_GROUP代入計算公式中，得到
size = 1 << (log2Delta+LOG2_SIZE_CLASS_GROUP) + nDelta * (1 << log2Delta)
size = (nDelta + 2 ^ LOG2_SIZE_CLASS_GROUP) * (1 << log2Delta)
可以看到，每個內存塊size都是(1 << log2Delta)的倍數
從第二組開始，每組內這個倍數依次是5,6,7,8
每組內相鄰行大小增量為(1 << log2Delta)，相鄰組之間(1 << log2Delta)翻倍。
Netty默認的配置一個page的大小是2^13,即為8KB,默認的一個chunk的大小為16777216，即16MB。sizeClasses表格內存如下：
Netty內存池中管理了大小不同的內存塊，對于這些不同大小的內存塊，Netty劃分為不同的等級Small，Normal，Huge。Huge是大于chunkSize的內存塊，不在表格中，這里也不討論。
sizeClasses表格可以分為兩部分
isSubPage為1的size為Small內存塊，其他為Normal內存塊。 分配Small內存塊，需要找到對應的index 通過size2SizeIdx方法計算index 比如需要分配一個90字節的內存塊，需要從sizeClasses表格找到第一個大于90的內存塊size，即96，其index為5。
Normal內存塊必須是page的倍數。 將isMultipageSize為1的行取出組成另一個表格 
PoolChunk中分配Normal內存塊需求查詢對應的pageIdx。
比如要分配一個50000字節的內存塊，需要從這個新表格找到第一個大于50000的內存塊size，即57344，其pageIdx為6。
通過pages2pageIdxCompute方法計算pageIdx。
下面看一下具體的計算方法
public int size2SizeIdx(int size) {
if (size == 0) {
return 0;
}
// #1
if (size > chunkSize) {
return nSizes;
}
// #2
if (directMemoryCacheAlignment > 0) {
size = alignSize(size);
}
// #3
if (size <= lookupMaxSize) {
//size-1 / MIN_TINY
return size2idxTab[size - 1 >> LOG2_QUANTUM];
}
// #4
int x = log2((size << 1) - 1);
// #5
int shift = x < LOG2_SIZE_CLASS_GROUP + LOG2_QUANTUM + 1
? 0 : x - (LOG2_SIZE_CLASS_GROUP + LOG2_QUANTUM);
int group = shift << LOG2_SIZE_CLASS_GROUP;
// #6
int log2Delta = x < LOG2_SIZE_CLASS_GROUP + LOG2_QUANTUM + 1
? LOG2_QUANTUM : x - LOG2_SIZE_CLASS_GROUP - 1;
// #7
int deltaInverseMask = -1 << log2Delta;
int mod = (size - 1 & deltaInverseMask) >> log2Delta &
(1 << LOG2_SIZE_CLASS_GROUP) - 1;
return group + mod;
}#1 大于chunkSize，就是返回nSizes代表申請的是Huge內存塊。
#2 不使用sizeClasses表格，直接將申請內存大小轉換為directMemoryCacheAlignment的倍數，directMemoryCacheAlignment默認為0。
#3 SizeClasses將一部分較小的size與對應index記錄在size2idxTab作為位圖，這里直接查詢size2idxTab，避免重復計算
size2idxTab中保存了(size-1)/(2^LOG2_QUANTUM) --> idx的對應關系。
從sizeClasses方法可以看到，sizeClasses表格中每個size都是(2^LOG2_QUANTUM) 的倍數。
#4 對申請內存大小進行log2的向上取整，就是每組最后一個內存塊size。-1是為了避免申請內存大小剛好等于2的指數次冪時被翻倍。
將log2Group = log2Delta + LOG2_SIZE_CLASS_GROUP，nDelta=2^LOG2_SIZE_CLASS_GROUP代入計算公式，可得
lastSize = 1 << (log2Group + 1)
即x = log2Group + 1
#5 shift， 當前在第幾組，從0開始（sizeClasses表格中0~3行為第0組，4~7行為第1組，以此類推，不是log2Group）
x < LOG2_SIZE_CLASS_GROUP + LOG2_QUANTUM + 1，即log2Group < LOG2_SIZE_CLASS_GROUP + LOG2_QUANTUM ，滿足該條件的是第0組的size，這時shift固定是0。
從sizeClasses方法可以看到，除了第0組，都滿足shift = log2Group - LOG2_QUANTUM - (LOG2_SIZE_CLASS_GROUP - 1)。
shift << LOG2_SIZE_CLASS_GROUP就是該組第一個內存塊size的索引
#6 計算log2Delta
第0組固定是LOG2_QUANTUM
