HotRing Java实现

HotRing是阿里2020年发表的一篇存储论文，估计很多人没听过，但是它很有意思，特别对于hash场景下的热点优化有很大的效果。简单来说，hotring就是在超高qps场景下如何快速访问热点数据。

https://github.com/azhsmesos/hotring

应该算是全网第一个Java实现版本，当然时间问题还在优化当中，但是可以先看看benchmark效果

工作负载 theta  = 2 幂律分布因子

数据量级 10 ^ 7 数据 工作负载及其不均衡 的数据集 key是key，value是key出现的查询次数

可以看到分布及其不均匀，完全就是热点key场景

测试指标：

• findCnt 总的查找次数 反应完成任务的系统开销
• maxFindCnt 单次最高查找次数  反应系统的尾延迟，越低越好
• minFindCnt 最小查找次数 单次最优表现
• averageFindCnt: 平均查找次数
• Use Time：总耗时

从上面看到，因为HotRing的热点偏移特性，其查找次数和平均查找次数远远低于hashTable（底层是拉链法实现）

和jdk官方hashmap比较，由于jdk官方hashmap我不方便统计其红黑树的访问次数，仅仅访问了其get（方法的次数），也基本和khotRingCache持平，如果将其红黑树内部的item元素的遍历访问次数加上，肯定比KHotRingCache要多，这也说明KHotRingCache在工作负载不均衡，也就是有热点数据区间时，其查找次数要低于没有热点检测的map结构。至于耗时问题，可能我的链表增删改查实现和jdk官方还有很大差距，所以导致耗时会比hashmap高上50%左右，当然当前我还没有用上优化，仅仅实现了论文的随机热点检测，后续会实现采样热点检测，对于官方的很多字节上的优化我也会参考，不过想要在耗时上面超过官方还是有很大挑战性（也就是说要达到生产环境级别）。

而分布很均匀的时候，可以发现其实HotRing和HashTable的执行次数区别不大，因此hotRing适合于在热点分布很高（幂律分布）下使用。

下篇文章在介绍其实现原理，和benchmark的过程，代码已经放到github，不过短期内会重新迭代，欢迎点个star