redis通過(guò)pipeline提升吞吐量的方法

更新時(shí)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(guò)pipeline提升吞吐量的方法，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧

案例目標(biāo)

簡(jiǎn)單介紹 redis pipeline 的機(jī)制，結(jié)合一段實(shí)例說(shuō)明pipeline 在提升吞吐量方面發(fā)生的效用。

案例背景

應(yīng)用系統(tǒng)在數(shù)據(jù)推送或事件處理過(guò)程中，往往出現(xiàn)數(shù)據(jù)流經(jīng)過(guò)多個(gè)網(wǎng)元；

然而在某些服務(wù)中，數(shù)據(jù)操作對(duì)redis 是強(qiáng)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(huì)對(duì) redis 產(chǎn)生近30次讀寫操作！

在數(shù)據(jù)推送業(yè)務(wù)中的性能壓測(cè)中，以數(shù)據(jù)上報(bào) -> 下發(fā)應(yīng)答為一次事務(wù)；而對(duì)于這樣的讀寫模型，redis 的操作過(guò)于頻繁，很快便導(dǎo)致系統(tǒng)延時(shí)過(guò)高，吞吐量低下，無(wú)法滿足目標(biāo)；

優(yōu)化過(guò)程主要針對(duì)業(yè)務(wù)代碼做的優(yōu)化，其中redis 操作經(jīng)過(guò)大量合并，最終降低到原來(lái)的1/5，而系統(tǒng)吞吐量也提升明顯。

其中，redis pipeline(管道機(jī)制) 的應(yīng)用是一個(gè)關(guān)鍵手段。

pipeline的解釋

Pipeline指的是管道技術(shù)，指的是客戶端允許將多個(gè)請(qǐng)求依次發(fā)給服務(wù)器，過(guò)程中而不需要等待請(qǐng)求的回復(fù)，在最后再一并讀取結(jié)果即可。

管道技術(shù)使用廣泛，例如許多POP3協(xié)議已經(jīng)實(shí)現(xiàn)支持這個(gè)功能，大大加快了從服務(wù)器下載新郵件的過(guò)程。 Redis很早就支持管道（pipeline）技術(shù)。(因此無(wú)論你運(yùn)行的是什么版本，你都可以使用管道（pipelining）操作Redis)

普通請(qǐng)求模型

[圖-pipeline1]

Pipeline請(qǐng)求模型

[圖-pipeline2]

從兩個(gè)圖的對(duì)比中可看出，普通的請(qǐng)求模型是同步的，每次請(qǐng)求對(duì)應(yīng)一次IO操作等待；

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

代碼實(shí)例

說(shuō)明

本地開啟50個(gè)線程，每個(gè)線程完成1000個(gè)key的寫入，對(duì)比pipeline開啟及不開啟兩種場(chǎng)景下的性能表現(xiàn)。

相關(guān)常量

// 并發(fā)任務(wù)
private static final int taskCount = 50;
// pipeline大小
private static final int batchSize = 10;
// 每個(gè)任務(wù)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(dòng)任務(wù)，統(tǒng)計(jì)執(zhí)行時(shí)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(xì)節(jié)，區(qū)分不同場(chǎng)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(chǎng)景比較簡(jiǎn)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(gè)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(yùn)行結(jié)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(shí)間僅需要3s！

NoPipeline-stat