除了第0組，將nDelta = 2^LOG2_SIZE_CLASS_GROUP代入計算公式
lastSize = ( 2^LOG2_SIZE_CLASS_GROUP + 2^LOG2_SIZE_CLASS_GROUP ) * (1 << log2Delta)
lastSize = (1 << log2Delta) << LOG2_SIZE_CLASS_GROUP << 1
#7 前面已經定位到第幾組了，下面要找到申請內存大小應分配在該組第幾位
這里要找到比申請內存大的最小size。
申請內存大小可以理解為上一個size加上一個不大于(1 << log2Delta)的值，即
(nDelta - 1 + 2^LOG2_SIZE_CLASS_GROUP) * (1 << log2Delta) + n， 備注：0 < n <= (1 << log2Delta)
注意，nDelta - 1就是mod
& deltaInverseMask，將申請內存大小最后log2Delta個bit位設置為0，可以理解為減去n
>> log2Delta，右移log2Delta個bit位，就是除以(1 << log2Delta)，結果就是(nDelta - 1 + 2 ^ LOG2_SIZE_CLASS_GROUP)
& (1 << LOG2_SIZE_CLASS_GROUP) - 1， 取最后的LOG2_SIZE_CLASS_GROUP個bit位的值，結果就是mod
size - 1，是為了申請內存等于內存塊size時避免分配到下一個內存塊size中，即n == (1 << log2Delta)的場景。
疑問：既然右移log2Delta個bit位，那為什么前面要將log2Delta個bit位設置為0？
第0組由于log2Group等于log2Delta，代入計算公式如下
1 << log2Delta + (nDelta - 1) * (1 << log2Delta) + n， 備注：0 < n <= (1 << log2Delta)
nDelta * (1 << log2Delta) + n
所以第0組nDelta從0開始，mod = nDelta
pages2pageIdxCompute方法計算pageIdx邏輯與size2SizeIdx方法類似，只是將LOG2_QUANTUM變量換成了pageShifts，這里不再重復。
SizeClasses是給PoolArena（內存池），PoolChunk(內存塊)提供服務的，建議大家結合后面分析PoolArena，PoolChunk的文章一起理解。
如果大家對SizeClasses具體算法不感興趣，只有理解SizeClasses類中利用sizeClasses表格，為PoolArena，PoolChunk提供計算index，pageIdx索引的方法，也可以幫助大家理解后面解析PoolArena，PoolChunk的文章。
下面貼出sizeClasses完整表格（可復制到Excle，以|分列）
| index | log2Group | log2Delta | nDelta | isMultiPageSize | isSubPage | log2DeltaLookup | size | usize | | 0 | 4 | 4 | 0 | 0 | 1 | 4 | 16 | | | 1 | 4 | 4 | 1 | 0 | 1 | 4 | 32 | | | 2 | 4 | 4 | 2 | 0 | 1 | 4 | 48 | | | 3 | 4 | 4 | 3 | 0 | 1 | 4 | 64 | | | 4 | 6 | 4 | 1 | 0 | 1 | 4 | 80 | | | 5 | 6 | 4 | 2 | 0 | 1 | 4 | 96 | | | 6 | 6 | 4 | 3 | 0 | 1 | 4 | 112 | | | 7 | 6 | 4 | 4 | 0 | 1 | 4 | 128 | | | 8 | 7 | 5 | 1 | 0 | 1 | 5 | 160 | | | 9 | 7 | 5 | 2 | 0 | 1 | 5 | 192 | | | 10 | 7 | 5 | 3 | 0 | 1 | 5 | 224 | | | 11 | 7 | 5 | 4 | 0 | 1 | 5 | 256 | | | 12 | 8 | 6 | 1 | 0 | 1 | 6 | 320 | | | 13 | 8 | 6 | 2 | 0 | 1 | 6 | 384 | | | 14 | 8 | 6 | 3 | 0 | 1 | 6 | 448 | | | 15 | 8 | 6 | 4 | 0 | 1 | 6 | 512 | | | 16 | 9 | 7 | 1 | 0 | 1 | 7 | 640 | | | 17 | 9 | 7 | 2 | 0 | 1 | 7 | 768 | | | 18 | 9 | 7 | 3 | 0 | 1 | 7 | 896 | | | 19 | 9 | 7 | 4 | 0 | 1 | 7 | 1024 | 1K | | 20 | 10 | 8 | 1 | 0 | 1 | 8 | 1280 | 1.25K | | 21 | 10 | 8 | 2 | 0 | 1 | 8 | 1536 | 1.5K | | 22 | 10 | 8 | 3 | 0 | 1 | 8 | 1792 | 1.75K | | 23 | 10 | 8 | 4 | 0 | 1 | 8 | 2048 | 2K | | 24 | 11 | 9 | 1 | 0 | 1 | 9 | 2560 | 2.5K | | 25 | 11 | 9 | 2 | 0 | 1 | 9 | 3072 | 3K | | 26 | 11 | 9 | 3 | 0 | 1 | 9 | 3584 | 3.5K | | 27 | 11 | 9 | 4 | 0 | 1 | 9 | 4096 | 