LightKV-高性能key-value存储组件

LightKV是基于Java NIO的轻量级，高性能，高可靠的key-value存储组件。

一、起源

Android平台常见的本地存储方式, SDK内置的有SQLite，SharedPreference等，开源组件有ACache, DiskLruCahce等，有各自的特点和适用性。
SharedPreference以其天然的 key-value API，二级存储（内存HashMap, 磁盘xml文件）等特点，为广大开发者所青睐。
然而，任何工具都是有适用性的，参见文章《不要滥用SharedPreference》。
当然，其中一些缺点是其定位决定的，比如说不适合存储大的key-value, 这个无可厚非；
不过有一些地方可以改进，比如存储格式：xml解析速度慢，空间占用大，特殊字符需要转义等特点，对于高频变化的存储，实非良策。
故此，有必要写一个改良版的key-value存储组件。

二、LightKV原理

2.1、存储格式

我们希望文件可以流式解析，对于简单key-value形式，完全可以自定义格式。
例如，简单地依次保存key-value就好：
key|value|key|value|key|value……

value

关于value类型，我们需要支持一些常用的基础类型：boolean, int, long, float, double, 以及String 和 数组(byte[])。
尤其是后者，更多的复合类型（比如对象）都可以通过String和数组转化。
作为底层的组件，支持最基本的类型可以简化复杂度。
关于String和byte[], 存储为二进制时先存长度，再存内容。

key

我们观察到，在实际使用中key通常是预先定义好的；
故此，我们可以舍弃一定的通用性，用int来作为key, 而非用String。
有舍必有得，用int作为key，可以用更少的空间承载更多的信息。

public interface DataType {
    int OFFSET = 16;
    int MASK = 0xF0000;
    int ENCODE = 1 << 20;

    int BOOLEAN = 1 << OFFSET;
    int INT = 2 << OFFSET;
    int FLOAT = 3 << OFFSET;
    int LONG = 4 << OFFSET;
    int DOUBLE = 5 << OFFSET;
    int STRING = 6 << OFFSET;
    int ARRAY = 7 << OFFSET;
}

key的低16位用来定义key,
17-19位用来定义类型，
20位预留，
21位标记是否编码（后面会讲到），
32位（最高位）标记是否有效：不为0时为无效，读取时会跳过。

内存缓存

SharePreference相对于ACache，DiskLruCache等多了一层内存的存储，于是他们的定位也就泾渭分明了：
后者通常用于存储大对象或者文件等，他们只负责提供磁盘存储，至于读到内存之后如果使用和管理，则不是他们的职责了。
太大的对象会占用太多的内存，而SharePreference是长期持有引用，没有空间限制和淘汰机制的，因此SharePreference适用于“轻量级存储”， 而由此所带来的收益就是读##取速度很快。
LightKV定位也是“轻量级存储”，所以也会在内存中存储key-value，只不过这里用SparseArray来存储。

2.2、 存储操作

上面提到, 存储格式是简单地key-value依次排列：
key|value|key|value|key|value……
这样存放，读取时可以流式地解析，甚至，写入时可以增量写入。

方案一、增量&异步

增量操作

新增：在尾部追加key|value即可；
删除：为了避免字节移动，可以用标记的方法——将key的最高位标记为1；
修改：如果value长度不变，寻址到对应的位置，写入value即可；否则，先“删除”，再“新增”；
GC: 解析文件内容时记录删除的内容的长度，大于设定阈值则清空文件，做一次全量写入。

mmap

要想增量修改文件，需要具备随机写入的能力：
Java NIO会是不错的选择，甚至，可以用mmap(内存映射文件)。
mmap还有一些优点：
1、直接操作内核空间：避免内核空间和用户空间之前的数据拷贝；
2、自动定时刷新：避免频繁的磁盘操作；
3、进程退出时刷新：系统层面的调用，不用担心进程退出导致数据丢失。

