Netty源码解析之如何理解内存对齐类SizeClasses
这篇文章主要介绍"Netty源码解析之如何理解内存对齐类SizeClasses"，在日常操作中，相信很多人在Netty源码解析之如何理解内存对齐类SizeClasses问题上存在疑惑，小编查阅了各式资料，整理出简单好用的操作方法，希望对大家解答"Netty源码解析之如何理解内存对齐类SizeClasses"的疑惑有所帮助！接下来，请跟着小编一起来学习吧！
在学习Netty内存池之前，我们先了解一下Netty的内存对齐类SizeClasses，它为Netty内存池中的内存块提供大小对齐，索引计算等服务方法。
源码分析基于Netty 4.1.52
Netty内存池中每个内存块size都符合如下计算公式size = 1 << log2Group + nDelta * (1 << log2Delta)
log2Group：内存块分组
nDelta：增量乘数
log2Delta：增量大小的log2值
SizeClasses初始化后，将计算chunkSize（内存池每次向操作系统申请内存块大小）范围内每个size的值，保存到sizeClasses字段中。
sizeClasses是一个表格（二维数组），共有7列，含义如下
index:内存块size的索引
log2Group:内存块分组，用于计算对应的size
log2Delata:增量大小的log2值，用于计算对应的size
nDelta:增量乘数，用于计算对应的size
isMultipageSize:表示size是否为page的倍数
isSubPage:表示是否为一个subPage类型
log2DeltaLookup:如果size存在位图中的，记录其log2Delta，未使用
sizeClasses负责计算sizeClasses表格
private int sizeClasses() { int normalMaxSize = -1; int index = 0; int size = 0; // #1 int log2Group = LOG2_QUANTUM; int log2Delta = LOG2_QUANTUM; int ndeltaLimit = 1 << LOG2_SIZE_CLASS_GROUP; // #2 int nDelta = 0; while (nDelta < ndeltaLimit) { size = sizeClass(index++, log2Group, log2Delta, nDelta++); } log2Group += LOG2_SIZE_CLASS_GROUP; // #3 while (size < chunkSize) { nDelta = 1; while (nDelta <= ndeltaLimit && size < chunkSize) { size = sizeClass(index++, log2Group, log2Delta, nDelta++); normalMaxSize = size; } log2Group++; log2Delta++; } //chunkSize must be normalMaxSize assert chunkSize == normalMaxSize; //return number of size index return index;}LOG2_QUANTUM=4
LOG2_SIZE_CLASS_GROUP=2#1 log2Group，log2Delta都是从LOG2_QUANTUM开始
ndeltaLimit为2^LOG2_SIZE_CLASS_GROUP，即内存块size以4个为一组进行分组#2 初始化第0组
nDelta从0开始
sizeClass方法计算sizeClasses每一行内容
注意：第0组后log2Group增加LOG2_SIZE_CLASS_GROUP，而log2Delta不变#3 初始化后面的size
nDelta从1开始
每组log2Group+1，log2Delta+1
将log2Group=log2Delta+LOG2_SIZE_CLASS_GROUP代入计算公式中，得到size = 1 << (log2Delta+LOG2_SIZE_CLASS_GROUP) + nDelta * (1 << log2Delta)size = (nDelta + 2 ^ LOG2_SIZE_CLASS_GROUP) * (1 << log2Delta)
可以看到，每个内存块size都是(1 << log2Delta)的倍数
从第二组开始，每组内这个倍数依次是5,6,7,8
每组内相邻行大小增量为(1 << log2Delta)，相邻组之间(1 << log2Delta)翻倍。
Netty默认的配置一个page的大小是2^13,即为8KB,默认的一个chunk的大小为16777216，即16MB。sizeClasses表格内存如下：
Netty内存池中管理了大小不同的内存块，对于这些不同大小的内存块，Netty划分为不同的等级Small，Normal，Huge。Huge是大于chunkSize的内存块，不在表格中，这里也不讨论。
sizeClasses表格可以分为两部分
