请教一下,在 Linux 上多进程同时读取一个文件(不会写入),是线程排队读取,还是并行的读取?

2023-05-12 09:39:48 +08:00
 dushiyang68

比如在万核机器上一万个进程同时读一个文件,在操作系统层面是每个进程排队挨个去读这个文件,还是每个进程都可以同时去读嘞?

如果需要实现同时读取,是不是需要配置并行文件系统,将文件拆分到不同的挂载盘中?

2499 次点击
所在节点    Linux
9 条回复
senninha
2023-05-12 09:45:58 +08:00
应该是并行读取,内核有文件缓存机制。
kkocdko
2023-05-12 09:47:12 +08:00
这个得看文件系统,比如 xfs 就支持并行读取。一般来说这不是瓶颈,速率都能达到硬盘的峰值速度。

如果你是希望各个进程的读取进度同步,避免重复读取,就应该考虑自己实现缓冲区。
picone
2023-05-12 10:34:12 +08:00
不要强依赖缓存机制,page cache 可能被刷新导致 io 打满,特别是虚拟化的环境别的容器不可控
dushiyang68
2023-05-12 10:34:19 +08:00
@senninha 我们要做的是超算的万核并行,而且读取的文件非常大,可能上百 G ,我们就是考虑开辟文件缓冲区过多会不会导致性能瓶颈
gam2046
2023-05-12 11:00:14 +08:00
如#2 所说,如果强依赖缓存,可以考虑自行加上缓存层,例如 redis ,这样的行为是更加符合预期的。
ivan_wl
2023-05-12 11:47:18 +08:00
可以了解一下 linux 的 blk-mq
seers
2023-05-12 12:51:20 +08:00
DIO 和 AIO
fuis
2023-05-12 12:53:20 +08:00
@dushiyang68

> 开辟文件缓冲区过多会不会导致性能瓶颈

通常分配缓冲区不是瓶颈,但也是一笔不可忽视的开销。可以尝试实现 mem pool 机制,或者是更换 malloc 比如 tcmalloc jemalloc mimalloc 等。

这时候要考虑 NUMA 的瓶颈,比如 NUMA 下面 remote r/w 的带宽是多少,local 的带宽是多少。还有 UPI 的带宽(需要实际测量,40G/s 左右)

但是可能上面的这些也可都还不是瓶颈,先要知道你下面的存储到底能提供多少 io 能力。。
litguy
2023-05-12 13:30:52 +08:00
@dushiyang68 你的需求需要 burst buffer 处理,不是常规 fs

这是一个专为移动设备优化的页面(即为了让你能够在 Google 搜索结果里秒开这个页面),如果你希望参与 V2EX 社区的讨论,你可以继续到 V2EX 上打开本讨论主题的完整版本。

https://www.v2ex.com/t/939383

V2EX 是创意工作者们的社区,是一个分享自己正在做的有趣事物、交流想法,可以遇见新朋友甚至新机会的地方。

V2EX is a community of developers, designers and creative people.

© 2021 V2EX