如果要说不足，就是在映射文件阶段比常规的IO的打开文件消耗更多。
所以API中建议大文件时采用mmap，小文件的读写用建议用常规IO；而网上介绍mmap也多时举例大文件的拷贝。
事实上如果小文件是高频写入的话，也是值得一试的，
比如腾讯的日志组件 xlog 和 存储组件 MMKV, 都用了mmap。

mmap的写入方式其实类似于异步写入，只是不需要自己开线程去刷数据到磁盘，而是由操作系统去调度。
这样的方式有利有弊，好处是写入快，减少磁盘损耗；
不足之处就是，和SharePreference的apply一样，不具备原子性，没有入原子性，一致性就得不到保障。
比如，数据写入内存后，在数据刷新到磁盘之前，发生系统级错误（如系统崩溃）或设备异常（如断电，磁盘损坏等），此时会丢失数据；
如果写入内存后，刷入磁盘前，有别的代码读取了刚才写入的内存，就有可能导致数据不一致。
不过，通常情况下，发生系统级错误和设备异常的概率较低，所以还是比较可靠的。

方案二、全量&同步

对于一些核心数据，我们希望用更可靠的方式存储。
怎么定义可靠呢？
首先原子性是要有的，所以只能同步写入了；
然后是可用性和完整性： 程序异常，系统异常，或者硬件故障等都肯能导致数据丢失或者错误。

查看SharedPreference源码，其容错策略是，
写入前重命名主文件为备份文件的名字，成功写入则删除备份文件，
而打开文件阶段，如果发现有备份文件，将备份文件重命名为主文件的名字。
从而，假如写入数据时发生故障，再次重启APP时可以从备份文件中恢复数据。
这样的容错策略，总体来说是不错的方案，能保证大多数据情况下的数据可用性。
我们没有采用该方案，主要是考虑方案操作相对复杂，以及其他一些顾虑。

我们采用的策略是：冗余备份+数据校验。

冗余备份

冗余备份来提高数据数据可用性的思想在很多地方有体现，比如 RAID 1 磁盘阵列。
同样，我们可以通过一份内存写两个文件，这样当一个文件失效，还有另外一个文件可用。
比方说一个文件失效的概率时十万分之一，则两个文件同时失效的概率是百亿分之一。
总之，冗余备份可以大大减少数据丢失的概率。
有得必有失，其代价就是双倍磁盘空间和写入时间。

不过我们的定位是“轻量级存储”，如果只存“核心数据”，数据量不会很大，所以总的来说收益大于代价。
就写入时间方面，相比SharedPreference而言，重命名和删除文件也是一种IO，其本质是更新文件的“元数据”。
写磁盘以页（page）为单位，一页通常为4K。
向文件写入一个字节和1K字节，在磁盘写入阶段是等价的（除非这1K跨页-_-）。
数据量较少时，写入两份文件，相比于“重命名->写数据->删除文件”的操作，区别不大。

数据校验

数据校验的方法通常是对数据进行一些的运算，将运算结果放在数据后；读取时做同样运算，然后和之前的结果对比。
常见的方法有奇偶校验，CRC, MD5, SHA等。
奇偶校验多被应用于计算机硬件的错误检测中; 软件层面，通常是计算散列。
众多Hash算法中，我们选择 64bit 的 MurmurHash, 关于MurmurHash可查看笔者的另一篇文章《漫谈散列函数》。

在考虑分组写入还全量写入，分组校验还是全量校验时，
分组的话，细节多，代码复杂，还是选择全量的方式吧。
也就是，收集所有key|value到buffer, 然后计算hash, 放到数据后，一并写入次磁盘。

鱼和熊掌

不同的应用场景有不同的需求。
LightKV同时提供了快速写入的mmap方式，和更可靠写入的同步写入方式。
它们有相同的API，只是存储机制不一样。

public abstract class LightKV {
    final SparseArray<Object> mData = new SparseArray<>();
    //......
}

public class AsyncKV extends LightKV {
    private FileChannel mChannel;
    private MappedByteBuffer mBuffer;
    //......
}

public class SyncKV extends LightKV {
    private FileChannel mAChannel;
    private FileChannel mBChannel;
    private ByteBuffer mBuffer;
    //......
}

AsyncKV由于不具备一致性，所以也没有必要冗余备份了，写一份就好，以求更高的写入效率和更少磁盘写入。
SyncKV由于要做冗余备份，所以需要打开两个文件，不过一份用同一份buffer即可；
两者的特点在前面“方案一”和“方案二”中有所阐述了，根绝具体需求灵活使用即可。