isSubPage为1的size为Small内存块，其他为Normal内存块。 分配Small内存块，需要找到对应的index 通过size2SizeIdx方法计算index 比如需要分配一个90字节的内存块，需要从sizeClasses表格找到第一个大于90的内存块size，即96，其index为5。
Normal内存块必须是page的倍数。 将isMultipageSize为1的行取出组成另一个表格
PoolChunk中分配Normal内存块需求查询对应的pageIdx。
比如要分配一个50000字节的内存块，需要从这个新表格找到第一个大于50000的内存块size，即57344，其pageIdx为6。
通过pages2pageIdxCompute方法计算pageIdx。
下面看一下具体的计算方法
public int size2SizeIdx(int size) { if (size == 0) { return 0; } // #1 if (size > chunkSize) { return nSizes; } // #2 if (directMemoryCacheAlignment > 0) { size = alignSize(size); } // #3 if (size <= lookupMaxSize) { //size-1 / MIN_TINY return size2idxTab[size - 1 >> LOG2_QUANTUM]; } // #4 int x = log2((size << 1) - 1); // #5 int shift = x < LOG2_SIZE_CLASS_GROUP + LOG2_QUANTUM + 1 ? 0 : x - (LOG2_SIZE_CLASS_GROUP + LOG2_QUANTUM); int group = shift << LOG2_SIZE_CLASS_GROUP; // #6 int log2Delta = x < LOG2_SIZE_CLASS_GROUP + LOG2_QUANTUM + 1 ? LOG2_QUANTUM : x - LOG2_SIZE_CLASS_GROUP - 1; // #7 int deltaInverseMask = -1 << log2Delta; int mod = (size - 1 & deltaInverseMask) >> log2Delta & (1 << LOG2_SIZE_CLASS_GROUP) - 1; return group + mod;}#1 大于chunkSize，就是返回nSizes代表申请的是Huge内存块。#2 不使用sizeClasses表格，直接将申请内存大小转换为directMemoryCacheAlignment的倍数，directMemoryCacheAlignment默认为0。#3 SizeClasses将一部分较小的size与对应index记录在size2idxTab作为位图，这里直接查询size2idxTab，避免重复计算
size2idxTab中保存了(size-1)/(2^LOG2_QUANTUM) --> idx的对应关系。
从sizeClasses方法可以看到，sizeClasses表格中每个size都是(2^LOG2_QUANTUM) 的倍数。#4 对申请内存大小进行log2的向上取整，就是每组最后一个内存块size。-1是为了避免申请内存大小刚好等于2的指数次幂时被翻倍。
将log2Group = log2Delta + LOG2_SIZE_CLASS_GROUP，nDelta=2^LOG2_SIZE_CLASS_GROUP代入计算公式，可得lastSize = 1 << (log2Group + 1)
即x = log2Group + 1#5 shift， 当前在第几组，从0开始（sizeClasses表格中0~3行为第0组，4~7行为第1组，以此类推，不是log2Group）x < LOG2_SIZE_CLASS_GROUP + LOG2_QUANTUM + 1，即log2Group < LOG2_SIZE_CLASS_GROUP + LOG2_QUANTUM ，满足该条件的是第0组的size，这时shift固定是0。
从sizeClasses方法可以看到，除了第0组，都满足shift = log2Group - LOG2_QUANTUM - (LOG2_SIZE_CLASS_GROUP - 1)。shift << LOG2_SIZE_CLASS_GROUP就是该组第一个内存块size的索引
#6 计算log2Delta
第0组固定是LOG2_QUANTUM
除了第0组，将nDelta = 2^LOG2_SIZE_CLASS_GROUP代入计算公式lastSize = ( 2^LOG2_SIZE_CLASS_GROUP + 2^LOG2_SIZE_CLASS_GROUP ) * (1 << log2Delta)lastSize = (1 << log2Delta) << LOG2_SIZE_CLASS_GROUP << 1
#7 前面已经定位到第几组了，下面要找到申请内存大小应分配在该组第几位
这里要找到比申请内存大的最小size。
申请内存大小可以理解为上一个size加上一个不大于(1 << log2Delta)的值，即(nDelta - 1 + 2^LOG2_SIZE_CLASS_GROUP) * (1 << log2Delta) + n， 备注：0 < n <= (1 << log2Delta)
