LightKV-高性能key-value存储组件

呼啸长风
3,563 阅读14分钟

注：此组件不够成熟，笔者最近写了一个更好的KV存储组件： juejin.cn/post/701852…

LightKV是基于Java NIO的轻量级，高性能，高可靠的key-value存储组件。

一、起源

Android平台常见的本地存储方式, SDK内置的有SQLite，SharedPreference等，开源组件有ACache, DiskLruCahce等，有各自的特点和适用性。
SharedPreference以其天然的 key-value API，二级存储（内存HashMap, 磁盘xml文件）等特点，为广大开发者所青睐。
然而，任何工具都是有适用性的，参见文章《不要滥用SharedPreference》。
当然，其中一些缺点是其定位决定的，比如说不适合存储大的key-value, 这个无可厚非；
不过有一些地方可以改进，比如存储格式：xml解析速度慢，空间占用大，特殊字符需要转义等特点，对于高频变化的存储，实非良策。
故此，有必要写一个改良版的key-value存储组件。

二、LightKV原理

2.1 存储格式

我们希望文件可以流式解析，对于简单key-value形式，完全可以自定义格式。
例如，简单地依次保存key-value就好：
key|value|key|value|key|value……

value

关于value类型，我们需要支持一些常用的基础类型：boolean, int, long, float, double, 以及String 和 数组(byte[])。
尤其是后者，更多的复合类型（比如对象）都可以通过String和数组转化。
作为底层的组件，支持最基本的类型可以简化复杂度。
对于String和byte[], 存储时先存长度，再存内容。

key

我们观察到，在实际使用中key通常是预先定义好的；
故此，我们可以舍弃一定的通用性，用int来作为key, 而非用String。
有舍必有得，用int作为key，可以用更少的空间承载更多的信息。

public interface DataType {
    int OFFSET = 16;
    int MASK = 0xF0000;
    int ENCODE = 1 << 20;

    int BOOLEAN = 1 << OFFSET;
    int INT = 2 << OFFSET;
    int FLOAT = 3 << OFFSET;
    int LONG = 4 << OFFSET;
    int DOUBLE = 5 << OFFSET;
    int STRING = 6 << OFFSET;
    int ARRAY = 7 << OFFSET;
}

int的低16位用来定义key,
17-19位用来定义类型，
20位预留，
21位标记是否编码（后面会讲到），
32位（最高位）标记是否有效：为1时为无效，读取时会跳过。

内存缓存

SharePreference相对于ACache，DiskLruCache等多了一层内存的存储，于是他们的定位也就泾渭分明了：
后者通常用于存储大对象或者文件等，他们只负责提供磁盘存储，至于读到内存之后如果使用和管理，则不是他们的职责了。
太大的对象会占用太多的内存，而SharePreference是长期持有引用，没有空间限制和淘汰机制的，因此SharePreference适用于“轻量级存储”， 而由此所带来的收益就是读取速度很快。
LightKV定位也是“轻量级存储”，所以也会在内存中存储key-value，只不过这里用SparseArray来存储。

2.2 存储操作

上面提到, 存储格式是简单地key-value依次排列：
key|value|key|value|key|value……
这样存放，读取时可以流式地解析，甚至，写入时可以增量写入。

方案一、增量&异步

增量操作
  • 新增：在尾部追加key|value即可；
  • 删除：为了避免字节移动，可以用标记的方法——将key的最高位标记为1；
  • 修改：如果value长度不变，寻址到对应的位置，写入value即可；否则，先“删除”，再“新增”；
  • GC: 解析文件内容时(加载数据时进行解析），记录被删除的内容的长度，大于设定阈值则清空文件，做一次全量写入。 使用过程中，有“删除”操作时，“删除”之后，累加删除的内容的长度，若超过设定阈值则GC。
mmap

要想增量修改文件，需要具备随机写入的能力：
Java NIO会是不错的选择，甚至，可以用mmap(内存映射文件)。
mmap还有一些优点：
1、直接操作内核空间：避免内核空间和用户空间之间的数据拷贝；
2、自动定时刷新：避免频繁的磁盘操作；
3、进程退出时刷新：系统层面的调用，不用担心进程退出导致数据丢失。

