Redis如何解决频繁的命令往返造成的性能瓶颈

Redis如何解决频繁的命令往返造成的性能瓶颈

前言

先来看看Redis客户端和服务端的交互模型

可以得出：

1.Redis是基于一个Request，一个Response的同步请求服务

2.客户端将数据包发送至服务器，然后服务器再将响应数据发送回客户端，这都需要花费一定时间的。这段时间被称为往返时间RTT(Round Trip Time)。

当一个客户端需要连续执行很多请求时，就很容易看出往返时间是影响系统性能的

例如：如果往返时间RTT是250毫秒，即使Redis服务器每秒钟能处理1000个请求，我们也只能每秒钟最多处理四个请求。

Redis提供了一种Pipeline(管道)方法可以改善上述用例的性能，下面看看。

Redis Pipeline交互模型

可以看到，客户端首先将执行的命令写入到缓冲区(内存)中，最后再一次性发送 Redis。

pipeline通过将一批命令进行打包，然后发送给服务器，服务器执行完按顺序打包返回，这样就减少了频繁交互往返的时间，提升了性能

基本使用

Pipeline pipeline =jedis.pipelined(); // 循环添加 1000个元素 for(int i = 0; i < 1000; i++){     pipeline.rpush("rediskey", i + "");         } //执行  pipeline.sync()

使用起来还是很简单的

Pipeline的本质

我们深入分析一个请求交互的流程，真实的情况是它很复杂的

上图就是一个完整的请求交互流程图：

客户端调用write将消息写到操作系统内核为套接字分配的发送缓冲中send buffer系统内核将缓冲区的内容发送到网卡，网卡硬件将数据通过路由送到服务器的网卡服务器网卡将数据放到内核为套接字分配的接收缓冲中recive buffer服务器调用read从接收缓冲中取出消息进行处理服务器调用write将响应内容发送到send bffer中服务器内核将缓冲区的内容通过路由发送到客户端的网卡中客户端内核将网卡中的数据放到接收缓冲中recive buffer客户端调用read从缓冲中读取数据

总结

我们开始以为 write 操作是要等到对方收到消息才会返回，但实际上不是这样的。

写操作 IO 操作的真正耗时

write 操作只负责将数据写到本地操作系统内核的发送缓冲然后就返回了。剩下的事交给操作系统内核异步将数据送到目标机器。但是如果发送缓冲满了，那么就需要等待缓冲空出空闲空间来，这个就是写操作 IO 操作的真正耗时。

读操作 IO 操作的真正耗时

我们开始以为 read 操作是从目标机器拉取数据，但实际上不是这样的。read 操作只负 责将数据从本地操作系统内核的接收缓冲中取出来就了事了。但是如果缓冲是空的，那么就 需要等待数据到来，这个就是读操作 IO 操作的真正耗时。

value = redis.get(key)操作耗时

对于 value = redis.get(key)这样一个简单的请求来说，write 操作几乎没有耗时，直接 写到发送缓冲就返回，而 read 就会比较耗时了，因为它要等待消息经过网络路由到目标机器 处理后的响应消息,再回送到当前的内核读缓冲才可以返回。

管道的真正耗时

对于管道来说，连续的 write 操作根本就没有耗时，之后第一个 read 操作会等待一个 网络的来回开销，然后所有的响应消息就都已经回送到内核的读缓冲了，后续的 read 操作 直接就可以从缓冲拿到结果，瞬间就返回了。

优缺点

Pipeline的优点：

pipeline 通过打包命令，一次性执行，可以节省连接->发送命令->返回结果这个过程所产生的往返时间，减少的I/O的调用(用户态到内核态之间的切换)次数。

Pipeline的缺点：

pipeline 每批打包的命令不能过多，因为 pipeline 方式打包命令再发送，那么 redis 必须在处理完所有命令前先缓存起所有命令的处理结果。这样就有一个内存的消耗。pipeline不保证原子性，执行命令过程中，如果一个命令出现异常，也会继续执行其他命令，所以如果要求原子性的，不推荐使用 pipelinepipeline每次只能作用在一个Redis节点上(下面会解释原因)

