redis通過pipeline提升吞吐量的方法

2020-03-17 12:35:18

字體：大中小

來源：轉載

供稿：網友

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生的效用。

案例背景

應用系統在數據推送或事件處理過程中，往往出現數據流經過多個網元；

然而在某些服務中，數據操作對redis 是強依賴的，在最近的一次分析中發現：

一次數據推送會對 redis 產生近30次讀寫操作！

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

優化過程主要針對業務代碼做的優化，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協議已經實現支持這個功能，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

redis,pipeline,提升,吞吐量

[圖-pipeline1]

Pipeline請求模型

redis,pipeline,提升,吞吐量

[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。

相關常量

// 并發任務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);

并發啟動任務，統計執行時間

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 封裝了執行key寫入的細節，區分不同場景

 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，循環執行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，整體執行26s；而使用Pipeline優化后的代碼，執行時間僅需要3s！

NoPipeline-stat redis,pipeline,提升,吞吐量