MMKV源码解读与理解

概述

通过 mmap 技术实现的高性能通用 key-value 组件。同时选用 protobuf 协议,进一步压缩数据存储。

标准 protobuf 不提供增量更新的能力,每次写入都必须全量写入。考虑到主要使用场景是频繁地进行写入更新,我们需要有增量更新的能力:将增量 kv 对象序列化后,直接 append 到内存末尾;这样同一个 key 会有新旧若干份数据,最新的数据在最后;那么只需在程序启动第一次打开 mmkv 时,不断用后读入的 value 替换之前的值,就可以保证数据是最新有效的。

使用 append 实现增量更新带来了一个新的问题,就是不断 append 的话,文件大小会增长得不可控。例如同一个 key 不断更新的话,是可能耗尽几百 M 甚至上 G 空间,而事实上整个 kv 文件就这一个 key,不到 1k 空间就存得下。这明显是不可取的。我们需要在性能和空间上做个折中:以内存 pagesize 为单位申请空间,在空间用尽之前都是 append 模式;当 append 到文件末尾时,进行文件重整、key 排重,尝试序列化保存排重结果;排重后空间还是不够用的话,将文件扩大一倍,直到空间足够。

文件数据结构

一个 MMKV 对象会生成两个文件,一个存储数据的主文件,一个 crc 校验文件,文件名规则为:

C++ 复制代码
// 主文件名为 mmapedKVKey() 返回值, crc 校验文件名为 mmapedKVKey()返回值加上 .crc 后缀
string mmapedKVKey(const string &mmapID, const MMKVPath_t *rootPath) {  
    if (rootPath && g_rootDir != (*rootPath)) {  
        return md5(*rootPath + MMKV_PATH_SLASH + string2MMKVPath_t(mmapID));  
    }  
    return mmapID;  
}

主文件

前四个字节记录了存储数据的总大小,紧接着保存每一个 key-value 对,由于使用了 protobuf 编码,为了便于读取 key、value 的数据,在保存具体数据前都先记录下其占用的字节数。由于 keyLength 和 valueLength 都为 int32 整数,因此直接按照 protobuf 编码规则读取即可,无需像 key、value 需要一个长度来确定值的结束边界。

+--------------+------------+------+--------------+--------+------------+------+---------------+-------+
| 存储的数据大小 | keyLength1 | key1 | valueLength1 | value1 | keyLength2 | key2 | valueLength2  | value2 |
+--------------+------------+------+--------------+--------+------------+------+---------------+-------+

CRC文件

CRC文件中保存的内容为以下结构体定义的数据结构,包括 crc32 校验和的值以及一堆辅助数据,用以验证文件的一致性。

C++ 复制代码
struct MMKVMetaInfo {
    uint32_t m_crcDigest = 0;
    uint32_t m_version = MMKVVersionSequence;
    uint32_t m_sequence = 0; // full write-back count
    uint8_t m_vector[AES_KEY_LEN] = {};
    uint32_t m_actualSize = 0;

    // confirmed info: it's been synced to file
    struct {
        uint32_t lastActualSize = 0;
        uint32_t lastCRCDigest = 0;
        uint32_t _reserved[16] = {};
    } m_lastConfirmedMetaInfo;
}

数据初始化

MMKV 对象构造时会调用 loadFromFile 读取数据,将文件中的 key-value 对读取到一个 dict 中保存。dict 是一个 std::unordered_map<std::string, mmkv::KeyValueHolder> 结构,dict 的 key 即为保存的 key-value 对中的 key。并且通过 KeyValueHolder 来保存 key-value 对的内容。

C++ 复制代码
// MiniPBCoder.cpp#decodeOneMap
auto block = [position, this](MMKVMap &dictionary) {
    if (position) {
        m_inputData->seek(position);
    } else {
        m_inputData->readInt32();
    }
    while (!m_inputData->isAtEnd()) {
        KeyValueHolder kvHolder;
        // 读取 key,保存 key 的 起始位置和size信息到 KeyValueHoder 中
        const auto &key = m_inputData->readString(kvHolder);
        if (key.length() > 0) {
            // 读取 value,保存 value 的size信息到 KeyValueHolder,此时并不会将 value 解码出来
            m_inputData->readData(kvHolder);
            if (kvHolder.valueSize > 0) {
                dictionary[key] = move(kvHolder);
            } else {
                auto itr = dictionary.find(key);
                if (itr != dictionary.end()) {
                    dictionary.erase(itr);
                }
            }
        }
    }
};

