单线程的Redis为什么能支持10w+的QPS?

单线程的Redis为什么能支持10w+的QPS?

单线程为什么能支持10w+的QPS?

我们经常听到Redis是一个单线程程序。准确的说Redis是一个多线程程序，只不过请求处理的部分是用一个线程来实现的。

***对Redis QPS的测试结果如下所示

「Redis是如何用单线程来实现每秒10w+的QPS的呢?」

使用IO多路复用非CPU密集型任务纯内存操作高效的数据结构

「只用一个线程怎么来处理多个客户端的连接呢?」

这就不得不提IO多路复用技术，即Java中的NIO。

当我们使用阻塞IO(Java中的BIO)，调用read函数，传入参数n，表示读取n个字节后线程才会返回，不然就一直阻塞。write方法一般不会阻塞，除非写缓冲区被写满，write才会被阻塞，直到缓冲区中有空间被释放出来。

当我们使用IO多路复用技术时，当没有数据可读或者可写，客户端线程会直接返回，并不会阻塞。这样Redis就可以用一个线程来监听多个Socket，当一个Socket可读或可写的时候，Redis去读取请求，操作内存中数据，然后返回。

「当采用单线程时，就无法使用多核CPU，但Redis中大部分命令都不是CPU密集型任务，所以CPU并不是Redis的瓶颈」。

高并发和大数据量的请宽下Redis的瓶颈主要体现在内存和网络带宽，所以你看Redis为了节省内存，在底层数据结构上占用的内存能少就少，并且一种类型的数据在不同的场景下会采用不同的数据结构。

「所以Redis采用单线程就已经能处理海量的请求，因此就没必要使用多线程」。除此之外，「使用单线程还有如下好处」

没有了线程切换的性能开销各种操作不用加锁(如果采用多线程，则对共享资源的访问需要加锁，增加开销)方便调试，可维护性高

「最后Redis是一个内存数据库，各种命令的读写操作都是基于内存完成的」。大家都知道操作内存和操作磁盘效率相差好几个数量级。虽然Redis的效率很高，但还是有一些慢操作需要大家避免

Redis有哪些慢操作?

Redis的各种命令是在一个线程中依次执行的，如果一个命令在Redis中执行的时间过长，就会影响整体的性能，因为后面的请求要等到前面的请求被处理完才能被处理，这些耗时的操作有如下几个部分

Redis可以通过日志记录那些耗时长的命令，使用如下配置即可

# 命令执行耗时超过 5 毫秒，记录慢日志 CONFIG SET slowlog-log-slower-than 5000 # 只保留最近 500 条慢日志 CONFIG SET slowlog-max-len 500

执行如下命令，就可以查询到最近记录的慢日志

127.0.0.1:6379> SLOWLOG get 5 1) 1) (integer) 32693       # 慢日志ID    2) (integer) 1593763337  # 执行时间戳    3) (integer) 5299        # 执行耗时(微秒)    4) 1) "LRANGE"           # 具体执行的命令和参数       2) "user_list:2000"       3) "0"       4) "-1" 2) 1) (integer) 32692    2) (integer) 1593763337    3) (integer) 5044    4) 1) "GET"       2) "user_info:1000" ...

使用复杂度过高的命令

之前的文章我们已经介绍了Redis的底层数据结构，它们的时间复杂度如下表所示

名称时间复杂度

dict（字典） O(1) ziplist （压缩列表） O(n) zskiplist （跳表） O(logN) quicklist（快速列表） O(n) intset（整数集合） O(n)

「单元素操作」：对集合中的元素进行增删改查操作和底层数据结构相关，如对字典进行增删改查时间复杂度为O(1)，对跳表进行增删查时间复杂为O(logN)

「范围操作」：对集合进行遍历操作，比如Hash类型的HGETALL，Set类型的SMEMBERS，List类型的LRANGE，ZSet类型的ZRANGE，时间复杂度为O(n)，避免使用，用SCAN系列命令代替。(hash用hscan，set用sscan，zset用zscan)

「聚合操作」：这类操作的时间复杂度通常大于O(n)，比如SORT、SUNION、ZUNIONSTORE

「统计操作」：当想获取集合中的元素个数时，如LLEN或者SCARD，时间复杂度为O(1)，因为它们的底层数据结构如quicklist，dict，intset保存了元素的个数

「边界操作」：list底层是用quicklist实现的，quicklist保存了链表的头尾节点，因此对链表的头尾节点进行操作，时间复杂度为O(1)，如LPOP、RPOP、LPUSH、RPUSH

