memcache是網際網路分層架構中，使用最多的的KV快取。面試的過程中，memcache相關的問題幾乎是必問的，關於memcache的面試提問，你能回答到哪一個層次呢？

畫外音：很可能關乎，你拿到offer的薪酬檔位。

第一類問題：知道不知道

這一類問題，考察用沒用過，知不知道，相對比較好回答。

關於memcache一些基礎特性，使用過的小夥伴基本都能回答出來：

（1）mc的核心職能是KV記憶體管理，value儲存最大為1M，它不支援複雜資料結構（雜湊、列表、集合、有序集合等）；

（2）mc不支援持久化；

（3）mc支援key過期；

（4）mc持續執行很少會出現記憶體碎片，速度不會隨著服務執行時間降低；

（5）mc使用非阻塞IO複用網路模型，使用監聽執行緒/工作執行緒的多執行緒模型；

面對這類封閉性的問題，一定要斬釘截鐵，毫無猶豫的給出回答。

第二類問題：為什麼(why)，什麼(what)

這一類問題，考察對於一個工具，只停留在使用層面，還是有原理性的思考。

memcache為什麼不支援複雜資料結構？為什麼不支援持久化？

業務決定技術方案，mc的誕生，以“以服務的方式，而不是庫的方式管理KV記憶體”為設計目標，它顛覆的是，KV記憶體管理元件庫，複雜資料結構與持久化並不是它的初衷。

當然，用“顛覆”這個詞未必不合適，庫和服務各有使用場景，只是在分散式的環境下，服務的使用範圍更廣。設計目標，誕生背景很重要，這一定程度上決定了實現方案，就如redis的出現，是為了有一個更好用，更多功能的快取服務。

畫外音：我很喜歡問這個問題，大部分候選人面對這個沒有標準答案的問題，狀態可能是蒙圈。

memcache是用什麼技術實現key過期的？

懶淘汰(lazy expiration)。

memcache為什麼能保證執行效能，且很少會出現記憶體碎片？

提前分配記憶體。

memcache為什麼要使用非阻塞IO複用網路模型，使用監聽執行緒/工作執行緒的多執行緒模型，有什麼優缺點？

目的是提高吞吐量。

多執行緒能夠充分的利用多核，但會帶來一些鎖衝突。

面對這類半開放的問題，有些並沒有標準答案，一定要回答出自己的思考和見解。

第三類問題：怎麼做(how) | 文字剛開始

這一類問題，探測候選人理解得有多透，掌握得有多細，對技術有多刨根究底。

畫外音：所謂“好奇心”，真的很重要，只想要“一份工作”的技術人很難有這種好奇心。

memcache是什麼實現記憶體管理，以減小記憶體碎片，是怎麼實現分配記憶體的？

開講之前，先解釋幾個非常重要的概念：

chunk：它是將記憶體分配給使用者使用的最小單元。

item：使用者要儲存的資料，包含key和value，最終都儲存在chunk裡。

slab：它會管理一個固定chunk size的若干個chunk，而mc的記憶體管理，由若干個slab組成。

畫外音：為了避免複雜性，本文先不引入page的概念了。

如上圖所示，一系列slab，分別管理128B，256B，512B…的chunk記憶體單元。

將上圖中管理128B的slab0放大：

能夠發現slab中的一些核心資料結構是：

chunk_size：該slab管理的是128B的chunkfree_chunk_list：用於快速找到空閒的chunkchunk[]：已經預分配好，用於存放使用者item資料的實際chunk空間

畫外音：其實還有lru_list。

假如使用者要儲存一個100B的item，是如何找到對應的可用chunk的呢？

會從最接近item大小的slab的chunk[]中，通過free_chunk_list快速找到對應的chunk，如上圖所示，與item大小最接近的chunk是128B。

為什麼不會出現記憶體碎片呢？

拿到一個128B的chunk，去儲存一個100B的item，餘下的28B不會再被其他的item所使用，即：實際上浪費了儲存空間，來減少記憶體碎片，保證訪問的速度。

