Skip to content

Valkey 9.2 เปลี่ยนจาก Skiplist เป็น B+ Tree ลดใช้แรม Sorted Sets สูงสุด 43%

  • by

เมื่อฐานข้อมูลในหน่วยความจำปรับโครงสร้างครั้งใหญ่

 

Valkey 9.2 เปลี่ยนจาก Skiplist เป็น B+ Tree ลดใช้แรม Sorted Sets สูงสุด 43%

ในโลกของการพัฒนาซอฟต์แวร์ยุคใหม่ ฐานข้อมูลแบบ In-Memory อย่าง Valkey คือหัวใจสำคัญที่ช่วยเร่งความเร็วให้กับระบบระดับองค์กร ตั้งแต่การจัดอันดับผู้เล่นแบบเรียลไทม์ ระบบคิวงาน ไปจนถึงการแคชข้อมูลที่มีการเข้าถึงถี่สูง ล่าสุดชุมชนนักพัฒนา Valkey ได้ปล่อย Valkey 9.2 ซึ่งกลายเป็นประเด็นที่ได้รับความสนใจอย่างมากบน Hacker News จากการตัดสินใจครั้งสำคัญในระดับโครงสร้างข้อมูล (Data Structure) นั่นคือการยกเลิกการใช้ Skiplist ในโครงสร้าง Sorted Sets ขนาดใหญ่ แล้วหันมาใช้ B+ Tree (ในรูปแบบ `fbtree`) แทน

การเปลี่ยนแปลงครั้งนี้ไม่ใช่เพียงการปรับแต่งเล็กน้อย แต่เป็นการแก้ปัญหาคอขวดที่นักพัฒนาฐานข้อมูลเผชิญมานานหลายปี เมื่อข้อมูลมีขนาดใหญ่ขึ้นและจำนวนสมาชิกใน Sorted Sets พุ่งสูงขึ้น ภาระด้านหน่วยความจำ (RAM) และความถี่ของการกระโดดข้ามตำแหน่งในหน่วยความจำมักกลายเป็นปัจจัยจำกัดต้นทุนของระบบ

ทำไม Skiplist ถึงสร้างภาระให้หน่วยความจำ

เดิมทีโครงสร้างข้อมูล Sorted Sets ในระบบฐานข้อมูลสไตล์ Redis และ Valkey นิยมใช้ Skiplist ควบคู่กับ Hash Table เพื่อให้สามารถค้นหาข้อมูลและเรียงลำดับตามคะแนนได้อย่างรวดเร็ว ข้อดีของ Skiplist คือความเรียบง่ายในการเขียนโค้ดและรักษาสมดุลของโครงสร้างได้โดยไม่ต้องหมุนโหนดซับซ้อนเหมือนต้นไม้บางประเภท

อย่างไรก็ตาม เมื่อจำนวนสมาชิกใน Sorted Sets เพิ่มขึ้นในระดับมหาศาล Skiplist เริ่มแสดงจุดอ่อนชัดเจน ตัวชี้ (Pointers) หลายชั้นในแต่ละโหนดทำให้เกิดต้นทุนหน่วยความจำต่อสมาชิก (Per-Member Memory Overhead) สูงขึ้น และเมื่อโหนดกระจายตัวอยู่ในหน่วยความจำ การวิ่งไล่ตามตัวชี้หลายชั้นส่งผลกระทบต่อ CPU Cache Locality ทำให้เกิด Cache Miss บ่อยครั้งขึ้น ส่งผลต่อประสิทธิภาพโดยรวมเมื่อระบบทำงานหนัก

B+ Tree (fbtree) เข้ามาแก้เกมได้อย่างไร

ใน Valkey 9.2 ทีมพัฒนาได้นำ fbtree ซึ่งเป็นโครงสร้างแบบ B+ Tree ที่ออกแบบมาให้สอดคล้องกับการทำงานของฮาร์ดแวร์สมัยใหม่ มาแทนที่ Skiplist สำหรับ Sorted Sets ขนาดใหญ่ จุดเด่นสำคัญของ B+ Tree ที่มีค่า Fanout สูง คือการจัดเก็บข้อมูลหลายรายการไว้ในโหนดเดียวกันอย่างเป็นระเบียบ

แนวทางนี้ช่วยลดจำนวนการกระโดดเข้าถึงหน่วยความจำแบบสุ่ม และเพิ่มโอกาสที่ข้อมูลที่ต้องการจะอยู่ใน CPU Cache อยู่แล้ว ผลลัพธ์ที่ได้ตามรายงานการเปิดตัว Valkey 9.2 คือสามารถลดการใช้หน่วยความจำส่วนเกินต่อสมาชิกใน Sorted Sets ขนาดใหญ่ลงได้ระหว่าง 36% ถึง 43% โดยที่ผู้ใช้งานยังคงใช้ฮาร์ดแวร์ชุดเดิมได้เต็มประสิทธิภาพยิ่งขึ้น

ฟีเจอร์เสริมที่น่าสนใจใน Valkey 9.2

นอกเหนือจากการยกเครื่องโครงสร้าง Sorted Sets แล้ว Valkey 9.2 ยังมาพร้อมความสามารถเพิ่มเติมที่ตอบโจทย์การดูแลระบบขนาดใหญ่ในสภาพแวดล้อมการผลิตจริง (Production) เช่น การทำ Forkless Snapshots ที่ช่วยลดความเสี่ยงและภาระหน่วยความจำชั่วขณะระหว่างการสร้างสแนปช็อตของฐานข้อมูลขนาดใหญ่ รวมถึงการทำ Compressed Replication และฟีเจอร์ด้านการควบคุมสิทธิ์ (ACL) ซึ่งทั้งหมดนี้ช่วยให้ทีมวิศวกรรมบริหารจัดการทรัพยากรได้คุ้มค่าขึ้นโดยไม่ต้องเพิ่มงบประมาณฮาร์ดแวร์ทันที

บทเรียนสำหรับนักพัฒนาและสถาปนิกระบบ

การอัปเดตของ Valkey 9.2 สะท้อนให้เห็นว่าแม้ซอฟต์แวร์โอเพนซอร์สที่เสถียรและใช้งานกันแพร่หลายอยู่แล้ว ก็ยังสามารถยกระดับประสิทธิภาพได้อีกมากเมื่อนำ วิทยาการคอมพิวเตอร์พื้นฐาน อย่างการเลือกโครงสร้างข้อมูลให้สอดคล้องกับพฤติกรรมของ CPU Cache และหน่วยความจำในปัจจุบันมาประยุกต์ใช้อย่างจริงจัง

สำหรับองค์กรหรือนักพัฒนาที่พึ่งพา Sorted Sets เป็นหลักในการเก็บข้อมูลลำดับหรือการจัดอันดับ การทดลองทดสอบ Valkey 9.2 กับปริมาณข้อมูลจริงในสภาพแวดล้อม Staging จะช่วยให้เห็นภาพชัดเจนว่าสามารถคืนพื้นที่หน่วยความจำกลับมาได้มากน้อยเพียงใด และช่วยวางแผนลดต้นทุนโครงสร้างพื้นฐานในระยะยาวได้อย่างเป็นรูปธรรม

ใส่ความเห็น