redis通過pipeline提升吞吐量的方法

更新時間：2018年02月06日 09:06:30 作者：zale.tang

下面小編就為大家分享一篇redis通過pipeline提升吞吐量的方法，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧

案例目標

簡單介紹 redis pipeline 的機制，結合一段實例說明pipeline 在提升吞吐量方面發(fā)生的效用。

案例背景

應用系統(tǒng)在數(shù)據(jù)推送或事件處理過程中，往往出現(xiàn)數(shù)據(jù)流經過多個網元；

然而在某些服務中，數(shù)據(jù)操作對redis 是強依賴的，在最近的一次分析中發(fā)現(xiàn)：

一次數(shù)據(jù)推送會對 redis 產生近30次讀寫操作！

在數(shù)據(jù)推送業(yè)務中的性能壓測中，以數(shù)據(jù)上報 -> 下發(fā)應答為一次事務；而對于這樣的讀寫模型，redis 的操作過于頻繁，很快便導致系統(tǒng)延時過高，吞吐量低下，無法滿足目標；

優(yōu)化過程主要針對業(yè)務代碼做的優(yōu)化，其中redis 操作經過大量合并，最終降低到原來的1/5，而系統(tǒng)吞吐量也提升明顯。

其中，redis pipeline(管道機制) 的應用是一個關鍵手段。

pipeline的解釋

Pipeline指的是管道技術，指的是客戶端允許將多個請求依次發(fā)給服務器，過程中而不需要等待請求的回復，在最后再一并讀取結果即可。

管道技術使用廣泛，例如許多POP3協(xié)議已經實現(xiàn)支持這個功能，大大加快了從服務器下載新郵件的過程。 Redis很早就支持管道（pipeline）技術。(因此無論你運行的是什么版本，你都可以使用管道（pipelining）操作Redis)

普通請求模型

[圖-pipeline1]

Pipeline請求模型

[圖-pipeline2]

從兩個圖的對比中可看出，普通的請求模型是同步的，每次請求對應一次IO操作等待；

而Pipeline 化之后所有的請求合并為一次IO，除了時延可以降低之外，還能大幅度提升系統(tǒng)吞吐量。

代碼實例

說明

本地開啟50個線程，每個線程完成1000個key的寫入，對比pipeline開啟及不開啟兩種場景下的性能表現(xiàn)。

相關常量

// 并發(fā)任務
private static final int taskCount = 50;
// pipeline大小
private static final int batchSize = 10;
// 每個任務處理命令數(shù)
private static final int cmdCount = 1000;

private static final boolean usePipeline = true;

初始化連接

JedisPoolConfig poolConfig = new JedisPoolConfig();
poolConfig.setMaxActive(200);
poolConfig.setMaxIdle(100);
poolConfig.setMaxWait(2000);
poolConfig.setTestOnBorrow(false);
poolConfig.setTestOnReturn(false);

jedisPool = new JedisPool(poolConfig, host, port);

并發(fā)啟動任務，統(tǒng)計執(zhí)行時間

public static void main(String[] args) throws InterruptedException {
  init();

  flushDB();

  long t1 = System.currentTimeMillis();
  ExecutorService executor = Executors.newCachedThreadPool();

  CountDownLatch latch = new CountDownLatch(taskCount);
  for (int i = 0; i < taskCount; i++) {
   executor.submit(new DemoTask(i, latch));
  }

  latch.await();
  executor.shutdownNow();

  long t2 = System.currentTimeMillis();

  System.out.println("execution finish time(s):" + (t2 - t1) / 1000.0);

 }

DemoTask 封裝了執(zhí)行key寫入的細節(jié)，區(qū)分不同場景

 public void run() {
   logger.info("Task[{}] start.", id);
   try {
    if (usePipeline) {
     runWithPipeline();
    } else {
     runWithNonPipeline();
    }
   } finally {
    latch.countDown();
   }

   logger.info("Task[{}] end.", id);
  }

不使用Pipeline的場景比較簡單，循環(huán)執(zhí)行set操作

for (int i = 0; i < cmdCount; i++) {
    Jedis jedis = get();
    try {
     jedis.set(key(i), UUID.randomUUID().toString());
    } finally {
     if (jedis != null) {
      jedisPool.returnResource(jedis);
     }
    }
    if (i % batchSize == 0) {
     logger.info("Task[{}] process -- {}", id, i);
    }
   }

使用Pipeline，需要處理分段，如10個作為一批命令執(zhí)行

for (int i = 0; i < cmdCount;) {
    Jedis jedis = get();

    try {
     Pipeline pipeline = jedis.pipelined();
     int j;
     for (j = 0; j < batchSize; j++) {
      if (i + j < cmdCount) {
       pipeline.set(key(i + j), UUID.randomUUID().toString());
      } else {
       break;
      }
     }
     pipeline.sync();
     logger.info("Task[{}] pipeline -- {}", id, i + j);

     i += j;

    } finally {
     if (jedis != null) {
      jedisPool.returnResource(jedis);
     }
    }

   }

運行結果

不使用Pipeline，整體執(zhí)行26s；而使用Pipeline優(yōu)化后的代碼，執(zhí)行時間僅需要3s！

NoPipeline-stat