redis通过pipeline提升吞吐量的方法
案例目标
简单介绍 redis pipeline 的机制，结合一段实例说明pipeline 在提升吞吐量方面发生的效用。
案例背景
应用系统在数据推送或事件处理过程中，往往出现数据流经过多个网元；
然而在某些服务中，数据操作对redis 是强依赖的，在最近的一次分析中发现：
一次数据推送会对 redis 产生近30次读写操作！
在数据推送业务中的性能压测中，以数据上报 -> 下发应答为一次事务；而对于这样的读写模型，redis 的操作过于频繁，很快便导致系统延时过高，吞吐量低下，无法满足目标；
优化过程 主要针对业务代码做的优化，其中redis 操作经过大量合并，最终降低到原来的1/5，而系统吞吐量也提升明显。
其中，redis pipeline(管道机制) 的应用是一个关键手段。
pipeline的解释
pipeline指的是管道技术，指的是客户端允许将多个请求依次发给服务器，过程中而不需要等待请求的回复，在最后再一并读取结果即可。
管道技术使用广泛，例如许多pop3协议已经实现支持这个功能，大大加快了从服务器下载新邮件的过程。 redis很早就支持管道（pipeline）技术。(因此无论你运行的是什么版本，你都可以使用管道（pipelining）操作redis)
普通请求模型
[图-pipeline1]
pipeline请求模型
[图-pipeline2]
从两个图的对比中可看出，普通的请求模型是同步的，每次请求对应一次io操作等待；
而pipeline 化之后所有的请求合并为一次io，除了时延可以降低之外，还能大幅度提升系统吞吐量。
代码实例
说明
本地开启50个线程，每个线程完成1000个key的写入，对比pipeline开启及不开启两种场景下的性能表现。
相关常量
// 并发任务 private static final int taskcount = 50; // pipeline大小 private static final int batchsize = 10; // 每个任务处理命令数 private static final int cmdcount = 1000; private static final boolean usepipeline = true;
初始化连接
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);
并发启动任务，统计执行时间
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 封装了执行key写入的细节，区分不同场景
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的场景比较简单，循环执行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，需要处理分段，如10个作为一批命令执行
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);
}
}
}
运行结果
不使用pipeline，整体执行26s；而使用pipeline优化后的代码，执行时间仅需要3s！
nopipeline-stat
[图-nopipeline]
pipeline-stat
[图-pipeline]
注意事项
pipeline机制可以优化吞吐量，但无法提供原子性/事务保障，而这个可以通过redis-multi等命令实现。
参考这里
部分读写操作存在相关依赖，无法使用pipeline实现，可利用script机制，但需要在可维护性方面做好取舍。
扩展阅读
以上这篇redis通过pipeline提升吞吐量的方法就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持。