2.3 内容混淆

对于用XML来存储的SharePreferences来说，打开其文件即可一览所有key-value, 即使开发者对value进行编码，key还是可以看到的。
SharePreferences的文件不是存在App下的目录，在沙盒之中吗？
无root权限下，对于其他应用（非系统），沙盒确实是不可访问的；
但是对于APP逆向者（黑色产业？）来说，SharePreferences文件不过是囊中之物，或可从中一窥APP的关键，以助其破解APP。
故此，混淆内容文件，或可增加一点破解成本。
对于APP来说，没有绝对的安全，只是破解成本与收益之间的博弈，这里就不多作展开了。

LightKV由于采用流式存储，而且key是用int类型，所以不容易看出其文件内容；
但是如果value是明文字符串，还是可以看到部分内容的，如下图：

LightKV提供了混淆value(String和Array类型）的接口：

    public interface Encoder {
        byte[] encode(byte[] src);
        byte[] decode(byte[] des);
    }

开发者可以按照自己的规则实现编码和解码。
下面例子谨供参考：

public class ConfuseEncoder implements LightKV.Encoder {
    private static final Random RANDOM = new Random();
    private static final byte[] S_BOX = { ...... };
    private static final byte[] INV_S_BOX = { ...... };

    @Override
    public byte[] encode(byte[] src) {
        if (src == null || src.length == 0) {
            return src;
        }
        int len = src.length;
        byte[] des = new byte[len + 4];
        int seed = RANDOM.nextInt();
        des[0] = (byte) (seed >> 24);
        des[1] = (byte) ((seed >> 16) & 0xFF);
        des[2] = (byte) ((seed >> 8) & 0xFF);
        des[3] = (byte) (seed & 0xFF);
        for (int i = 0; i < len; i++) {
            des[i + 4] = S_BOX[(des[i] ^ src[i]) & 0xFF];
        }
        return des;
    }

    @Override
    public byte[] decode(byte[] des) {
        if (des == null || des.length == 0) {
            return des;
        }
        if (des.length <= 4) {
            throw new IllegalArgumentException("invalid encoded bytes");
        }
        int len = des.length - 4;
        byte[] src = new byte[len];
        for (int i = 0; i < len; i++) {
            src[i] = (byte) (INV_S_BOX[des[i + 4] & 0xFF] ^ des[i]);
        }
        return src;
    }
}

混淆方法是“随机数+S盒”，S盒运算是AES加密过程中重要的一环，是非线性运算，适合用来做混淆。
为什么不直接用AES？
1、AES运算复杂度较高，要经过很多轮运算，每一轮好几种置换，如果仅仅是混淆的目的，大材小用了；
2、对于APP而言，算法和密钥在终端都是可见的，可通过逆向，调试等方法破解，对于如上场景，简单混淆和AES加解密的效果是差不多的。
如果想要更加安全，APP防护（防逆向，防调试等）才是关键。
当然也不是说AES在终端就不安全了，只是通常在特定场景，结合非对称加密和散列算法（SHA，MD5）方能发挥其作用（如SSL）。
扯远了~
来看下混淆后的结果，打开文件看到的都是无关的乱码：

肯能有人会说，这样的做法杀敌一千，自损八百啊！
没事，LightKV的toString方法可以查看文件的内容：

而且，这个“后门”通常在DEBUG时才有效，除非发布RELEASE时不混淆……
具体原理，我们后面细细道来，先说下使用方法。

三、使用方法

前面我们看到，SyncKV和AsyncKV都继承于LightKV, 二者在内存中的存储格式是一致的，都是SparseArray,
所以get方法封装在LightKV中，然后各自实现put方法。
方法列表如下图：

和SharePreferences类似，也有contains, remove, clear 和 commit 方法，甚至于，具体用法也很类似：

public class AppData {
    private static final  SharedPreferences sp = GlobalConfig.getAppContext().getSharedPreferences("app_data", Context.MODE_PRIVATE);
    private static final  SharedPreferences.Editor editor = sp.edit();

    private static final String ACCOUNT = "account";
    private static final String TOKEN = "token";

    private static void putInt(String key, int value) {
        editor.putInt(key, value);
        editor.commit();
    }

    private static int getInt(String key) {
        return sp.getInt(key, 0);
    }
}

public class AppData {
    private static final SyncKV DATA =
            new LightKV.Builder(GlobalConfig.getAppContext(), "app_data")
                    .logger(AppLogger.getInstance())
                    .executor(AsyncTask.THREAD_POOL_EXECUTOR)
                    .keys(Keys.class)
                    .encoder(new ConfuseEncoder())
                    .sync();

