單線程為什么能支持10w+的QPS?

我們經(jīng)常聽到Redis是一個單線程程序。準確的說Redis是一個多線程程序，只不過請求處理的部分是用一個線程來實現(xiàn)的。

阿里云對Redis QPS的測試結果如下所示

「Redis是如何用單線程來實現(xiàn)每秒10w+的QPS的呢?」

• 使用IO多路復用
• 非CPU密集型任務
• 純內(nèi)存操作
• 高效的數(shù)據(jù)結構

「只用一個線程怎么來處理多個客戶端的連接呢?」

這就不得不提IO多路復用技術，即Java中的NIO。

當我們使用阻塞IO(Java中的BIO)，調(diào)用read函數(shù)，傳入?yún)?shù)n，表示讀取n個字節(jié)后線程才會返回，不然就一直阻塞。write方法一般不會阻塞，除非寫緩沖區(qū)被寫滿，write才會被阻塞，直到緩沖區(qū)中有空間被釋放出來。

當我們使用IO多路復用技術時，當沒有數(shù)據(jù)可讀或者可寫，客戶端線程會直接返回，并不會阻塞。這樣Redis就可以用一個線程來監(jiān)聽多個Socket，當一個Socket可讀或可寫的時候，Redis去讀取請求，操作內(nèi)存中數(shù)據(jù)，然后返回。

「當采用單線程時，就無法使用多核CPU，但Redis中大部分命令都不是CPU密集型任務，所以CPU并不是Redis的瓶頸」。

高并發(fā)和大數(shù)據(jù)量的請寬下Redis的瓶頸主要體現(xiàn)在內(nèi)存和網(wǎng)絡帶寬，所以你看Redis為了節(jié)省內(nèi)存，在底層數(shù)據(jù)結構上占用的內(nèi)存能少就少，并且一種類型的數(shù)據(jù)在不同的場景下會采用不同的數(shù)據(jù)結構。

「所以Redis采用單線程就已經(jīng)能處理海量的請求，因此就沒必要使用多線程」。除此之外，「使用單線程還有如下好處」

1. 沒有了線程切換的性能開銷
2. 各種操作不用加鎖(如果采用多線程，則對共享資源的訪問需要加鎖，增加開銷)
3. 方便調(diào)試，可維護性高

「最后Redis是一個內(nèi)存數(shù)據(jù)庫，各種命令的讀寫操作都是基于內(nèi)存完成的」。大家都知道操作內(nèi)存和操作磁盤效率相差好幾個數(shù)量級。雖然Redis的效率很高，但還是有一些慢操作需要大家避免

Redis有哪些慢操作?

Redis的各種命令是在一個線程中依次執(zhí)行的，如果一個命令在Redis中執(zhí)行的時間過長，就會影響整體的性能，因為后面的請求要等到前面的請求被處理完才能被處理，這些耗時的操作有如下幾個部分

Redis可以通過日志記錄那些耗時長的命令，使用如下配置即可

# 命令執(zhí)行耗時超過 5 毫秒，記錄慢日志 
CONFIG SET slowlog-log-slower-than 5000 
# 只保留最近 500 條慢日志 
CONFIG SET slowlog-max-len 500 

執(zhí)行如下命令，就可以查詢到最近記錄的慢日志

127.0.0.1:6379> SLOWLOG get 5 
1) 1) (integer) 32693       # 慢日志ID 
   2) (integer) 1593763337  # 執(zhí)行時間戳 
   3) (integer) 5299        # 執(zhí)行耗時(微秒) 
   4) 1) "LRANGE"           # 具體執(zhí)行的命令和參數(shù) 
      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" 
... 

使用復雜度過高的命令

之前的文章我們已經(jīng)介紹了Redis的底層數(shù)據(jù)結構，它們的時間復雜度如下表所示

名稱	時間復雜度
dict（字典）	O(1)
ziplist （壓縮列表）	O(n)
zskiplist （跳表）	O(logN)
quicklist（快速列表）	O(n)
intset（整數(shù)集合）	O(n)

「單元素操作」：對集合中的元素進行增刪改查操作和底層數(shù)據(jù)結構相關，如對字典進行增刪改查時間復雜度為O(1)，對跳表進行增刪查時間復雜為O(logN)

「范圍操作」：對集合進行遍歷操作，比如Hash類型的HGETALL，Set類型的SMEMBERS，List類型的LRANGE，ZSet類型的ZRANGE，時間復雜度為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」：這類操作的時間復雜度通常大于O(n)，比如SORT、SUNION、ZUNIONSTORE

「統(tǒng)計操作」：當想獲取集合中的元素個數(shù)時，如LLEN或者SCARD，時間復雜度為O(1)，因為它們的底層數(shù)據(jù)結構如quicklist，dict，intset保存了元素的個數(shù)

「邊界操作」：list底層是用quicklist實現(xiàn)的，quicklist保存了鏈表的頭尾節(jié)點，因此對鏈表的頭尾節(jié)點進行操作，時間復雜度為O(1)，如LPOP、RPOP、LPUSH、RPUSH

