五分钟原则

时间相信大家都很熟悉，但五分钟原则又是什么呢？下面就跟小编一起来看一下吧

很久之前从 LSM 树论文的参考文献里找到了这一篇神秘的论文，之后花了相当大的精力都没有搞懂它在干什么 —— 直观上来说它就是在带我算账，但这账我越算越糊涂。

现在我终于搞懂了 Five Minutes Rule 的主要思想，没错，谈钱虽世俗但有用。于是我决定写一篇解释 Five Minutes Rule的博客。

0．硬件原状

磁盘，180MiB，可支持每秒 15 次访问 (15 a/s)，每块售价 15k$。
磁盘和 CPU 之间的“通道”，要支持每秒访问磁盘 1 次，需要 1 k$ (1k $/a/s)。
内存，每 KiB 价格 5$

由于内存速度比磁盘快得多，所以可以假定内存的访问效率是没有上限的。

1. 实验设计

我们可以设置这样一个理想实验：假设有 1,000,000 条只读记录，每条大小为 1 KiB，现在要实现每秒 1,000 次访问 (1,000 a/s)

如果完全用磁盘来实现这个需求 —— 购买更多磁盘，磁盘之间可以并行访问，这样就能把记录均摊到磁盘上，每块磁盘承担较少的 IO
- 共需要约 67 块磁盘，总价格就是 1005k$
- 还需要传输通道，这又是额外的 1000k$
- 实现需求的总开销就是 2005k$
如果完全使用内存
- 需购买 1,000,000 KiB 的内存，总开销就是 5000k$

2. 局部性原理

局部性原理的大致意思就是在多数时间里只有少部分数据被取用。放到上述问题上，假设比例是 80% / 20%，那么有 800 a/s 的访问量都针对 200,000 条记录，而剩下的 200a/s 则来自于剩下的 800,000 条记录。如果按照局部性原理来优化上述的方案：

将访问较少的 800,000 条记录存储在磁盘上，200 a/s 的访问量大致需要 14 块磁盘，价格200k$
额外的通道价格 200k$
内存中存放访问较多的 200,000 条记录，需要 200,000KiB 内存，价格 1000k$
这样，总的开销就只有 1400k$ —— 而且还不用面临一大堆机械硬盘老化带来的各种问题

3. Five minutes rule

那么所有这一切和本文的主题 —— Five minutes rule 有什么关系呢？

回到第一节，我们可以这么算账：

如果将一条数据存放在磁盘上，那么实现对这条数据 1 a/s 的访问就需要 2k$
如果将数据放在内存中，无论访问频率如何，总是需要5$

假设这条数据实际的访问频率为 f，显而易见的是，访问频率越低，把数据放在内存里就越不划算。而频率的分界线，用方程 f * 2k$ == 5$ 可以解出，答案是 1/400，也就是 400 秒一次。400秒“约”为5分钟（原文如此，不知道作者数学怎么学的），因而这篇论文的名字就叫 Five minutes rule。如果局部性原理阐述的是优化对“热”数据的访问这一思路，那么 Five minutes rule 则是定义了“热”数据本身。

随着时间的推移和硬件技术的发展，硬件变的越来越强大且可靠，而 Five minutes rule 的实际规则也在不断演进，在 1997 年发表的 Five minutes rule ten years later 中，“分界”频率变成了 1/60，也就是一分钟一次。而在 2008 年的 Five minutes rule twenty years later 中... 抱歉我还没看这论文，等我看了再写。

4．结语

我还是搞不懂 LSM tree 的狗币作者为什么要引用这篇文章，也许我得重新读一下他在 93 年发的那篇 SB tree。