如果要说不足，就是在映射文件阶段比常规的IO的打开文件消耗更多。
所以API中建议大文件时采用mmap，小文件的读写用建议用常规IO；而网上介绍mmap也多是举例大文件的拷贝。
事实上如果小文件是高频写入的话，也是值得一试的，
比如腾讯的日志组件 xlog 和 存储组件 MMKV, 都用了mmap。

mmap的写入方式其实类似于异步写入，只是不需要自己开线程去刷数据到磁盘，而是由操作系统去调度。
这样的方式有利有弊：好处是写入快，减少磁盘损耗；
缺点就是，和SharePreference的apply一样，不具备原子性，没有入原子性，一致性就得不到保障。
比如，数据写入内存后，在数据刷新到磁盘之前，发生系统级错误（如系统崩溃）或设备异常（如断电，磁盘损坏等），此时会丢失数据；
如果写入内存后，刷入磁盘前，有别的代码读取了刚才写入的内存，就有可能导致数据不一致。

不过，通常情况下，发生系统级错误和设备异常的概率较低，所以还是比较可靠的。

方案二、全量&同步

对于一些核心数据，我们希望用更可靠的方式存储。
怎么定义可靠呢？
首先原子性是要有的，所以只能同步写入了；
然后是可用性和完整性：
程序异常，系统异常，或者硬件故障等都可能导致数据丢失或者错误；
需添加一些机制确保异常和故障发生时数据仍然完整可用。

查看SharedPreference源码，其容错策略是，
写入前重命名主文件为备份文件的名字，成功写入则删除备份文件，
而打开文件阶段，如果发现有备份文件，将备份文件重命名为主文件的名字。
从而，假如写入数据时发生故障，再次重启APP时可以从备份文件中恢复数据。
这样的容错策略，总体来说是不错的方案，能保证大多数据情况下的数据可用性。
我们没有采用该方案，主要是考虑该方案操作相对复杂，以及其他一些顾虑。

我们采用的策略是：冗余备份+数据校验。

冗余备份

冗余备份来提高数据数据可用性的思想在很多地方有体现，比如 RAID 1 磁盘阵列。
同样，我们可以通过一份内存写两个文件，这样当一个文件失效，还有另外一个文件可用。
比方说一个文件失效的概率时十万分之一，则两个文件同时失效的概率是百亿分之一。
总之，冗余备份可以大大减少数据丢失的概率。
有得必有失，其代价就是双倍磁盘空间和写入时间。

不过我们的定位是“轻量级存储”，如果只存“核心数据”，数据量不会很大，所以总的来说收益大于代价。
就写入时间方面，相比SharedPreference而言，重命名和删除文件也是一种IO，其本质是更新文件的“元数据”。
写磁盘以页（page）为单位，一页通常为4K。

向文件写入1个字节和2497字节，在磁盘写入阶段是等价的（都需要占用4K的字节）。
数据量较少时，写入两份文件，相比于“重命名->写数据->删除文件”的操作，区别不大。

数据校验

数据校验的方法通常是对数据进行一些的运算，将运算结果放在数据后；读取时做同样运算，然后和之前的结果对比。
常见的方法有奇偶校验，CRC, MD5, SHA等。
奇偶校验多被应用于计算机硬件的错误检测中; 软件层面，通常是计算散列。
众多Hash算法中，我们选择 64bit 的 MurmurHash,
关于MurmurHash可查看笔者的另一篇文章《漫谈散列函数》。

在考虑分组写入还全量写入，分组校验还是全量校验时，
分组的话，细节多，代码复杂，还是选择全量的方式吧。
也就是，收集所有key|value到buffer, 然后计算hash, 放到数据后，一并写入次磁盘。

鱼和熊掌

不同的应用场景有不同的需求。
LightKV同时提供了快速写入的mmap方式，和更可靠写入的同步写入方式。
它们有相同的API，只是存储机制不一样。

public abstract class LightKV {
    final SparseArray<Object> mData = new SparseArray<>();
    //......
}

public class AsyncKV extends LightKV {
    private FileChannel mChannel;
    private MappedByteBuffer mBuffer;
    //......
}

public class SyncKV extends LightKV {
    private FileChannel mAChannel;
    private FileChannel mBChannel;
    private ByteBuffer mBuffer;
    //......
}

AsyncKV由于不具备一致性，所以也没有必要冗余备份了，写一份就好，以求更高的写入效率和更少磁盘写入。
SyncKV由于要做冗余备份，所以需要打开两个文件，而buffer用同一份即可；
两者的特点在前面“方案一”和“方案二”中有所阐述了，根据具体需求灵活使用即可。

