为memcached增加缓存依赖的性能测试

jsnjzlw

　　阅读准备
　　阅读本文前，请先通过下面两篇文章了解该缓存依赖的设计思路和程序实现。
　　1、 为memcached增加缓存依赖的初步设想。
2、 为memcached增加缓存依赖的程序实现。
　　测试环境
　　环境：本机测试，memcached和站点都搭建在本地。 下面是我机器的配置。
　　
工具：测试工具是WAS。使用介绍请参考之前写的这篇文章。
　　测试结果

　　一、未使用memcached
　　对一个空白的aspx页面进行测试。

运行时间	结果
2分钟	Run length:                   00:02:00 　　Number of threads:            200 　　Requests per Second:          1906.39
5分钟	Run length:                   00:05:00 　　Number of threads:            200 　　Requests per Second:          1860.21

　　二、使用memcached
　　（一）、正常使用memcached，一次创建一个key

运行时间	结果
2分钟	Run length:                   00:02:00 　　Requests per Second:          651.16 　　Number of threads:            200
5分钟	Run length:                   00:05:00 　　Requests per Second:          670.73 　　Number of threads:            200

　　（二）、使用缓存依赖
　　keyA: key1+六位随机数。
　　不依赖其他cache，创建的cache有：DATA_keyA和CTIME_keyA。   
　　keyB：keyN+六位随机数[N>1]。
　　依赖于keyA，创建的cache有：DATA_keyB、CTIME_keyB、DEPEND_keyB和DEPCTIME_keyB。
　　1、创建keyA

运行时间	结果
2分钟	Run length:                   00:02:00 　　Requests per Second:          505.45 　　Number of threads:            200
5分钟	Run length:                   00:05:00 　　Requests per Second:          530.68 　　Number of threads:            200

　　2、keyA已经存在，创建keyB。 所有的keyB都依赖于同一个keyA。

运行时间	结果
2分钟	Run length:                   00:02:00 　　Requests per Second:          290.03 　　Number of threads:            200
5分钟	Run length:                   00:05:00 　　Requests per Second:          308.27 　　Number of threads:            200

　　3、创建keyA和一个keyB。

运行时间	结果
2分钟	Run length:                   00:02:00 　　Requests per Second:          266.01 　　Number of threads:            200
5分钟	Run length:                   00:05:00 　　Requests per Second:          275.95 　　Number of threads:            200

　　4、创建keyA和两个keyB。

运行时间	结果
2分钟	Run length:                   00:02:00 　　Requests per Second:          188.12 　　Number of threads:            200
5分钟	Run length:                   00:05:00 　　Requests per Second:          199.03 　　Number of threads:            200

　　
　　通过测试数据来看，【651.16-670.73】VS 【505.45-530.68】 。使用缓存依赖后并发数会下降20%左右。所以是否使用该依赖方案，请根据项目实际情况进行取舍。
　　下面是使用缓存依赖的测试代码。



    /// <summary>
    /// 创建keyA
    /// </summary>
    private void AddTest1()
    {
        CacheContext context = CacheContext.GetCacheService();
        string key1 = RandomKey("key1");
        string vaule1 = "我是" + key1;
        context.AddObject(key1, vaule1);
    }
    /// <summary>
    /// 使用前请先创建 key1
    /// keyA已经存在，创建keyB。 所有的keyB都依赖于同一个keyA。
    /// </summary>
    private void AddTest2()
    {
        CacheContext context = CacheContext.GetCacheService();
        string key2 = RandomKey("key2");
        string value2 = "我是" + key2;

        ICacheDependency dep = new MemCacheDependency("key1");
        context.AddObject(key2, value2, dep);
    }
    /// <summary>
    /// 创建keyA和一个keyB。
    /// </summary>
    private void AddTest3()
    {
        CacheContext context = CacheContext.GetCacheService();
        string key1 = RandomKey("key1");
        string key2 = RandomKey("key2");
        string vaule1 = "我是" + key1;
        string value2 = "我是" + key2;
        context.AddObject(key1, vaule1);
        ICacheDependency dep = new MemCacheDependency(key1);
        context.AddObject(key2, value2, dep);
    }
    /// <summary>
    /// 创建keyA和两个keyB。
    /// </summary>
    private  void AddTest4()
    {
        CacheContext context = CacheContext.GetCacheService();
        string key1 = RandomKey("key1");
        string key2 = RandomKey("key2");
        string key3 = RandomKey("key3");
        string vaule1 = "我是" + key1;
        string value2 = "我是" + key2;
        string value3 = "我是" + key3;
        context.AddObject(key1, vaule1);
        string[] depkeys = { key1 };
        context.AddObject(key2, value2, depkeys);
        ICacheDependency dep = new MemCacheDependency(key1);
        context.AddObject(key3, value3, dep);
    }
    /// <summary>
    /// 生成随机key
    /// </summary>
    /// <param name="prefix"></param>
    /// <returns></returns>
    public string RandomKey(string prefix)
    {
        Random r = new Random();
        string number = r.Next(999999).ToString();
        string temp = "000000";
        string item = temp + number;
        item = item.Substring(item.Length - 6, 6);
        return prefix + item;
    }　　

　　补充说明

　　同生同灭
　　该依赖方案基于这样一个假设，姑且叫&#8220;同生同灭&#8221;特性：多份cache同时创建同时移除。
keyA对应DATA_keyA和CTIME_keyA。这两份cache同生同灭。
keyB对应DATA_keyB、CTIME_keyB、 DEPEND_keyB和DEPCTIME_keyB。这四份cache同生同灭。
memcached中的LRU
memcached会优先使用已超时的记录的空间，但即使如此，也会发生追加新记录时空间不足的情况，此时就要使用名为Least Recently Used（LRU）机制来分配空间。即删除&#8220;最近最少使用&#8221;的记录。因此，当memcached的内存空间不足时就从最近未被使用的记录中搜索，并将其空间分配给新的记录。
　　该依赖方案存在的问题

　　看出问题了吧：
　　1、如果内存空间不足，就会启动LRU(当然可以禁止LRU)，这样就没法保证&#8220;同生同灭&#8221;了。
　　2、如果某份cache出现不可预见的异常，也可能没法保证&#8220;同生同灭&#8221;特性。
　　对于问题1来说可以禁止LRU或者保证足够用的内存。问题2目前没什么办法。