    public interface Keys {
        int SHOW_COUNT = 1 | DataType.INT;

        int ACCOUNT = 1 | DataType.STRING | DataType.ENCODE;
        int TOKEN = 2 | DataType.STRING | DataType.ENCODE;
    }

    public static SyncKV data() {
        return DATA;
    }

    public static String getString(int key) {
        return DATA.getString(key);
    }

    public static void putString(int key, String value) {
        DATA.putString(key, value);
        DATA.commit();
    }

    public static int getInt(int key) {
        return DATA.getInt(key);
    }

    public static void putInt(int key, int value) {
        DATA.putInt(key, value);
        DATA.commit();
    }
}

当然，以上只是众多封装方法中的一种，具体使用中，不同的开发者有不同的偏好。

对于LightKV而言，key的定义方法如下：
1、最好一个文件对应一个统一定义key的类，如上面的“Keys”；
2、key的赋值，按类型从1到65534都可以定义，然后和对应的DataType做“|”运算（解析的时候需要据此判断类型）；
3、String和byte[]类型，如果需要混淆的话，再与DataType.ENCODE做“|”运算。

相对于SharePreferences，LightKV有更多的初始化选项，故而用构造者模式来构建对象。
下面逐一分析各个参数和对应的特性：

3.1 错误日志

    public interface Logger {
        void e(String tag, Throwable e);
    }

大多数组件都不能保证运行期不发生异常，发生异常时，开发者通常会把异常信息打印到日志文件（有的还会上传云端）。
故此，LightKV提供了打印日志接口，传入实现类即可。

3.2 异步加载

SharePreferences的加载在新创建的的线程中加载的, 在完成加载之前阻塞读和写：

    private void startLoadFromDisk() {
        synchronized (mLock) {
            mLoaded = false;
        }
        new Thread("SharedPreferencesImpl-load") {
            public void run() {
                loadFromDisk();
            }
        }.start();
    }

    private void awaitLoadedLocked() {
        if (!mLoaded) {
            // Raise an explicit StrictMode onReadFromDisk for this
            // thread, since the real read will be in a different
            // thread and otherwise ignored by StrictMode.
            BlockGuard.getThreadPolicy().onReadFromDisk();
        }
        while (!mLoaded) {
            try {
                mLock.wait();
            } catch (InterruptedException unused) {
            }
        }
    }

    @Nullable
    public String getString(String key, @Nullable String defValue) {
        synchronized (mLock) {
            awaitLoadedLocked();
            String v = (String)mMap.get(key);
            return v != null ? v : defValue;
        }
    }

LightKV同样是利用wait-noifty机制，但是实现相对简单（至少笔者是这么认为的-_-）,
还有就是，使用者可以使用自己的线程池，也可以选择不异步加载（不传Executor即可）。

    private final Object mWaiter = new Object();

    LightKV(Executor executor,  /*省略其他参数*/) {
        if (executor == null) {
            getData(path, keyDefineClass);
        } else {
            synchronized (mWaiter) {
                executor.execute(new Runnable() {
                    @Override
                    public void run() {
                        getData(path, keyDefineClass);
                    }
                });
                try {
                    // wait util loadData() get the object lock（lock of LightKV）
                    mWaiter.wait();
                } catch (InterruptedException ignore) {
                }
            }
        }
    }

    private synchronized void getData(String path, Class keyDefineClass) {
        // we got the object lock, notify waiter to continue the procedure on that thread
        synchronized (mWaiter) {
            mWaiter.notify();
        }
        // loading data
    }

    public synchronized String getString(int key) {
        // return value
    }

值得提醒的是，虽然提供了异步加载，但是有时候没有异步加载的效果，
比如对象初始化的同事立即调用get或者put方法(会阻塞当前线程知道加载完成）。

建议写法：

    fun inti(context: Context) {
        // 仅初始化对象，以触发加载，不做get和put
        AppData.data()

