共计 2967 个字符，预计需要花费 8 分钟才能阅读完成。
（预计浏览工夫：6 分钟）
最近，TuGraph 团队发展了一项令人振奋的优化工作，胜利将 Antlr4 C++ target 的并发性能晋升超过 10 倍！这一优化计划已被 Antlr4 开源社区激情接收，将给寰球的 Antlr C++ 生态开发者带来更好的应用体验。PR 地址：
https://github.com/antlr/antlr4/pull/4237
图查问引擎是一种用于查问图数据库的工具，它应用特定的查询语言（如 Cypher 或 ISO GQL）来执行和操作图数据库。这些查询语言容许用户形容图模式并查问图数据，例如查找特定节点或查找节点之间的门路。
对于 Antlr4
Antlr4 是一款备受欢送的开源解析器生成器，可能依据语法规定疾速生成自定义解析器。其反对 LL(*)解析，领有更弱小的错误处理能力和更快的解析速度。不仅如此，Antlr4 还反对 Java、Python、C++、JavaScript、Go 等 10 种目标语言，广泛应用于多种开发语言生态中。简略易用的 API 和文档使得开发人员可能疾速上手。无论是编程语言、数据格式、编译器还是解释器等畛域，Antlr4 都施展着重要作用。
驰名的开源我的项目如 Apache Spark、Eclipse IDE 和 MongoDB 等都抉择了 Antlr4。对于语言工具开发者而言，Antlr4 是不可或缺的工具，能大幅提高开发效率和代码品质。
当 TuGraph 遇见 Antlr4
ISO GQL（ISO/IEC 39075）是一种标准化的图数据库查询语言，蚂蚁团体是其次要贡献者之一。因而，Antlr4 作为一种弱小的解析器生成器，成为了蚂蚁图数据库 TuGraph 生成 GQL 解释器的现实抉择。Antlr4 可能帮忙团队更快、更精确地构建图数据库的查询语言，从而进步产品性能和用户体验。
然而，当咱们从开发场景来到生产场景，超高的并发量带来一个重大问题：Antlr4 C++ target 的并发性能不足以反对所需的超高并发 GQL 申请。通过调研并与 Antlr 开源社区探讨，咱们发现 并发性能这个问题普遍存在，并且在过来 5 年中继续困扰着 C ++ 生态的开发者。咱们决定解决这个问题。
咱们做了哪些工作
在调研探讨的过程中咱们发现，多位开发者在论坛提出其耗时甚至多于 Java target 数倍之多，见文末参考【1，2，3，4】。因而，咱们决定从问题和开源代码登程，来定位、解决问题。
这是一个典型的并发程序优化问题，依据以往的程序优化教训，咱们分步推动该问题的解决：
（1）辨认问题
通过对程序运行时的性能数据进行收集和剖析，咱们找到了程序运行瓶颈所在，通过调用剖析，初步将问题定位为数据竞争导致的并发问题。
（2）深刻浏览 Antlr4 开源代码
接下来，咱们对 Antlr4 的源代码进行认真的浏览和了解，把握其外部的构造和外围逻辑，找出了外围的数据结构和要害的调用链路。为咱们破解性能难题和剖析批改的正确性做好了筹备。
（3）梳理数据竞争链路
根据上述剖析，咱们判断问题的症结极大概率是数据竞争造成的。造成数据竞争至多有两个条件：一是线程之间共享内存数据，二是至多存在两个线程去读写某个共享内存。
进一步地，咱们通过分析程序中的并发拜访状况，找到了可能引发数据竞争的所有代码段和共享变量（次要为 DFA、ATN 等构造），拼接出了数据竞争的残缺链路。
（4）破解数据竞争问题
数据竞争问题是多线程程序中常见而又简单的问题，能够思考通过破解多种竞争条件来解决。就本文问题来说，也存在多种破解计划抉择，如何制订最优的解决方案是一项极具挑战的工作，次要难点有两个：
（i）保障批改后程序的正确性 / 稳定性
（ii）保障计划的有效性（低成本）
重复推演后，咱们抉择了提交给社区的优化计划（PR 地址见参考【6】），即通过扭转要害数据的 ownership 接触对锁的依赖。针对上述两个难点的剖析如下：
通过源码剖析并与开源社区探讨，咱们确认要害数据结构的初始化构建是十分耗时的，但能够通过“只调用一次”（\`call_once\`）伎俩将老本均摊，而后续的增量构建绝对开销较低，并且也可均摊。因而该优化计划的低工夫老本是能够保障的。
对于程序正确性的保障，咱们通过双重验证来保障。首先在设计之初咱们曾经从源代码角度，推断出共享数据依然是平安的，其次咱们也设计了试验对此进行了验证，验证后果与咱们的剖析统一（见下图）。
奉献和成绩
优化的成果非常显著，32 线程的并发性能晋升超过 18 倍 ，如下图所示（16 外围 CPU 测试平台，性能测试代码仓库见【5】）。思考到理论生产服务器性能远高于测试机型，理论的性能晋升成果将比测试后果更高， 优化后 GQL 解析能力已能齐全满足企业业务的须要。
充斥播种的社区互动
提案的互动过程波折也充斥乐趣。当波及到多线程代码的批改时，官网开发团队会分外审慎，因为这波及到零碎的稳定性和性能。他们会进行认真的测试和评估，确保批改不会引入新的问题或升高零碎的性能。为此社区引入了多达 7 名评审专家（个别提案的评审人多为 1~2 人），长达 60 屡次的重复探讨不仅是评审专家了解提案的过程，也让咱们理解了很多 Antlr4 代码背地深层的设计理念，能够更好地利用它来构建高性能、可保护的语法分析器。
通过此项优化工作，咱们播种了更多与其余社区贡献者合作的教训，多位 Antlr4 社区成员也对 TuGraph 团队的工作表白了感激，Antlr4 负责人评估该提案为“一个重大的奉献”（a major contribution）。
参考文献
【1】antlr4 doesn’t scale on a computer with 8 or more cores, https://github.com/antlr/antlr4/issues/2454
【2】Parsing with C++ target 5x slower than Java, https://github.com/antlr/antlr4/issues/2584
【3】Performance Issues Running Cpp Runtime on Many Threads, https://github.com/antlr/antlr4/issues/3938
【4】Why the C++ target is 6X slower than the Java target, https://stackoverflow.com/questions/52528982/why-the-c-target-is-6x-slower-than-the-java-target
【5】The test repo: https://github.com/wangtao9/antlr4-perfopt-test
【6】Optimize the concurrent performance of Cpp target by more than 10 times, https://github.com/antlr/antlr4/pull/4237
欢送关注 TuGraph！
https://github.com/tugraph-family
https://tugraph.antgroup.com/
END
往期回顾
→ TuGraph 阿里云收费试用、技术注释，更有丰盛互动奖品
→ 蚂蚁图数据库再获 LDBC 权威测试世界第一
→ 蚂蚁团体开源图数据库 TuGraph，成立图计算开源委员会
▼ 关注蚂蚁图计算，理解最新资讯