// CodedInputData.cpp#readString
// 读取 key
string CodedInputData::readString(KeyValueHolder &kvHolder) {  
    kvHolder.offset = static_cast<uint32_t>(m_position);  
  
    int32_t size = this->readRawVarint32();  
    if (size < 0) {  
        throw length_error("InvalidProtocolBuffer negativeSize");  
    }  
  
    auto s_size = static_cast<size_t>(size);  
    if (s_size <= m_size - m_position) {  
        kvHolder.keySize = static_cast<uint16_t>(s_size);  
  
        auto ptr = m_ptr + m_position;  
        string result((char *) (m_ptr + m_position), s_size);  
        m_position += s_size;  
        return result;  
    } else {  
        throw out_of_range("InvalidProtocolBuffer truncatedMessage");  
    }  
}

// CodedInputData.cpp#readData
// 读取 value
void CodedInputData::readData(KeyValueHolder &kvHolder) {  
    int32_t size = this->readRawVarint32();  
    if (size < 0) {  
        throw length_error("InvalidProtocolBuffer negativeSize");  
    }  
  
    auto s_size = static_cast<size_t>(size);  
    if (s_size <= m_size - m_position) {  
        kvHolder.computedKVSize = static_cast<uint16_t>(m_position - kvHolder.offset);  
        kvHolder.valueSize = static_cast<uint32_t>(s_size);  
  
        m_position += s_size;  
    } else {  
        throw out_of_range("InvalidProtocolBuffer truncatedMessage");  
    }  
}

数据写入与读取

这里仅分析在 Android 平台的主流程逻辑,因此对于加密功能和在 iOS 设备上的逻辑不去关注。由于 MMKV 对于 value 支持多种类型格式,这里也主要通过类型为 int 和 string 的写入和读取逻辑来进行了解。

MMBuffer

MMKV 中定义的内存单元,用来更方便的进行一些操作而抽象的结构。对于占用内存小的数据,直接保存在栈中,而对于占用内存大的数据则保存在堆中。

判断占用内存的大小取决于 sizeof(MMBuffer) - offsetof(MMBuffer, paddedBuffer) 计算的值,其实也就是 paddedBuffer[10] 的大小。这里应该是考虑到对于基本数值类型进行 protobuf 编码后最多占用10个字节,因此使用这种方式来更高效的进行内存操作。

MMBuffer 中包含一个联合体,其中的两个结构体共用存储空间,在实际使用时只能使用其中的一个。在默认情况下,编译器会对 MMBuffer 进行内存对齐,添加了 7 个填充字节,以保证 size 和 ptr 成员都按照 8 字节对齐。而对于第二个结构体,由于其成员都是 1 字节大小,因此没有进行内存对齐,没有填充字节。其内存布局如下:

+--------------------+------------------------+---------------+--------------+
|  isNoCopy(1 byte)  |    padding(7 bytes)    | size(8 bytes) | ptr(8 bytes) |
+--------------------+------------------------+---------------+--------------+
+--------------------+----------------------------+
| paddedSize(1 byte) |   paddedBuffer(10 bytes)   |
+--------------------+----------------------------+
C++ 复制代码
class MMBuffer {
    enum MMBufferType : uint8_t {
        MMBufferType_Small,  // store small buffer in stack memory
        MMBufferType_Normal, // store in heap memory
    };
    MMBufferType type;

    union {
        struct {
            MMBufferCopyFlag isNoCopy;
            size_t size;
            void *ptr;
        };
        struct {
            uint8_t paddedSize;
            // make at least 10 bytes to hold all primitive types (negative int32, int64, double etc) on 32 bit device
            // on 64 bit device it's guaranteed larger than 10 bytes
            uint8_t paddedBuffer[10];
        };
    };

    static constexpr size_t SmallBufferSize() {
        return sizeof(MMBuffer) - offsetof(MMBuffer, paddedBuffer);
    }

public:
    explicit MMBuffer(size_t length = 0);
    MMBuffer(void *source, size_t length, MMBufferCopyFlag flag = MMBufferCopy);

    MMBuffer(MMBuffer &&other) noexcept;

    ~MMBuffer();

    bool isStoredOnStack() const { return (type == MMBufferType_Small); }

    void *getPtr() const { return isStoredOnStack() ? (void *) paddedBuffer : ptr; }

    size_t length() const { return isStoredOnStack() ? paddedSize : size; }
};

int类型数据写入

写入的 value 为 int 类型时,计算 value 通过 protobuf 编码需要占用多少个字节,并将其编码后的结果写入到分配的内存段中。

C++ 复制代码
// MMKV.cpp#set
bool MMKV::set(int32_t value, MMKVKey_t key) {  
    if (isKeyEmpty(key)) {  
        return false;  
    }  
    // 根据 protobuf 编码规则,获取 value 通过 protobuf 编码需要占用几个字节
    size_t size = pbInt32Size(value);  
    // 声明 MMBuffer,其为 MMKV 中定义的内存单元,存储了映射的指针和大小
    MMBuffer data(size);  
    // 将 MMBuffer 的 ptr 与 CodedOutputData 关联在一起,
    // 则 CodedOutputData 写入数据后,通过 MMBuffer 也能获取得到
    CodedOutputData output(data.getPtr(), size); 
    // CodedOutputData 主要负责 protobuf 的编码逻辑,
    output.writeInt32(value);  
  
