前些天组里老司机@梁希在jvm的项目榨干机器性能之余，为了检查下gcc编译器和Intel Xoen CPU的正确性，写了一组测试代码测试了下mfence指令的效果

`
mfence Opcode : 0F AE /6

Performs a serializing operation on all load-from-memory and store-to-memory instructions that were issued prior the MFENCE instruction. This serializing operation guarantees that every load and store instruction that precedes in program order the MFENCE instruction is globally visible before any load or store instruction that follows the MFENCE instruction is globally visible. The MFENCE instruction is ordered with respect to all load and store instructions, other MFENCE instructions, any SFENCE and LFENCE instructions, and any serializing instructions (such as the CPUID instruction).
Weakly ordered memory types can be used to achieve higher processor performance through such techniques as out-of-order issue, speculative reads, write-combining, and write-collapsing.
The degree to which a consumer of data recognizes or knows that the data is weakly ordered varies among applications and may be unknown to the producer of this data. The MFENCE instruction provides a performance-efficient way of ensuring load and store ordering between routines that produce weakly-ordered results and routines that consume that data.
It should be noted that processors are free to speculatively fetch and cache data from system memory regions that are assigned a memory-type that permits speculative reads (that is, the WB, WC, and WT memory types). The PREFETCHh instruction is considered a hint to this speculative behavior. Because this speculative fetching can occur at any time and is not tied to instruction execution, the MFENCE instruction is not ordered with respect to PREFETCHh instructions or any other speculative fetching mechanism (that is, data could be speculatively loaded into the cache just before, during, or after the execution of an MFENCE instruction).
`

简单来说就是一个可以在CPU乱序执行中保证真实的load/store顺序的指令

0x1
老司机写了一个小程序(注：有误版)
// file: order.c

大概逻辑是： 一共有3个变量，v1.i, v2.i, b ,起了2个线程，一个顺序写入v1和v2，一个读v1和v2，互相通过改变b的值来通讯，然后两个线程不停循环。

这个程序会挂在
printf("assert error, cnt = %d, icnt = %d, i1 = %d, i2 = %d\n", cnt, icnt, i1, i2); 
这条断言上，意思是线程1在顺序写入v1和v2，但是主线程却出现读到 v1=0，v2=1的情况。

0x2

然后我帮忙去看了一下，觉得这种写法甚是粗暴，于是原样照搬了一个c++11版:

因为是原样照搬，所以肯定还是会挂，但是毕竟语义上更好理解了

我们先来分析一下为什么会挂

• 线程1对于v1，v2的写入顺序一定是一致的
• Memory Barrier也保证了他们写入顺序对其他线程的可见性（很有迷惑性的一点）
• 但是主线程却可以读到 v1=0,v2=1的情况
• 所以情况就是虽然顺序写入了，但是别的线程没有看到正确的顺序？
• Intel: 并不是！
• 原因是搞错了因果关系，他真正保证的顺序是当你读到v2的new value的时候，那么v1也一定被写入了。
• 解决方案就是互换上面代码中我用**星号**标注出的两行
• done

在旧写法中，挂掉的情况是线程1写入v1 = 1，主线程读v1，没有读到，那么主线程认为v1是0，然后线程1继续写入v2，主线程读到了，主线程认为v2是1。 然后挂在了断言上。

两行互换后，主线程首先读取v2，如果v2已经是1了，那么v1也一定是1，反之亦然。

0x3

当然，想让跑通那个例子不需要那么多的atomic<>，精简之后利用c++11的memory_order可以写成如下：

利用变量b在两个线程之间同步，如下图

 (Thead 1)

   v1.i = 1;
   v2.i = 1;
   
   b.store(0, memory_order_release) <---+
                                                             |
                                                synchronize with b
                                                 (happend before)
                                                             |
                                                            +----->  b.load(memory_order_acquire)
                                                                          
                                                                        i1 = v1.i
                                                                        i2 = v2.i

                                                                       (Thread 2)