注意，nDelta - 1就是mod
& deltaInverseMask，将申请内存大小最后log2Delta个bit位设置为0，可以理解为减去n>> log2Delta，右移log2Delta个bit位，就是除以(1 << log2Delta)，结果就是(nDelta - 1 + 2 ^ LOG2_SIZE_CLASS_GROUP)& (1 << LOG2_SIZE_CLASS_GROUP) - 1， 取最后的LOG2_SIZE_CLASS_GROUP个bit位的值，结果就是mod
size - 1，是为了申请内存等于内存块size时避免分配到下一个内存块size中，即n == (1 << log2Delta)的场景。
疑问：既然右移log2Delta个bit位，那为什么前面要将log2Delta个bit位设置为0？
第0组由于log2Group等于log2Delta，代入计算公式如下1 << log2Delta + (nDelta - 1) * (1 << log2Delta) + n， 备注：0 < n <= (1 << log2Delta)nDelta * (1 << log2Delta) + n
所以第0组nDelta从0开始，mod = nDelta
pages2pageIdxCompute方法计算pageIdx逻辑与size2SizeIdx方法类似，只是将LOG2_QUANTUM变量换成了pageShifts，这里不再重复。
SizeClasses是给PoolArena（内存池），PoolChunk(内存块)提供服务的，建议大家结合后面分析PoolArena，PoolChunk的文章一起理解。
如果大家对SizeClasses具体算法不感兴趣，只有理解SizeClasses类中利用sizeClasses表格，为PoolArena，PoolChunk提供计算index，pageIdx索引的方法，也可以帮助大家理解后面解析PoolArena，PoolChunk的文章。
下面贴出sizeClasses完整表格（可复制到Excle，以|分列）
| index | log2Group | log2Delta | nDelta | isMultiPageSize | isSubPage | log2DeltaLookup | size | usize || 0 | 4 | 4 | 0 | 0 | 1 | 4 | 16 | || 1 | 4 | 4 | 1 | 0 | 1 | 4 | 32 | || 2 | 4 | 4 | 2 | 0 | 1 | 4 | 48 | || 3 | 4 | 4 | 3 | 0 | 1 | 4 | 64 | || 4 | 6 | 4 | 1 | 0 | 1 | 4 | 80 | || 5 | 6 | 4 | 2 | 0 | 1 | 4 | 96 | || 6 | 6 | 4 | 3 | 0 | 1 | 4 | 112 | || 7 | 6 | 4 | 4 | 0 | 1 | 4 | 128 | || 8 | 7 | 5 | 1 | 0 | 1 | 5 | 160 | || 9 | 7 | 5 | 2 | 0 | 1 | 5 | 192 | || 10 | 7 | 5 | 3 | 0 | 1 | 5 | 224 | || 11 | 7 | 5 | 4 | 0 | 1 | 5 | 256 | || 12 | 8 | 6 | 1 | 0 | 1 | 6 | 320 | || 13 | 8 | 6 | 2 | 0 | 1 | 6 | 384 | || 14 | 8 | 6 | 3 | 0 | 1 | 6 | 448 | || 15 | 8 | 6 | 4 | 0 | 1 | 6 | 512 | || 16 | 9 | 7 | 1 | 0 | 1 | 7 | 640 | || 17 | 9 | 7 | 2 | 0 | 1 | 7 | 768 | || 18 | 9 | 7 | 3 | 0 | 1 | 7 | 896 | || 19 | 9 | 7 | 4 | 0 | 1 | 7 | 1024 | 1K || 20 | 10 | 8 | 1 | 0 | 1 | 8 | 1280 | 1.25K || 21 | 10 | 8 | 2 | 0 | 1 | 8 | 1536 | 1.5K || 22 | 10 | 8 | 3 | 0 | 1 | 8 | 1792 | 1.75K || 23 | 10 | 8 | 4 | 0 | 1 | 8 | 2048 | 2K || 24 | 11 | 9 | 1 | 0 | 1 | 9 | 2560 | 2.5K || 25 | 11 | 9 | 2 | 0 | 1 | 9 | 3072 | 3K || 26 | 11 | 9 | 3 | 0 | 1 | 9 | 3584 | 3.5K || 27 | 11 | 9 | 4 | 0 | 1 | 9 | 4096 | 4K || 28 | 12 | 10 | 1 | 0 | 1 | 0 | 5120 | 5K || 29 | 12 | 10 | 2 | 0 | 1 | 0 | 6144 | 6K || 30 | 12 | 10 | 3 | 0 | 