    return setDataForKey(move(data), key);  
}

setDataForKey

对 value 进行 protobuf 编码后,将数据写入到文件尾部,同时还需要更新 dic 中的内容,以便为后续快速读取数据服务。

查找 dic 中是否已存在要写入 key 相关的 key-value 对。

  • 当 dic 中存在这个 key,直接使用 dic 中保存的 KeyValueHolder 使用。在 doAppendDataWithKey 流程将 key 写入文件时复制 KeyValueHolder 指向的 key 数据块。这个分支走向决定了 doAppendDataWithKeyisKeyEncoded 为 true。
  • 当 dic 中没有这个 key 时, doAppendDataWithKeyisKeyEncoded 为 false,在写入文件时需要写入 keyLength,再写入 key。
C++ 复制代码
// MMKV_IO.cpp#setDataForKey
auto itr = m_dic->find(key);
// 
if (itr != m_dic->end()) {  
    auto ret = appendDataWithKey(data, itr->second, isDataHolder);  
    if (!ret.first) {  
        return false;  
    }  
    itr->second = std::move(ret.second);  
} else {  
    auto ret = appendDataWithKey(data, key, isDataHolder);  
    if (!ret.first) {  
        return false;  
    }  
    m_dic->emplace(key, std::move(ret.second));  
}

appendDataWithKey

根据 setDataForKey 的逻辑分支,appendDataWithKey 也有两种逻辑,主要区别在于构造 key 的 MMBuffer 方式不一样。

  • 当 dic 中存有相关 key,对应的 MMBuffer 将 protobuf 编码的 keyLength 计算在内
  • 当 dic 中没有相关 key,对应的 MMBuffer 长度即为 key 的长度大小
C++ 复制代码
// MMKV_IO.cpp#appendDataWithKey

// dic 中已有相关 key 的逻辑分支
KVHolderRet_t MMKV::appendDataWithKey(const MMBuffer &data, const KeyValueHolder &kvHolder, bool isDataHolder) {  
    SCOPED_LOCK(m_exclusiveProcessLock);  
  
    uint32_t keyLength = kvHolder.keySize;  
    // size needed to encode the key  
    size_t rawKeySize = keyLength + pbRawVarint32Size(keyLength);  

	// 
    // ensureMemorySize() might change kvHolder.offset, so have to do it early  
    {  
        auto valueLength = static_cast<uint32_t>(data.length());  
        if (isDataHolder) {  
            valueLength += pbRawVarint32Size(valueLength);  
        }  
        auto size = rawKeySize + valueLength + pbRawVarint32Size(valueLength);  
        // ensureMemorySize 确保有足够的空间大小以供这次写入,内部逻辑比较复杂,
        // 这里简单记住当申请的 mmap 空间不够时会尝试扩容
        bool hasEnoughSize = ensureMemorySize(size);  
        if (!hasEnoughSize) {  
            return make_pair(false, KeyValueHolder());  
        }  
    }    
    auto basePtr = (uint8_t *) m_file->getMemory() + Fixed32Size;  
    MMBuffer keyData(basePtr + kvHolder.offset, rawKeySize, MMBufferNoCopy);  
  
    return doAppendDataWithKey(data, keyData, isDataHolder, keyLength);  
}

// dic 中没有相关 key 的逻辑分支
KVHolderRet_t MMKV::appendDataWithKey(const MMBuffer &data, MMKVKey_t key, bool isDataHolder) {
    auto keyData = MMBuffer((void *) key.data(), key.size(), MMBufferNoCopy);
    return doAppendDataWithKey(data, keyData, isDataHolder, static_cast<uint32_t>(keyData.length()));
}

doAppendDataWithKey

实际将 key-value 对进行写入的地方。这里需要先了解两个字段代表的含义,否则对于写入流程可能并不会太过清晰。

isDataHolder

isDataHolder 的取值从 setDataForKey 一路传下来,这里看下其函数定义,对于 isDataHolder 默认取值为 false。

C++ 复制代码
bool setDataForKey(mmkv::MMBuffer &&data, MMKVKey_t key, bool isDataHolder = false);