我们查看下生成的代码
g++ -std=c++11 -pthread -g -O2 order.cpp

 v1.i = 1;
  400be6:       c7 05 d0 10 20 00 01    movl   $0x1,0x2010d0(%rip)        # 601cc0 <v1>
  400bed:       00 00 00 
        v2.i = 1;
  400bf0:       c7 05 86 10 20 00 01    movl   $0x1,0x201086(%rip)        # 601c80 <v2>
  400bf7:       00 00 00 
        memory_order __b = __m & __memory_order_mask;
        __glibcxx_assert(__b != memory_order_acquire);
        __glibcxx_assert(__b != memory_order_acq_rel);
        __glibcxx_assert(__b != memory_order_consume);

        __atomic_store_n(&_M_i, __i, __m);
  400bfa:       c7 05 5c 10 20 00 00    movl   $0x0,0x20105c(%rip)        # 601c60 <b>
  400c01:       00 00 00 
        b.store(0, memory_order_release);

  

  400a58:       8b 05 02 12 20 00       mov    0x201202(%rip),%eax        # 601c60 <b>
            int b2 = b.load(memory_order_consume);
            if (b2 != 0) {
  400a5e:       85 c0                   test   %eax,%eax
  400a60:       75 f3                   jne    400a55 <main+0x55>
                continue; 
            }
            int i1 = v1.i;
  400a62:       8b 0d 58 12 20 00       mov    0x201258(%rip),%ecx        # 601cc0 <v1>
            int i2 = v2.i;
  400a68:       44 8b 05 11 12 20 00    mov    0x201211(%rip),%r8d        # 601c80 <v2>

看来Intel的Strong Memory Model已经保证了这一点，Memory Barrier都不需要了

（虽然标题里面有MemoryBarrier，但是内容里面根本没涉及的样子。。）

虽然nginx+lua开发一些小的web服务简单快捷，但是由于种种原因，配套的工具比较缺乏，监控工具和性能检测工具等等。而且lua作为一种跑在虚拟机的脚本语言，虽然做的短小精悍，但是。。。功能和可调优的空间还是欠缺了点。

前段时间使用春哥的systemtap脚本对我的lua服务做了下性能测试，这里记录一下折腾的历程

准备

systemtap是一个性能检测和调试跟踪的工具，最开始是为了调试内核被做出来的，后来添加了用户态跟踪的功能。

折腾记录

春哥的脚本要求systemtap2.2以上，公司测试服务器自带的systemtap脚本的版本那是1.6，远远不够，所以必须手动编译一个。下载systamtap的源码，然后./configuare + make就可以直接编了。最开始碰到的问题是公司el5系统的服务器的elfutil版本太低，得自己编译一个高版本的elfutil然后指定路径。。。。我怕麻烦，就把一个空的测试机器重装成el6，elfutil的版本立马就够了(我真是太机智了)。

顺利编译出systamtap之后(中途遇到了systemtap版本不够新导致的符号找不到的bug)，就是tengine的安装，时间都折腾在这上面了。。。我们项目用的是tengine-ads这个版本，直接用tengine缺少模块，就请了tengine组的同学帮忙把模块给打了进去。由于要跟踪lua内部，所以自带的luajit必须-g编译。那边的同学比较忙，我就只能自己要了服务器权限跑上去自己编，编了几次之后那个测试服务器竟然磁盘满了。。。总之就是折腾了一晚上和一早上，终于把带debuginfo的tengine给装上了。

效果

启动tengine服务，把压测程序开好，运行

./ngx-sample-lua-bt -p 29237 --luajit20 -t 200 -a '--vp 02 -R /home/wenqian.peiwq/systemtap-2.6/runtime -DSTP_NO_OVERLOAD --all-modules -DMAXSKIPPED=1024 ' > tmp.bt 

采样结束后，利用brendangregg的FlameGraph tools可以绘制栈调用的火焰图，如下：

通过这个图，先是立马发现了一个低级错误。。。（上面贴的图上已经没了），我有很多打印debug的语句，用了这类用法

_log.log("debug", "xxx", util.print_r(some_data)) 

忘记了lua的求值策略，虽然debug下的这个语句在生产环境中不执行，但是由于求值策略，util.print_r(some_data)仍然会先求值，导致了很大的性能损失，接近1/4。

同时也发现了UUID的生成所占用的时间也过分的长了一些，然后重写了这个方法，使用了resty.string库中的random模块(直接调用了ngx_*的C函数)，然后利用systemtap对比了前后的时间，提升了360%多，可见还是很有效果的。