        // 其他初始化工作
    }

3.3 混淆配置

上一章最后一节讲到内容混淆，最后提到DEBUG时可以通过toString方法查看文件内容。
其实漏讲了一些，比如说，构建LightKV时如果不传入 Keys.class , 则无法查看。
其原理为，构建LightKV时，如果传入Keys.class, 可以通过反射获取各个key的定义值以及名字，
这样toString时就可以据此打印文件内容了。

private SparseArray<String> mKeyArray;

private void getKeyArray(Class keyDefineClass) {
    if (keyDefineClass == null) {
        return;
    }
    Field[] fields = keyDefineClass.getDeclaredFields();
    mKeyArray = new SparseArray<>(fields.length);
    for (Field field : fields) {
        if (field.getType() == int.class
                && Modifier.isPublic(field.getModifiers())
                && Modifier.isFinal(field.getModifiers())) {
            mKeyArray.put(field.getInt(keyDefineClass), field.getName());
        }
    }
}

在RELEASE版本，开发者通常会做代码混淆。
通常情况下，如果不做特别的混淆配置，常量会内联到调用处，定义的地方会被“优化”掉。

public class a
{
  // ......
  // 原来的 Keys
  public static abstract interface a {}
}

因此，RELEASE版本调用toString看不到文件的内容。
不过，如果APP被调试了，还是可以从SparseArray中看到内容的……

传入Keys.class还有另一个用途：

随着代码的演进，有的key-value或许再也用不到了，但数据还是存在文件中的。
有没有什么办法在不用的时候从文件中也一并移除呢？
LightKV支持这种操作。
其原理是，在读取文件之前获取Keys的key的定义值（前面有说到），读取文件的key|value时，有对应的key定义则存如SparseArray, 否则忽略。
等下一次刷新数据，没有定义的数据也就被刷掉了。
不过这个操作的前提是Keys的定义没有被“优化”掉-_-

如果需要该特性，可以配置“允许混淆”，但是保持成员：

-keepclassmembers,allowobfuscation interface **.Keys {*;}
-keepclassmembers,allowobfuscation interface **$Keys {*;}

如此，最终生成没有被“优化”但被混淆的“Keys”：

  public static abstract interface a
  {
    public static final int a = 131073;
    public static final int b = 1441793;
    public static final int c = 1441794;
    public static final int d = 1507329;
  }

如果你不需要查看全部内容，也不在意空间占用，可以不传Keys.class，也无需额外的混淆配置。

四、评测

仓促之间，准备的测试用例可能不是很科学，仅供参考-_-

测试用例中，对支持的7种类型各配置5个key, 共35对key|value。
测试机器：小米 note 1, 16G存储

存储空间

AsyncKV由于采用mmap的打开方式，需要映射一块磁盘空间到内存，为了减少碎片，故而一次映射一页（4K）。
SyncKV由于存储格式比较紧凑，所以文件大小相比SharePreferences要小；
但是由于SyncKV采用双备份，所以总大小和SharePreferences差不多。

数据量都少于4K时，其实三者相差无几；
当存储内容变多时，AsyncKV反而会更少占用，因为其存储格式和SyncKV一样，但是只用存一份。

加载性能

前面也提到，mmap在打开文件比常规打开文件消耗更多，故而API文档中建议大文件时才用mmap。
测试结果确实显示mmap在读取阶段确实比较耗时，但是，如果打开后频繁写入，那就体现出mmap的优势了。

写入性能

理想中的写入是各组key|value全写到内存，然后统一调用一次commit, 这样写入是最快的。
然而实际使用中，各组key|value的写入通常是随机的，所以下面测试结果，都是每次put后立即提交。
AsyncKV例外，因为其定位就是减少IO，让系统内核自己去提交更新。

AsyncKV 和 SharePreferences-apply 这两种方式，提交到内存后立即返回，所以耗时较少；
SyncKV 和 SharePreferences-commit，都是在当前线程提交内存和磁盘，故而耗时较长。
无论是同步写入还是异步写入，LightKV都要比SharePreferences快。

五、总结

SharePreferences是Android平台轻量且方便的key-value存储组件，然而不少可以改进的地方。
LightKV 以 SharePreferences 为参考，从效率，安全和细节方面，提供更好的存储方式。

项目地址：
https://github.com/No89757/LightKV

参考文章：
http://www.cnblogs.com/mingfeng002/p/5970221.html
https://blog.csdn.net/u010335298/article/details/72884644
https://cloud.tencent.com/developer/article/1066229
https://segmentfault.com/r/1250000007474916?shareId=1210000007474917
https://zhuanlan.zhihu.com/p/26697193
https://sites.google.com/site/murmurhash