数据类型为 string/char* 时,才进行了 true 的赋值。而当 isDataHolder 为 true 时,对 value 的写入会再额外写入一个字段,表示 valueLength。在Github Discussion 中的讨论,作者解释是为了在写入 string 列表中使用的,而为了代码的统一性就没有再进行区分了。

isKeyEncoded

通过原始 key 长度和将 key 封装为 MMBuffer 的 length 做比较来判断是否已经包含 keyLength 的 protobuf 编码值。实际上在 MMKV_IO.cpp#setDataForKey 中根据 dic 是否存在写入的 key 就决定了 isKeyEncoded 的值,当 dic 中存在写入的 key 时,isKeyEncoded 为 true,表示写入时不需要再将 keyLength 的 protobuf 编码数据写入。

+-----------+-----+
| keyLength | key |
+-----------+-----+

这样做的原因上面其实也提及过,对于 key 的写入其格式如上。当 dic 中存有这个 key,那么说明初始 loadFromFile 或在此之前已经构造了相关的 KeyValueHolder 信息。通过 KeyValueHolder 拿到 offset 数据后,offset 后面的一段内存区数据即为 key 写入所需的格式数据。

C++ 复制代码
// MMKV_IO.cpp#doAppendDataWithKey
KVHolderRet_t
MMKV::doAppendDataWithKey(const MMBuffer &data, const MMBuffer &keyData, bool isDataHolder, uint32_t originKeyLength) {
    auto isKeyEncoded = (originKeyLength < keyData.length());
    auto keyLength = static_cast<uint32_t>(keyData.length());
    auto valueLength = static_cast<uint32_t>(data.length());
    if (isDataHolder) {
        valueLength += pbRawVarint32Size(valueLength);
    }
    // size needed to encode the key
    size_t size = isKeyEncoded ? keyLength : (keyLength + pbRawVarint32Size(keyLength));
    // size needed to encode the value
    size += valueLength + pbRawVarint32Size(valueLength);

    SCOPED_LOCK(m_exclusiveProcessLock);

    bool hasEnoughSize = ensureMemorySize(size);
    if (!hasEnoughSize || !isFileValid()) {
        return make_pair(false, KeyValueHolder());
    }
    try {
	    // 仍然是区分 key 是否已经编码过了
        if (isKeyEncoded) {
            // 直接将 MMBuffer 的数据拷贝写入
            m_output->writeRawData(keyData);
        } else {
	        // 写入 protobuf 编码的 keyLength,再写入 key 的值
            m_output->writeData(keyData);
        }
        if (isDataHolder) {
            m_output->writeRawVarint32((int32_t) valueLength);
        }
        m_output->writeData(data); // note: write size of data
    } catch (std::exception &e) {
        MMKVError("%s", e.what());
        return make_pair(false, KeyValueHolder());
    }

    auto offset = static_cast<uint32_t>(m_actualSize);
    auto ptr = (uint8_t *) m_file->getMemory() + Fixed32Size + m_actualSize;
    m_actualSize += size;
    updateCRCDigest(ptr, size);

    return make_pair(true, KeyValueHolder(originKeyLength, valueLength, offset));
}

int 类型数据读取

数据读取内容相对简单点,根据要获取的数据 key,从 dic 中获取到相应的 KeyValueHolder,并将其转换为 MMBuffer 内存单元,读取出映射的指针地址开始的数据。

C++ 复制代码
int32_t MMKV::getInt32(MMKVKey_t key, int32_t defaultValue, bool *hasValue) {
    if (isKeyEmpty(key)) {
        if (hasValue != nullptr) {
            *hasValue = false;
        }
        return defaultValue;
    }
    SCOPED_LOCK(m_lock);
    SCOPED_LOCK(m_sharedProcessLock);
    // 从 dic 中获取数据
    auto data = getDataForKey(key);
    if (data.length() > 0) {
        try {
            CodedInputData input(data.getPtr(), data.length());
            if (hasValue != nullptr) {
                *hasValue = true;
            }
            return input.readInt32();
        } catch (std::exception &exception) {
            MMKVError("%s", exception.what());
        }
    }
    if (hasValue != nullptr) {
        *hasValue = false;
    }
    return defaultValue;
}

MMBuffer MMKV::getDataForKey(MMKVKey_t key) {
    checkLoadData();
    {
        auto itr = m_dic->find(key);
        if (itr != m_dic->end()) {
            auto basePtr = (uint8_t *) (m_file->getMemory()) + Fixed32Size;
            // 拿到 KeyValueHolder 信息,将其转换为 MMBuffer 数据格式
            return itr->second.toMMBuffer(basePtr);
        }
    }
    MMBuffer nan;
    return nan;
}

缺陷

  • 没有类型信息,不支持 getAll
    MMKV的存储使用 Protobuf 的编码方式,只存储 key 和 value 本身,没有存类型信息。由于没有记录类型信息,MMKV无法自动反序列化,也就无法实现 getAll 接口,因此在需要遍历所有 key-value 的时候(比如迁移数据)就比较棘手了。
  • 文件大小问题
    扩容后如果进行 key-value 的删除不会主动 trim size