注:

这个项目是基于我上次手撸的小框架dodolu，根据这次的测试结果，框架的封装对我的项目造成的性能损失在1%以下。

前段时间项目需要一个点击服务，大致是要根据用户请求的url及数据库中的规则，匹配出一个结果并记录日志。最开始是一个很小的需求，结果业务越来越复杂，业务逻辑中经常要处理header头和一些其他的信息，导致代码越来越混乱。在一期结束之后，抽时间把这段时间的工作抽象出了一个轻量级框架，只做了适量的封装，加入了代码生成的模块，可以帮助开发者迅速做出一个可用的web服务。

介绍

dodolu框架地址(Github)。

该框架只做了最小化的封装，几乎没有性能损失，并提供了根据配置文件(meta.lua)，自动生成route模块，nginx.conf配置，logger模块的功能，减轻了开发工作量，避免重复手写大量易错的配置或字符串变量，有助于多人开发统一风格。

详情Github的README

功能

包括三个部分，一个是web框架，一个是代码自动生成模块，一个是魔改出的lua远程调试器。

web框架部分

只有1k行以下的代码，集成了resty.template、resty.cookie、UUID生成等第三方模块。提供request、response、context、util等库方便开发人员使用。

代码自动生成部分

可自动生成:

1. 路由配置
2. 日志记录模块
3. nginx.conf

主要目的在于解决nginx配置与lua代码的分离问题(在日志记录中尤为严重)。

开发人员新建应用步骤：在App文件夹下，新建lua文件，然后填入do_get()方法即可处理相应的get请求，所有配置在meta/meta.lua里面。

一个记录日志并返回1x1gif的例子：

-- 这个文件下面存放你的业务逻辑

-- 这个文件下面存放你的业务逻辑

local app = {}
function app.do_get(ctx) 
    local response = ctx.response
    local request = ctx.request
    local cookie = ctx.cookie

    response:set_content_type("text/html")
    local url = request.uri
    -- do some process

    ------------- write log ---------------
    -- my_log 日志模块是根据meta.lua自动生成的
    local logger = ctx.get_logger('my_log')  
    local log_data = { a = "xxx"}
    logger.write(log_data, other_params)

    ------------- return empty gif -------
    response:empty_gif()
    response:close()
end

function app.do_post(ctx) end
function app.do_put(ctx) end
function app.do_delete(ctx) end

return app

lua远程调试器

文档详细见这里，这里只演示下用法：
sh debug.sh，然后运行用户程序，成功后

下一步  n



查看源码  l

设置断点   b <file>:<line>   查看    listb



查看局部变量  local

> local
{
        ["tab"] = {
                {
                        ["bar"] = 2,
                        ["foo"] = 1,
                },
                "table: 0x2589ee0",
        },
}

查看变量   p tab



继续执行，直到断点  r

> r
Paused at file a.lua line 11

序

函数式编程语言有很多种定义，宽泛的认为支持高阶函数（higher-order function）就算函数式语言的话，大多数现代语言都是支持函数式编程的，例如C/C++，java，C#，lua，python，JavaScript，Scala等等。收紧一下定义的话，加入函数式语言要求的模式匹配、无副作用等要求，那么剩下的就是纯函数式语言，比较常见的有Haskell，Clean等。

副作用是什么和为什么有些语言想在设计上避免副作用这个问题，google能搜出好多博文，这里就不多说了。避免副作用可以带来一些实际的好处，比如帮你大量改写代码什么的（误），而且连gcc都有 _ _ attribute _ _((pure/const))的函数扩展嘛~。比如像erlang这种依赖于副作用编程的语言，虽然有着变量不可变这个特性，但是仍然可以读写process携带的全局变量，而且又没有一个好的类型系统，所以在编译的时候也不会怎么大改你的代码，大多还是直译成字节码。

注：这篇文章不是**软文**，不会用个g(f(x))就当例子给大家说无副作用多么多么好，可缓存结果拉(just a lie)~原生支持并行拉(just another lie)，这些都是扯淡而且不实际的。（有机会再写个博客专门谈谈这个）