2.3 混淆操作

对于用XML来存储的SharePreferences来说，打开其文件即可一览所有key-value,
即使开发者对value进行编码，key还是可以看到的。
SharePreferences的文件不是存在App下的目录，在沙盒之中吗？
无root权限下，对于其他应用（非系统），沙盒确实是不可访问的；
但是对于APP逆向者（黑色产业？）来说，SharePreferences文件不过是囊中之物，或可从中一窥APP的关键，以助其破解APP。
故此，混淆内容文件，或可增加一点破解成本。
对于APP来说，没有绝对的安全，只是破解成本与收益之间的博弈，这里就不多作展开了。

LightKV由于采用流式存储，而且key是用int类型，所以不容易看出其文件内容；
但是如果value是明文字符串，还是可以看到部分内容的，如下图：

LightKV提供了混淆value(String和byte[]类型）的接口：

    public interface Encoder {
        byte[] encode(byte[] src);
        byte[] decode(byte[] des);
    }

开发者可以按照自己的规则实现编码和解码。
通过该接口可以做很多扩展：

  • 1、严格的加密；
  • 2、数据压缩；
  • 3、内容混淆（事实上前二者都有混淆的功能）

混淆后，打开文件，都是乱码。

值得一提的是，只能对String和byte[]类型的value混淆。
因为基础类如long, double等,以二进制形式写入,用文本的形式打开,本就是不好阅读的,无需再作混淆。

三、使用方法

前面我们看到，SyncKV和AsyncKV都继承于LightKV, 二者在内存中的存储格式是一致的，都是SparseArray, 所以get方法封装在LightKV中，然后各自实现put方法。
方法列表如下图：

和SharePreferences类似，也有contains, remove, clear 和 commit 方法，甚至于，具体用法也很类似：

public class AppData {
    private static final SharedPreferences sp = 
        GlobalConfig.getAppContext().getSharedPreferences("app_data", Context.MODE_PRIVATE);
    
    private static final SharedPreferences.Editor editor = sp.edit();

    private static final String ACCOUNT = "account";
    private static final String TOKEN = "token";

    private static void putString(String key, String value) {
        editor.putString(key, value);
        editor.commit();
    }

    private static String getString(String key) {
        return sp.getString(key, "");
    }
}

public class AppData {
    private static final SyncKV DATA =
            new LightKV.Builder(GlobalConfig.getAppContext(), "app_data")
                    .logger(AppLogger.getInstance())
                    .executor(AsyncTask.THREAD_POOL_EXECUTOR)
                    .encoder(new ConfuseEncoder())
                    .sync();

    public interface Keys {
        int SHOW_COUNT = 1 | DataType.INT;
        int ACCOUNT = 2 | DataType.STRING | DataType.ENCODE;
        int TOKEN = 3 | DataType.STRING | DataType.ENCODE;
    }

    public static SyncKV data() {
        return DATA;
    }

    public static String getString(int key) {
        return DATA.getString(key);
    }

    public static void putString(int key, String value) {
        DATA.putString(key, value);
        DATA.commit();
    }
}

当然，以上只是众多封装方法中的一种，具体使用中，不同的开发者有不同的偏好。

对于LightKV而言，key的定义方法如下：
1、最好一个文件对应一个统一定义key的类，如上面的“Keys”；
2、key的赋值，按类型从1到65534都可以定义，然后和对应的DataType做“|”运算（解析的时候需要据此判断类型）。

相对于SharePreferences，LightKV有更多的初始化选项，故而用构造者模式来构建对象。 下面逐一说明各个参数和对应的特性。

3.1 内容混淆

若需要对value混淆，只需在构造LightKV时传入Encoder,
然后声明key时和DataType.ENCODE做“|”运算即可。
保存和读取时，LightKV会将key和DataType.ENCODE做“&”运算，若不为0，则调用Encoder进行编码（保存）或解码（读取）。

3.2 异步加载

SharePreferences的加载在新创建的的线程中加载的, 在完成加载之前阻塞读和写：
LightKV同样实现了异步加载, 而且可以指定 Executor，当然也可以选择不异步加载（不传Executor即可）。
需要提醒的是，虽然提供了异步加载，但是有时候没有异步加载的效果。
比如对象初始化的同时立即调用get或者put方法，会阻塞当前线程直到加载完成，这样和同步加载没什么区别。

建议写法，在进程初始化的时候调用data(), 以触发数据的加载：

    fun inti(context: Context) {
        // 仅初始化对象，不做get和put
        AppData.data()

        // 其他初始化工作
    }

3.3 错误日志

    public interface Logger {
        void e(String tag, Throwable e);
    }

大多数组件都不能保证运行期不发生异常，发生异常时，开发者通常会把异常信息打印到日志文件（有的还会上传云端）。
故此，LightKV提供了打印日志接口，传入实现类即可。