4K | | 28 | 12 | 10 | 1 | 0 | 1 | 0 | 5120 | 5K | | 29 | 12 | 10 | 2 | 0 | 1 | 0 | 6144 | 6K | | 30 | 12 | 10 | 3 | 0 | 1 | 0 | 7168 | 7K | | 31 | 12 | 10 | 4 | 1 | 1 | 0 | 8192 | 8K | | 32 | 13 | 11 | 1 | 0 | 1 | 0 | 10240 | 10K | | 33 | 13 | 11 | 2 | 0 | 1 | 0 | 12288 | 12K | | 34 | 13 | 11 | 3 | 0 | 1 | 0 | 14336 | 14K | | 35 | 13 | 11 | 4 | 1 | 1 | 0 | 16384 | 16K | | 36 | 14 | 12 | 1 | 0 | 1 | 0 | 20480 | 20K | | 37 | 14 | 12 | 2 | 1 | 1 | 0 | 24576 | 24K | | 38 | 14 | 12 | 3 | 0 | 1 | 0 | 28672 | 28K | | 39 | 14 | 12 | 4 | 1 | 0 | 0 | 32768 | 32K | | 40 | 15 | 13 | 1 | 1 | 0 | 0 | 40960 | 40K | | 41 | 15 | 13 | 2 | 1 | 0 | 0 | 49152 | 48K | | 42 | 15 | 13 | 3 | 1 | 0 | 0 | 57344 | 56K | | 43 | 15 | 13 | 4 | 1 | 0 | 0 | 65536 | 64K | | 44 | 16 | 14 | 1 | 1 | 0 | 0 | 81920 | 80K | | 45 | 16 | 14 | 2 | 1 | 0 | 0 | 98304 | 96K | | 46 | 16 | 14 | 3 | 1 | 0 | 0 | 114688 | 112K | | 47 | 16 | 14 | 4 | 1 | 0 | 0 | 131072 | 128K | | 48 | 17 | 15 | 1 | 1 | 0 | 0 | 163840 | 160K | | 49 | 17 | 15 | 2 | 1 | 0 | 0 | 196608 | 192K | | 50 | 17 | 15 | 3 | 1 | 0 | 0 | 229376 | 224K | | 51 | 17 | 15 | 4 | 1 | 0 | 0 | 262144 | 256K | | 52 | 18 | 16 | 1 | 1 | 0 | 0 | 327680 | 320K | | 53 | 18 | 16 | 2 | 1 | 0 | 0 | 393216 | 384K | | 54 | 18 | 16 | 3 | 1 | 0 | 0 | 458752 | 448K | | 55 | 18 | 16 | 4 | 1 | 0 | 0 | 524288 | 512K | | 56 | 19 | 17 | 1 | 1 | 0 | 0 | 655360 | 640K | | 57 | 19 | 17 | 2 | 1 | 0 | 0 | 786432 | 768K | | 58 | 19 | 17 | 3 | 1 | 0 | 0 | 917504 | 896K | | 59 | 19 | 17 | 4 | 1 | 0 | 0 | 1048576 | 1M | | 60 | 20 | 18 | 1 | 1 | 0 | 0 | 1310720 | 1.25M | | 61 | 20 | 18 | 2 | 1 | 0 | 0 | 1572864 | 1.5M | | 62 | 20 | 18 | 3 | 1 | 0 | 0 | 1835008 | 1.75M | | 63 | 20 | 18 | 4 | 1 | 0 | 0 | 2097152 | 2M | | 64 | 21 | 19 | 1 | 1 | 0 | 0 | 2621440 | 2.5M | | 65 | 21 | 19 | 2 | 1 | 0 | 0 | 3145728 | 3M | | 66 | 21 | 19 | 3 | 1 | 0 | 0 | 3670016 | 3.5M | | 67 | 21 | 19 | 4 | 1 | 0 | 0 | 4194304 | 4M | | 68 | 22 | 20 | 1 | 1 | 0 | 0 | 5242880 | 5M | | 69 | 22 | 20 | 2 | 1 | 0 | 0 | 6291456 | 6M | | 70 | 22 | 20 | 3 | 1 | 0 | 0 | 7340032 | 7M | | 71 | 22 | 20 | 4 | 1 | 0 | 0 | 8388608 | 8M | | 72 | 23 | 21 | 1 | 1 | 0 | 0 | 10485760 | 10M | | 73 | 23 | 21 | 2 | 1 | 0 | 0 | 12582912 | 12M | | 74 | 23 | 21 | 3 | 1 | 0 | 0 | 14680064 | 14M | | 75 | 23 | 21 | 4 | 1 | 0 | 0 | 16777216 | 16M |
到此，關于“Netty源碼解析之如何理解內存對齊類SizeClasses”的學習就結束了，希望能夠解決大家的疑惑。理論與實踐的搭配能更好的幫助大家學習，快去試試吧！若想繼續學習更多相關知識，請繼續關注億速云網站，小編會繼續努力為大家帶來更多實用的文章！
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
