我正在实现一个支持大量密钥（2600万）的基于磁盘的哈希表。该值被反序列化。读取在整个文件中基本上是随机的，值小于页面大小，我正在针对SSD进行优化。安全/一致性不是那么大的问题（性能问题）。
我当前的解决方案涉及使用mmap()文件设置MADV_RANDOM | MADV_DONTNEED来禁用内核预取，只根据需要加载数据。
我认为内核从磁盘读取到内存缓冲区，然后从那里反序列化。
O_DIRECT怎么样？如果我调用read()，我仍然会复制到缓冲区（我将其反序列化），那么我可以获得任何优势吗？
在哪里可以找到有关mmap()文件所涉及的缓冲区的更多信息，并在使用read()打开的文件上调用O_DIRECT？
我对提前读取或缓存不感兴趣。它对我的用例没有任何帮助。
答案 0 :(得分：5)
O_DIRECT是读/写操作的选项，当数据绕过系统缓冲区并从缓冲区直接复制到磁盘控制器时。为了获得O_DIRECT的优势，需要 符合某些条件 - 通过I / O块对齐的内存页缓冲区地址和缓冲区大小保持对齐。
无论如何，如果使用mmap，则不使用读/写。而且，在mmap之后，您可以关闭文件描述符，并且映射仍然有效。所以，O_DIRECT与mmap选项没用。
我可以推荐什么来提高性能：
如果您的子系统有许多搜索缺失键请求，您可以在内存中创建Bloom过滤器。此后，您在Bloom过滤器http://en.wikipedia.org/wiki/Bloom_filter上匹配您的搜索键，并拒绝丢失的密钥，而无需向磁盘提出实际请求。
为了节省内存，请使用2级方案，当桶头保留在mmap-ed内存中时，但是桶本身是通过pread（）从文件中读取的。
我在自动填充子系统中实现的两个选项，您可以在此处在线查看：http://olegh.ftp.sh/autocomplete.html并估算慢速旧计算机上的性能 - Celeron-300。