畫外音：理論上，記憶體碎片幾乎不存在。

memcache通過slab，chunk，free_chunk_list來快速分配記憶體，儲存使用者的item，那它又是如何快速實現key的查詢的呢？

沒有什麼特別演算法：

通過hash表實現快速查詢通過連結串列來解決衝突

用最樸素的方式，實現key的快速查詢。

隨著item的個數不斷增多，hash衝突越來越大，hash表如何保證查詢效率呢？

當item總數達到hash表長度的1.5倍時，hash表會動態擴容，rehash將資料重新分佈，以保證查詢效率不會不斷降低。

擴充套件hash表之後，同一個key在新舊hash表內的位置會發生變化，如何保證資料的一致性，以及如何保證遷移過程服務的可用性呢（肯定不能加一把大鎖，遷移完成資料，再重新服務吧）？

雜湊表擴充套件，資料遷移是一個耗時的操作，會有一個專門的執行緒來實施，為了避免大鎖，採用的是“分段遷移”的策略。

當item數量達到閾值時，遷移執行緒會分段遷移，對hash表中的一部分桶進行加鎖，遷移資料，解鎖：

一來，保證不會有長時間的阻塞，影響服務的可用性二來，保證item不會在新舊hash表裡不一致

新的問題來了，對於已經存在與舊hash表中的item，可以通過上述方式遷移，那麼在item遷移的過程中，如果有新的item插入，是應該插入舊hash表還是新hash表呢？

memcache的做法是，判斷舊hash表中，item應該插入的桶，是否已經遷移至新表中：

如果已經遷移，則item直接插入新hash表如果還沒有被遷移，則直接插入舊hash表，未來等待遷移執行緒來遷移至新hash表

為什麼要這麼做呢，不能直接插入新hash表嗎？

memcache沒有給出官方的解釋，樓主揣測，這種方法能夠保證一個桶內的資料，只在一個hash表中（要麼新表，要麼舊錶），任何場景下都不會出現，舊錶新表查詢兩次，以提升查詢速度。

memcache是怎麼實現key過期的，懶淘汰(lazy expiration)具體是怎麼玩的？

實現“超時”和“過期”，最常見的兩種方法是：

啟動一個超時執行緒，對所有item進行掃描，如果發現超時，則進行超時回撥處理每個item設定一個超時訊號通知，通知觸發超時回撥處理

這兩種方法，都需要有額外的資源消耗。

mc的查詢業務非常簡單，只會返回cache hit與cache miss兩種結果，這種場景下，非常適合使用懶淘汰的方式。

懶淘汰的核心是：

item不會被主動淘汰，即沒有超時執行緒，也沒有訊號通知來主動檢查item每次會查詢(get)時，檢查一下時間戳，如果已經過期，被動淘汰，並返回cache miss

舉個例子，假如set了一個key，有效期100s：

在第50s的時候，有使用者查詢(get)了這個key，判斷未過期，返回對應的value值在第200s的時候，又有使用者查詢(get)了這個key，判斷已過期，將item所在的chunk釋放，返回cache miss

這種方式的實現代價很小，消耗資源非常低：

在item裡，加入一個過期時間屬性在get時，加入一個時間判斷

記憶體總是有限的，chunk數量有限的情況下，能夠儲存的item個數是有限的，假如chunk被用完了，該怎麼辦？

仍然是上面的例子，假如128B的chunk都用完了，使用者又set了一個100B的item，要不要擠掉已有的item？

要。

這裡的啟示是：

（1）即使item的有效期設定為“永久”，也可能被淘汰；

（2）如果要做全量資料快取，一定要仔細評估，cache的記憶體大小，必須大於，全量資料的總大小，否則很容易採坑；

擠掉哪一個item？怎麼擠？

這裡涉及LRU淘汰機制。

如果作業系統的記憶體管理，最常見的淘汰演算法是FIFO和LRU：

FIFO(first in first out)：最先被set的item，最先被淘汰LRU(least recently used)：最近最少被使用(get/set)的item，最先被淘汰

使用LRU演算法擠掉item，需要增加兩個屬性：

最近item訪問計數最近item訪問時間

並增加一個LRU連結串列，就能夠快速實現。

畫外音：所以，管理chunk的每個slab，除了free_chunk_list，還有lru_list。

思路比結論重要。