正文

首先，纯函数式的语言强调没有副作用，它不会改变任何实际的东西，当然也没有（全局的）状态，这样的程序如果不配上代表副作用的输入输出当然是什么都干不了的。那么如何把副作用嵌入到本不该有副作用的语言设计中那？当然不能直接赋值，不然。。不然。。就变成命令式语言了，而且函数式语言编译中引以为豪的各种优化pass几乎都不能用了。那么把有副作用的函数标注出来？当然是一个办法。还有就是把副作用的表达式都包含在context中，随着函数传递，保证顺序而且要保证引用的唯一性。

作为纯函数式语言的代表，Haskell和Clean对于副作用的设计实现上差别很大，下面就简单说一下它们的实现，刨根究底，其实它们做的还是同一件事情。

haskell

Haskell中有一个很重要的概念：Monad，取名自范畴论，可以粗浅的认为它就是定义了一系列的行为准则（>>= , return）。Haskell中大多数语法糖都是为了这个发明来的。Haskell的标准库中有很多关于副作用的类库封装，比如IORef，MVar，IOMonad等等，他们的内部实现都会归结到ST Monad（State Thread Monad）上，正是这个与forall关键字的结合，从而在语法上保证了副作用嵌入在（纯）Haskell中的正确性。
ST Monad里面主要的定义是：

 newtype ST s a = ST (STRep s a)
 type STRep s a = State# s -> (# State# s, a #)
 data STRef s a = STRef (MutVar# s a)

 runST :: (forall s. ST s a) -> a
 runSTRep :: (forall s. STRep s a) -> a
 

其中最关键的是ST s a 与 STref s a 这两个数据结构。

先看看这个用法，let a0 = runST $ newSTRef 0，会引发一个type error。因为runST的类型是(forall s.ST s a) -> a ，参数(newSTRef 0)的类型是forall s. ST s (STRef s Int)，最后求值后的结果是a0::STRef s Int，显然s脱离了原本的定义域（也就是那层forall之外，forall是Haskell中提供**RankNType**的关键字）。从而用户就只能使用下面的方式：

sumST :: Num a => [a] -> a
sumST xs = runST $ do          
    n <- newSTRef 0             
    forM_ xs $ \x -> do        
    modifySTRef n (+x)     
    readSTRef n     

不用标出标出具体实现，大家就能看出他做的事情就是做了一层wrapper，在type checker上保证被box之后不会被用户取出来乱改。至于如何做到destructive in-place update，这就属于编译器的黑魔法了，语言这层只需保证语义就好。（**注：**ghc的实现中，ST Monad标准库用到了ghc的unsafe打头的内置函数）

Clean

Clean语言用的策略是线性类型系统（linear type system），是Substructural type sysytem的一种。在Curry-Howard同构中对应Substructrual logic。这类类型系统中，不但可以决定一个变量是什么类型，还可以约束被使用的次数与顺序。在Mozilla出的Rust语言中，也可以看到线性类型的影子。

先举个栗子~

transform :: (Int -> Int) *{#Int} -> *{#Int} 
transform f s
 | size s == 0 = s
 | otherwise   = if (s.[0] == 0)
                   {f i \\ i <-: s}
                   {f i \\ _ <-: s & i <- [s.[0]..]}

（不要在意奇怪的语法，｛｝里面其实就是list comprehension）

其中*就是uniqueness type的标注，这个函数的类型用haskell写出来就是transform :: (Int -> Int) -> *[Int] -> *[Int]。这个函数虽然没有很好的看出uniqueness type的特性和传播性，但是作为简单的例子，差不多就是这么回事。
对于uniqueness type最直观的理解就是带有这个标识的类型是不能参与到以后Graph Reduction中，而且会检测会不会有多个“变量”指向他。上面这个函数中就不会存在多个[Int]及相关的副本等着被回收，而是会直接在（ReadWorld中的）内存上更新数据。

最后

其实已经看出，在上面Haskell与Clean的做法中，一个是利用forall关键字与ST Monad+编译器黑魔法，另一个是build-in在类型系统中，但是本质都是做了一件事情，就是保证RealWorld中的对象不会存在多个引用，而且在Graph Reduction中不会被编译器搞乱顺序，这样就能融入到整个纯函数式的大体系中了。