1 | 0 | 7168 | 7K || 31 | 12 | 10 | 4 | 1 | 1 | 0 | 8192 | 8K || 32 | 13 | 11 | 1 | 0 | 1 | 0 | 10240 | 10K || 33 | 13 | 11 | 2 | 0 | 1 | 0 | 12288 | 12K || 34 | 13 | 11 | 3 | 0 | 1 | 0 | 14336 | 14K || 35 | 13 | 11 | 4 | 1 | 1 | 0 | 16384 | 16K || 36 | 14 | 12 | 1 | 0 | 1 | 0 | 20480 | 20K || 37 | 14 | 12 | 2 | 1 | 1 | 0 | 24576 | 24K || 38 | 14 | 12 | 3 | 0 | 1 | 0 | 28672 | 28K || 39 | 14 | 12 | 4 | 1 | 0 | 0 | 32768 | 32K || 40 | 15 | 13 | 1 | 1 | 0 | 0 | 40960 | 40K || 41 | 15 | 13 | 2 | 1 | 0 | 0 | 49152 | 48K || 42 | 15 | 13 | 3 | 1 | 0 | 0 | 57344 | 56K || 43 | 15 | 13 | 4 | 1 | 0 | 0 | 65536 | 64K || 44 | 16 | 14 | 1 | 1 | 0 | 0 | 81920 | 80K || 45 | 16 | 14 | 2 | 1 | 0 | 0 | 98304 | 96K || 46 | 16 | 14 | 3 | 1 | 0 | 0 | 114688 | 112K || 47 | 16 | 14 | 4 | 1 | 0 | 0 | 131072 | 128K || 48 | 17 | 15 | 1 | 1 | 0 | 0 | 163840 | 160K || 49 | 17 | 15 | 2 | 1 | 0 | 0 | 196608 | 192K || 50 | 17 | 15 | 3 | 1 | 0 | 0 | 229376 | 224K || 51 | 17 | 15 | 4 | 1 | 0 | 0 | 262144 | 256K || 52 | 18 | 16 | 1 | 1 | 0 | 0 | 327680 | 320K || 53 | 18 | 16 | 2 | 1 | 0 | 0 | 393216 | 384K || 54 | 18 | 16 | 3 | 1 | 0 | 0 | 458752 | 448K || 55 | 18 | 16 | 4 | 1 | 0 | 0 | 524288 | 512K || 56 | 19 | 17 | 1 | 1 | 0 | 0 | 655360 | 640K || 57 | 19 | 17 | 2 | 1 | 0 | 0 | 786432 | 768K || 58 | 19 | 17 | 3 | 1 | 0 | 0 | 917504 | 896K || 59 | 19 | 17 | 4 | 1 | 0 | 0 | 1048576 | 1M || 60 | 20 | 18 | 1 | 1 | 0 | 0 | 1310720 | 1.25M || 61 | 20 | 18 | 2 | 1 | 0 | 0 | 1572864 | 1.5M || 62 | 20 | 18 | 3 | 1 | 0 | 0 | 1835008 | 1.75M || 63 | 20 | 18 | 4 | 1 | 0 | 0 | 2097152 | 2M || 64 | 21 | 19 | 1 | 1 | 0 | 0 | 2621440 | 2.5M || 65 | 21 | 19 | 2 | 1 | 0 | 0 | 3145728 | 3M || 66 | 21 | 19 | 3 | 1 | 0 | 0 | 3670016 | 3.5M || 67 | 21 | 19 | 4 | 1 | 0 | 0 | 4194304 | 4M || 68 | 22 | 20 | 1 | 1 | 0 | 0 | 5242880 | 5M || 69 | 22 | 20 | 2 | 1 | 0 | 0 | 6291456 | 6M || 70 | 22 | 20 | 3 | 1 | 0 | 0 | 7340032 | 7M || 71 | 22 | 20 | 4 | 1 | 0 | 0 | 8388608 | 8M || 72 | 23 | 21 | 1 | 1 | 0 | 0 | 10485760 | 10M || 73 | 23 | 21 | 2 | 1 | 0 | 0 | 12582912 | 12M || 74 | 23 | 21 | 3 | 1 | 0 | 0 | 14680064 | 14M || 75 | 23 | 21 | 4 | 1 | 0 | 0 | 16777216 | 16M |
到此，关于"Netty源码解析之如何理解内存对齐类SizeClasses"的学习就结束了，希望能够解决大家的疑惑。理论与实践的搭配能更好的帮助大家学习，快去试试吧！若想继续学习更多相关知识，请继续关注网站，小编会继续努力为大家带来更多实用的文章！