「當想獲取Redis中的key時，避免使用keys *」 ，Redis中保存的鍵值對是保存在一個字典中的(和Java中的HashMap類似，也是通過數(shù)組+鏈表的方式實現(xiàn)的)，key的類型都是string，value的類型可以是string，set，list等

例如當我們執(zhí)行如下命令后，redis的字典結構如下

set bookName redis; 
rpush fruits banana apple; 

我們可以用keys命令來查詢Redis中特定的key，如下所示

# 查詢所有的key 
keys * 
# 查詢以book為前綴的key 
keys book* 

keys命令的復雜度是O(n)，它會遍歷這個dict中的所有key，如果Redis中存的key非常多，所有讀寫Redis的指令都會被延遲等待，所以千萬不用在生產(chǎn)環(huán)境用這個命令(如果你已經(jīng)準備離職的話，祝你玩的開心)。

「既然不讓你用keys，肯定有替代品，那就是scan」

scan和keys相比，有如下特點

1. 復雜雖然也是O(n)，但是是通過游標分布執(zhí)行的，不會阻塞線程
2. 同keys一樣，提供模式匹配功能
3. 從完整遍歷開始到完整遍歷結束，一直存在于數(shù)據(jù)集內(nèi)的所有元素都會被完整遍歷返回，但是同一個元素可能會被返回多次
4. 如果一個元素是在迭代過程中被添加到數(shù)據(jù)集的，或者在迭代過程中從數(shù)據(jù)集中被刪除的，那么這個元素可能會被返回，也可能不會被返回
5. 返回結果為空并不意味著遍歷結束，而要看返回的游標值是否為0

有興趣的小伙伴可以分析一下scan源碼的實現(xiàn)就能明白這些特性了

「用用zscan遍歷zset，hscan遍歷hash，sscan遍歷set的原理和scan命令類似，因為hash，set，zset的底層實現(xiàn)的數(shù)據(jù)結構中都有dict?！?/p>

操作bigkey

「如果一個key對應的value非常大，那么這個key就被稱為bigkey。寫入bigkey在分配內(nèi)存時需要消耗更長的時間。同樣，刪除bigkey釋放內(nèi)存也需要消耗更長的時間」

如果在慢日志中發(fā)現(xiàn)了SET/DEL這種復雜度不高的命令，此時你就應該排查一下是否是由于寫入bigkey導致的。

「如何定位bigkey?」

Redis提供了掃描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) 

可以看到命令的輸入有如下3個部分

1. 內(nèi)存中key的數(shù)量，已經(jīng)占用的總內(nèi)存，每個key占用的平均內(nèi)存
2. 每種類型占用的最大內(nèi)存，已經(jīng)key的名字
3. 每種數(shù)據(jù)類型的占比，以及平均大小

這個命令的原理就是redis在內(nèi)部執(zhí)行了scan命令，遍歷實例中所有的key，然后正對key的類型，分別執(zhí)行strlen，llen，hlen，scard，zcard命令，來獲取string類型的長度，容器類型(list，hash，set，zset)的元素個數(shù)

使用這個命令需要注意如下兩個問題

1. 對線上實例進行bigkey掃描時，為避免ops(operation per second 每秒操作次數(shù))突增，可以通過-i增加一個休眠參數(shù)，上面的含義為，每隔100條scan指令就會休眠0.01s
2. 對于容器類型(list，hash，set，zset)，掃描出的是元素最多的key，但一個key的元素數(shù)量多，不一定代表占用的內(nèi)存多

「如何解決bigkey帶來的性能問題?」

1. 盡量避免寫入bigkey
2. 如果使用的是redis4.0以上版本，可以用unlink命令代替del，此命令可以把釋放key內(nèi)存的操作，放到后臺線程中去執(zhí)行
3. 如果使用的是redis6.0以上版本，可以開啟lazy-free機制(lazyfree-lazy-user-del yes)，執(zhí)行del命令的時候，也會放到后臺線程中去執(zhí)行

大量key集中過期

我們可以給Redis中的key設置過期時間，那么當key過期了，它在什么時候會被刪除呢?

