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？
dushiyang68 · 2023-05-12 09:39:48 +08:00 · 2505 次点击这是一个创建于 593 天前的主题，其中的信息可能已经有所发展或是发生改变。
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？
 |
1
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。
|
 |
2
kkocdko 2023-05-12 09:47:12 +08:00 via Android
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。 |
 |
3
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
|
 |
4
dushiyang68 OP @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
|
 |
5
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。
|
 |
6
ivan_wl 2023-05-12 11:47:18 +08:00
可以了解一下 linux 的 blk-mq
|
 |
7
seers 2023-05-12 12:51:20 +08:00 via Android
DIO 和 AIO
|
 |
8
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。。 |
 |
9
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
|
Select Language