「当想获取Redis中的key时，避免使用keys *」 ，Redis中保存的键值对是保存在一个字典中的(和Java中的HashMap类似，也是通过数组+链表的方式实现的)，key的类型都是string，value的类型可以是string，set，list等

例如当我们执行如下命令后，redis的字典结构如下

set bookName redis; rpush fruits banana apple;

我们可以用keys命令来查询Redis中特定的key，如下所示

# 查询所有的key keys * # 查询以book为前缀的key keys book*

keys命令的复杂度是O(n)，它会遍历这个dict中的所有key，如果Redis中存的key非常多，所有读写Redis的指令都会被延迟等待，所以千万不用在生产环境用这个命令(如果你已经准备离职的话，祝你玩的开心)。

「既然不让你用keys，肯定有替代品，那就是scan」

scan和keys相比，有如下特点

复杂虽然也是O(n)，但是是通过游标分布执行的，不会阻塞线程同keys一样，提供模式匹配功能从完整遍历开始到完整遍历结束，一直存在于数据集内的所有元素都会被完整遍历返回，但是同一个元素可能会被返回多次如果一个元素是在迭代过程中被添加到数据集的，或者在迭代过程中从数据集中被删除的，那么这个元素可能会被返回，也可能不会被返回返回结果为空并不意味着遍历结束，而要看返回的游标值是否为0

有兴趣的小伙伴可以分析一下scan源码的实现就能明白这些特性了

「用用zscan遍历zset，hscan遍历hash，sscan遍历set的原理和scan命令类似，因为hash，set，zset的底层实现的数据结构中都有dict。」

操作bigkey

「如果一个key对应的value非常大，那么这个key就被称为bigkey。写入bigkey在分配内存时需要消耗更长的时间。同样，删除bigkey释放内存也需要消耗更长的时间」

如果在慢日志中发现了SET/DEL这种复杂度不高的命令，此时你就应该排查一下是否是由于写入bigkey导致的。

「如何定位bigkey?」

Redis提供了扫描bigkey的命令

$ redis-cli -h 127.0.0.1 -p 6379 --bigkeys -i 0.01  ... -------- summary -------  Sampled 829675 keys in the keyspace! Total key length in bytes is 10059825 (avg len 12.13)  Biggest string found 'key:291880' has 10 bytes Biggest   list found 'mylist:004' has 40 items Biggest    set found 'myset:2386' has 38 members Biggest   hash found 'myhash:3574' has 37 fields Biggest   zset found 'myzset:2704' has 42 members  36313 strings with 363130 bytes (04.38% of keys, avg size 10.00) 787393 lists with 896540 items (94.90% of keys, avg size 1.14) 1994 sets with 40052 members (00.24% of keys, avg size 20.09) 1990 hashs with 39632 fields (00.24% of keys, avg size 19.92) 1985 zsets with 39750 members (00.24% of keys, avg size 20.03)

可以看到命令的输入有如下3个部分

内存中key的数量，已经占用的总内存，每个key占用的平均内存每种类型占用的最大内存，已经key的名字每种数据类型的占比，以及平均大小

这个命令的原理就是redis在内部执行了scan命令，遍历实例中所有的key，然后正对key的类型，分别执行strlen，llen，hlen，scard，zcard命令，来获取string类型的长度，容器类型(list，hash，set，zset)的元素个数

使用这个命令需要注意如下两个问题

对线上实例进行bigkey扫描时，为避免ops(operation per second 每秒操作次数)突增，可以通过-i增加一个休眠参数，上面的含义为，每隔100条scan指令就会休眠0.01s对于容器类型(list，hash，set，zset)，扫描出的是元素最多的key，但一个key的元素数量多，不一定代表占用的内存多

「如何解决bigkey带来的性能问题?」

尽量避免写入bigkey如果使用的是redis4.0以上版本，可以用unlink命令代替del，此命令可以把释放key内存的操作，放到后台线程中去执行如果使用的是redis6.0以上版本，可以开启lazy-free机制(lazyfree-lazy-user-del yes)，执行del命令的时候，也会放到后台线程中去执行

大量key集中过期

我们可以给Redis中的key设置过期时间，那么当key过期了，它在什么时候会被删除呢?

