欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

Redis利用Pipeline加速查询速度的方法

程序员文章站 2022-03-11 08:54:10
1. rtt redis 是一种基于客户端-服务端模型以及请求/响应协议的tcp服务。这意味着通常情况下 redis 客户端执行一条命令分为如下四个过程:...

1. rtt

redis 是一种基于客户端-服务端模型以及请求/响应协议的tcp服务。这意味着通常情况下 redis 客户端执行一条命令分为如下四个过程:

  • 发送命令
  • 命令排队
  • 命令执行
  • 返回结果

客户端向服务端发送一个查询请求,并监听socket返回,通常是以阻塞模式,等待服务端响应。服务端处理命令,并将结果返回给客户端。客户端和服务端通过网络进行连接。这个连接可以很快,也可能很慢。无论网络如何延迟,数据包总是能从客户端到达服务端,服务端返回数据给客户端。

这个时间被称为 rtt (round trip time),例如上面过程的发送命令和返回结果两个过程。当客户端需要连续执行多次请求时很容易看到这是如何影响性能的(例如,添加多个元素到同一个列表中)。例如,如果 rtt 时间是250毫秒(网络连接很慢的情况下),即使服务端每秒能处理100k的请求量,那我们每秒最多也只能处理4个请求。如果使用的是本地环回接口,rtt 就短得多,但如如果需要连续执行多次写入,这也是一笔很大的开销。

下面我们看一下执行 n 次命令的模型:

Redis利用Pipeline加速查询速度的方法

2. pipeline

我们可以使用 pipeline 改善这种情况。pipeline 并不是一种新的技术或机制,很多技术上都使用过。rtt 在不同网络环境下会不同,例如同机房和同机房会比较快,跨机房跨地区会比较慢。redis 很早就支持 pipeline 技术,因此无论你运行的是什么版本,你都可以使用 pipeline 操作 redis。

pipeline 能将一组 redis 命令进行组装,通过一次 rtt 传输给 redis,再将这组 redis 命令按照顺序执行并将结果返回给客户端。上图没有使用 pipeline 执行了 n 条命令,整个过程需要 n 次 rtt。下图为使用 pipeline 执行 n 条命令,整个过程仅需要 1 次 rtt:

Redis利用Pipeline加速查询速度的方法

redis 提供了批量操作命令(例如 mget,mset等),有效的节约了rtt。但大部分命令是不支持批量操作的。

3. java pipeline

jedis 也提供了对 pipeline 特性的支持。我们可以借助 pipeline 来模拟批量删除,虽然不会像 mget 和 mset 那样是一个原子命令,但是在绝大数情况下可以使用:

public void mdel(list<string> keys){
 jedis jedis = new jedis("127.0.0.1");
 // 创建pipeline对象
 pipeline pipeline = jedis.pipelined();
 for (string key : keys){
  // 组装命令
  pipeline.del(key);
 }
 // 执行命令
 pipeline.sync();
}

4. 性能测试

下表给出了不同网络环境下非 pipeline 和 pipeline 执行 10000 次 set 操作的效果:

网络 延迟 非pipeline pipeline
本机 0.17ms 573ms 134ms
内网服务器 0.41ms 1610ms 240ms
异地机房 7ms 78499ms 1104ms

因测试环境不同可能会得到不同的测试数据,本测试 pipeline 每次携带 100 条命令。

我们可以从上表中得出如下结论:

  • pipeline 执行速度一般比逐条执行要快。
  • 客户端和服务端的网络延时越大,pipeline 的效果越明显。

5. 批量命令与pipeline对比

下面我们看一下批量命令与 pipeline 的区别:

  • 原生批量命令是原子的,pipeline 是非原子的。
  • 原生批量命令是一个命令对应多个 key,pipeline 支持多个命令。
  • 原生批量命令是 redis 服务端支持实现的,而 pipeline 需要服务端和客户端的共同实现。

6. 注意点

使用 pipeline 发送命令时,每次 pipeline 组装的命令个数不能没有节制,否则一次组装的命令数据量过大,一方面会增加客户端的等待时间,另一方面会造成一定的网络阻塞,可以将一次包含大量命令的 pipeline 拆分成多个较小的 pipeline 来完成。

好了,以上就是这篇文章的全部内容了,希望本文的内容对大家的学习或者工作具有一定的参考学习价值,谢谢大家对的支持。