3.4 选择模式

在Builder的最后，调用 sync() 和 async() 可分辨创建AsyncKV和SyncKV。
各自的特点前面也交代过了，灵活选取即可。
如果不是存一些十分重要的数据（比如帐号信息等），用AsyncKV即可。

3.5 访问数据

写完初始化参数，定义好key, 编写 get 和 set方法之后,
就可以访问数据了：

String account = AppData.getString(AppData.Keys.ACCOUNT)
if(TextUtils.isEmpty(account)){
      AppData.putString(AppData.Keys.ACCOUNT, "foo@gmail.com")
}

3.6 Kotlin下的用法

借助Kotlin的委托属性，笔者拓展了LightKV的API, 提供了更方便的用法。

object AppData : KVData() {
    override val data: LightKV by lazy {
        LightKV.Builder(GlobalConfig.appContext, "app_data")
                .logger(AppLogger)
                .executor(AsyncTask.THREAD_POOL_EXECUTOR)
                .encoder(GzipEncoder)
                .async()
    }

    var showCount by int(1)
    var account by string(2)
    var token by string(3)
    var secret by array(4 or DataType.ENCODE)
}

val account = AppData.account
if (TextUtils.isEmpty(account)) {
   AppData.account = "foo@gmail.com"
}

与Java版的API相比，key的声明更加简单，而且可以像访问变量一样访问key对应的value。

四、评测

仓促之间，准备的测试用例可能不是很科学，仅供参考-_-

测试用例中，对支持的7种类型各配置5个key, 共35对key|value。
测试机器：小米 note 1, 16G存储

4.1 存储空间

存储方式文件大小(kb)
AsyncKV4
SyncKV1.7
SharePreferences3.3

AsyncKV由于采用mmap的打开方式，需要映射一块磁盘空间到内存，为了减少碎片，故而一次映射一页（4K）。
SyncKV由于存储格式比较紧凑，所以文件大小相比SharePreferences要小；
但是由于SyncKV采用双备份，所以总大小和SharePreferences差不多。

数据量都少于4K时，其实三者相差无几；
当存储内容变多时，AsyncKV反而会更少占用，因为其存储格式和SyncKV一样，但是只用存一份。

4.2 写入性能

理想中的写入是各组key|value全写到内存，然后统一调用一次commit, 这样写入是最快的。
然而实际使用中，各组key|value的写入通常是随机的，所以下面测试结果，都是每次put后立即提交。
AsyncKV例外，因为其定位就是减少IO，让系统内核自己去提交更新。

测试机器1：小米 note 1 (2018年测试）

存储方式写入耗时(毫秒）
AsyncKV2.25
SyncKV75.34
SharePreferences-apply6.90
SharePreferences-commit279.14

测试机器2：华为P30 pro (2020年测试）

存储方式写入耗时(毫秒）
AsyncKV0.31
SyncKV8.31
SharePreferences-apply1.9
SharePreferences-commit30.81

（新机器写入速度确实快很多-_-）

AsyncKV 和 SharePreferences-apply 这两种方式，提交到内存后立即返回，所以耗时较少；
SyncKV 和 SharePreferences-commit，都是在当前线程提交内存和磁盘，故而耗时较长。
无论是同步写入还是异步写入，LightKV都要比SharePreferences快：
在同步写入方面，SharePreferences-commit耗时比SyncKV多3到4倍；
在异步写入方面，AsyncKV也比SharePreferences-apply也要快很多。

至于加载性能，笔者比较了华为P30pro和小米Note的机器，发现AsyncKV的loading时间在小米note上相对较慢，而在华为P30pro上则相对较快，所以就不贴出数据了。
文末有github链接，读者可自行run一下benchmark。

然后就是读取性能，SharePreferences是从HashMap中读取，LightKV是从SparseArray中读取，两种数据结构的优点和缺点网上已经有很多讨论了，这次就不多作比较了。

五、总结

SharePreferences是Android平台轻量且方便的key-value存储组件，然而不少可以改进的地方。
LightKV以SharePreferences为参考，从效率，安全和易用性等方面，提供更好的存储方式。

六、下载

dependencies {
    implementation 'com.horizon.lightkv:lightkv:1.0.7'
}

项目地址： github.com/BillyWei001…

参考文章： www.cnblogs.com/mingfeng002… cloud.tencent.com/developer/a… segmentfault.com/r/125000000… www.jianshu.com/p/ad9756fe2… www.jianshu.com/p/07664dc4c…

avatar
文章
阅读
粉丝