「如果让我们写Redis过期策略，我们会想到如下三种方案」

定时删除，在设置键的过期时间的同时，创建一个定时器。当键的过期时间来临时，立即执行对键的删除操作

惰性删除，每次获取键的时候，判断键是否过期，如果过期的话，就删除该键，如果没有过期，则返回该键

定期删除，每隔一段时间，对键进行一次检查，删除里面的过期键 定时删除策略对CPU不友好，当过期键比较多的时候，Redis线程用来删除过期键，会影响正常请求的响应

定时删除策略对CPU不友好，当过期键比较多的时候，Redis线程用来删除过期键，会影响正常请求的响应

惰性删除读CPU是比较有好的，但是会浪费大量的内存。如果一个key设置过期时间放到内存中，但是没有被访问到，那么它会一直存在内存中

定期删除策略则对CPU和内存都比较友好

redis过期key的删除策略选择了如下两种

惰性删除定期删除

「惰性删除」客户端在访问key的时候，对key的过期时间进行校验，如果过期了就立即删除

「定期删除」Redis会将设置了过期时间的key放在一个独立的字典中，定时遍历这个字典来删除过期的key，遍历策略如下

每秒进行10次过期扫描，每次从过期字典中随机选出20个key删除20个key中已经过期的key如果过期key的比例超过1/4，则进行步骤一每次扫描时间的上限默认不超过25ms，避免线程卡死

「因为Redis中过期的key是由主线程删除的，为了不阻塞用户的请求，所以删除过期key的时候是少量多次」。源码可以参考expire.c中的activeExpireCycle方法

为了避免主线程一直在删除key，我们可以采用如下两种方案

给同时过期的key增加一个随机数，打散过期时间，降低清除key的压力如果你使用的是redis4.0版本以上的redis，可以开启lazy-free机制(lazyfree-lazy-expire yes)，当删除过期key时，把释放内存的操作放到后台线程中执行

内存达到上限，触发淘汰策略

图片Redis是一个内存数据库，当Redis使用的内存超过物理内存的限制后，内存数据会和磁盘产生频繁的交换，交换会导致Redis性能急剧下降。所以在生产环境中我们通过配置参数maxmemoey来限制使用的内存大小。

当实际使用的内存超过maxmemoey后，Redis提供了如下几种可选策略。

noeviction：写请求返回错误

volatile-lru：使用lru算法删除设置了过期时间的键值对 volatile-lfu：使用lfu算法删除设置了过期时间的键值对 volatile-random：在设置了过期时间的键值对中随机进行删除 volatile-ttl：根据过期时间的先后进行删除，越早过期的越先被删除

allkeys-lru：在所有键值对中，使用lru算法进行删除 allkeys-lfu：在所有键值对中，使用lfu算法进行删除 allkeys-random：所有键值对中随机删除

「Redis的淘汰策略也是在主线程中执行的。但内存超过Redis上限后，每次写入都需要淘汰一些key，导致请求时间变长」

可以通过如下几个方式进行改善

增加内存或者将数据放到多个实例中淘汰策略改为随机淘汰，一般来说随机淘汰比lru快很多避免存储bigkey，降低释放内存的耗时

写AOF日志的方式为always

Redis的持久化机制有RDB快照和AOF日志，每次写命令之后后，Redis提供了如下三种刷盘机制

always：同步写回，写命令执行完就同步到磁盘 everysec：每秒写回，每个写命令执行完，只是先把日志写到aof文件的内存缓冲区，每隔1秒将缓冲区的内容写入磁盘 no：操作系统控制写回，每个写命令执行完，只是先把日志写到aof文件的内存缓冲区，由操作系统决定何时将缓冲区内容写回到磁盘

当aof的刷盘机制为always，redis每处理一次写命令，都会把写命令刷到磁盘中才返回，整个过程是在Redis主线程中进行的，势必会拖慢redis的性能

当aof的刷盘机制为everysec，redis写完内存后就返回，刷盘操作是放到后台线程中去执行的，后台线程每隔1秒把内存中的数据刷到磁盘中

当aof的刷盘机制为no，宕机后可能会造成部分数据丢失，一般不采用。

「一般情况下，aof刷盘机制配置为everysec即可」

fork耗时过长

在持久化一节中，我们已经提到「Redis生成rdb文件和aof日志重写，都是通过主线程fork子进程的方式，让子进程来执行的，主线程的内存越大，阻塞时间越长。」

可以通过如下方式优化

控制Redis实例的内存大小，尽量控制到10g以内，因为内存越大，阻塞时间越长

配置合理的持久化策略，如在slave节点生成rdb快照

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。