「如果讓我們寫Redis過期策略，我們會想到如下三種方案」

定時刪除，在設置鍵的過期時間的同時，創(chuàng)建一個定時器。當鍵的過期時間來臨時，立即執(zhí)行對鍵的刪除操作

惰性刪除，每次獲取鍵的時候，判斷鍵是否過期，如果過期的話，就刪除該鍵，如果沒有過期，則返回該鍵

定期刪除，每隔一段時間，對鍵進行一次檢查，刪除里面的過期鍵 定時刪除策略對CPU不友好，當過期鍵比較多的時候，Redis線程用來刪除過期鍵，會影響正常請求的響應

定時刪除策略對CPU不友好，當過期鍵比較多的時候，Redis線程用來刪除過期鍵，會影響正常請求的響應

惰性刪除讀CPU是比較有好的，但是會浪費大量的內(nèi)存。如果一個key設置過期時間放到內(nèi)存中，但是沒有被訪問到，那么它會一直存在內(nèi)存中

定期刪除策略則對CPU和內(nèi)存都比較友好

redis過期key的刪除策略選擇了如下兩種

1. 惰性刪除
2. 定期刪除

「惰性刪除」客戶端在訪問key的時候，對key的過期時間進行校驗，如果過期了就立即刪除

「定期刪除」Redis會將設置了過期時間的key放在一個獨立的字典中，定時遍歷這個字典來刪除過期的key，遍歷策略如下

1. 每秒進行10次過期掃描，每次從過期字典中隨機選出20個key
2. 刪除20個key中已經(jīng)過期的key
3. 如果過期key的比例超過1/4，則進行步驟一
4. 每次掃描時間的上限默認不超過25ms，避免線程卡死

「因為Redis中過期的key是由主線程刪除的，為了不阻塞用戶的請求，所以刪除過期key的時候是少量多次」。源碼可以參考expire.c中的activeExpireCycle方法

為了避免主線程一直在刪除key，我們可以采用如下兩種方案

1. 給同時過期的key增加一個隨機數(shù)，打散過期時間，降低清除key的壓力
2. 如果你使用的是redis4.0版本以上的redis，可以開啟lazy-free機制(lazyfree-lazy-expire yes)，當刪除過期key時，把釋放內(nèi)存的操作放到后臺線程中執(zhí)行

內(nèi)存達到上限，觸發(fā)淘汰策略

圖片Redis是一個內(nèi)存數(shù)據(jù)庫，當Redis使用的內(nèi)存超過物理內(nèi)存的限制后，內(nèi)存數(shù)據(jù)會和磁盤產(chǎn)生頻繁的交換，交換會導致Redis性能急劇下降。所以在生產(chǎn)環(huán)境中我們通過配置參數(shù)maxmemoey來限制使用的內(nèi)存大小。

當實際使用的內(nèi)存超過maxmemoey后，Redis提供了如下幾種可選策略。

noeviction：寫請求返回錯誤

volatile-lru：使用lru算法刪除設置了過期時間的鍵值對 volatile-lfu：使用lfu算法刪除設置了過期時間的鍵值對 volatile-random：在設置了過期時間的鍵值對中隨機進行刪除 volatile-ttl：根據(jù)過期時間的先后進行刪除，越早過期的越先被刪除

allkeys-lru：在所有鍵值對中，使用lru算法進行刪除 allkeys-lfu：在所有鍵值對中，使用lfu算法進行刪除 allkeys-random：所有鍵值對中隨機刪除

「Redis的淘汰策略也是在主線程中執(zhí)行的。但內(nèi)存超過Redis上限后，每次寫入都需要淘汰一些key，導致請求時間變長」

可以通過如下幾個方式進行改善

1. 增加內(nèi)存或者將數(shù)據(jù)放到多個實例中
2. 淘汰策略改為隨機淘汰，一般來說隨機淘汰比lru快很多
3. 避免存儲bigkey，降低釋放內(nèi)存的耗時

寫AOF日志的方式為always

Redis的持久化機制有RDB快照和AOF日志，每次寫命令之后后，Redis提供了如下三種刷盤機制

always：同步寫回，寫命令執(zhí)行完就同步到磁盤 everysec：每秒寫回，每個寫命令執(zhí)行完，只是先把日志寫到aof文件的內(nèi)存緩沖區(qū)，每隔1秒將緩沖區(qū)的內(nèi)容寫入磁盤 no：操作系統(tǒng)控制寫回，每個寫命令執(zhí)行完，只是先把日志寫到aof文件的內(nèi)存緩沖區(qū)，由操作系統(tǒng)決定何時將緩沖區(qū)內(nèi)容寫回到磁盤

當aof的刷盤機制為always，redis每處理一次寫命令，都會把寫命令刷到磁盤中才返回，整個過程是在Redis主線程中進行的，勢必會拖慢redis的性能

當aof的刷盤機制為everysec，redis寫完內(nèi)存后就返回，刷盤操作是放到后臺線程中去執(zhí)行的，后臺線程每隔1秒把內(nèi)存中的數(shù)據(jù)刷到磁盤中

當aof的刷盤機制為no，宕機后可能會造成部分數(shù)據(jù)丟失，一般不采用。

「一般情況下，aof刷盤機制配置為everysec即可」

fork耗時過長

在持久化一節(jié)中，我們已經(jīng)提到「Redis生成rdb文件和aof日志重寫，都是通過主線程fork子進程的方式，讓子進程來執(zhí)行的，主線程的內(nèi)存越大，阻塞時間越長。」

可以通過如下方式優(yōu)化

控制Redis實例的內(nèi)存大小，盡量控制到10g以內(nèi)，因為內(nèi)存越大，阻塞時間越長

配置合理的持久化策略，如在slave節(jié)點生成rdb快照

本文轉載自微信公眾號「Java識堂」，作者李立敏。轉載本文請聯(lián)系Java識堂公眾號。