适用场景

有些系统可能对可靠性要求很高，每次操作都需要立马知道这次操作是否成功，是否数据已经写进redis了，那这种场景就不适合。

有的系统，可能是批量的将数据写入redis，允许一定比例的写入失败，那么这种场景就可以使用了，比如10000条一下进入redis，可能失败了2条无所谓，后期有补偿机制就行了

比如短信群发这种场景，如果一下群发10000条，按照第一种模式去实现，那这个请求过来，要很久才能给客户端响应，这个延迟就太长了，如果客户端请求设置了超时时间5秒，那肯定就抛出异常了，而且本身群发短信要求实时性也没那么高，这时候用pipeline最好了。

使用建议

Pipeline虽然好用，但是每次Pipeline组装的命令个数不能没有节制，否则一次组装Pipeline数据量过大，一方面会增加客户端的等待时间，另一方面会造成一定的网络阻塞，可以将一次包含大量命令的Pipeline拆分成多次较小的Pipeline来完成

Pipeline压力测试

Redis 自带了一个压力测试工具 redis-benchmark，使用这个工具就可以进行管道测试。

首先我们对一个普通的 set 指令进行压测，QPS 大约 5w/s。

> redis-benchmark -t set -q SET: 51975.05 requests per second

我们加入管道选项-P 参数，它表示单个管道内并行的请求数量，看下面 P=2，QPS 达到 了 9w/s。

> redis-benchmark -t set -P 2 -q SET: 91240.88 requests per second

再看看 P=3，QPS 达到了 10w/s。

SET: 102354.15 requests per second

其他问题

为什么pipeline只能作用在一个Redis节点上，即集群模式下不能使用pipeline?

我们知道，Redis 集群的键空间被分割为 16384 个槽(slot)，每个主节点都负责处理 16384 个哈希槽的其中一部分。

具体的redis命令，会根据key计算出一个槽位(slot),然后根据槽位去特定的节点redis上执行操作。如下所示：

master1（slave1）： 0~5460 master2（slave2）：5461~10922 master3（slave3）：10923~16383

集群有三个master节点组成，其中master1分配了 0~5460的槽位，master2分配了 5461~10922的槽位，master3分配了 10923~16383的槽位。

一次pipeline会批量执行多个命令，那么每个命令都需要根据key运算一个槽位(CRC16.getSlot(key))，然后根据槽位去特定的节点上执行命令，也就是说一次pipeline操作会使用多个节点的redis连接，而目前是无法支持的

pipeline和mget、mset等批量操作区别?

mget，mset也是类似 pipeline，将多个命令一次执行，一次发送出去，节省网络时间。

对比如下：

mset，mget操作在Redis队列中是一个原子操作，pipeline不是原子操作

mset，mget操作一个命令对应多个键值对，而pipeline是多条命令

mset，mget是服务端实现，而pipeline是服务端和客户端共同完成

pipeline和事务区别?

pipeline关注的是RTT时间，而事务关注的是一致性

pipeline是一次请求，服务端顺序执行，一次返回，事务多次请求(MULTI命令+其他n个命令+EXEC命令，所以至少是2次请求)，服务端顺序执行，一次返回。集群模式下，使用pipeline时，slot槽必须是对的，不然服务端会返回redirecred to slot xxx的错误;同时不建议使用事务，因为假设一个事务中的命令即在Master A上执行，也在Master B执行，A成功了，B因为某种原因失败了，这样数据就不一致了，这个有点类似于分布式事务，无法保证绝对一致性。

Pipeline对命令数量是否有限制?

没有限制，但是打包的命令不能过多，对内存的消耗就越大。

Pipeline打包执行多少命令合适?

查询 Redis 官方文档，根据官方文档的解释，推荐是以 10k 每批 (注意：这个是一个参考值，请根据自身实际业务情况调整)。

Pipeline批量执行的时候，是否导致其他应用无法再进行读写?

Redis 采用多路I/O复用模型，非阻塞IO，所以Pipeline批量写入的时候，一定范围内不影响其他的读操作。

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。