前言

Redis服务是一种C/S模型，提供请求－响应式协议的TCP服务，所以当客户端请求发出，服务端处理并返回结果到客户端，一般是以阻塞形式等待服务端的响应，但这在批量处理连接时延迟问题比较严重，所以Redis为了提升或弥补这个问题，引入了管道技术：可以做到服务端未及时响应的时候，客户端也可以继续发送命令请求，做到客户端和服务端互不干涉影响，服务端并最终返回所有服务端的响应，这在促进原有C/S模型交互的响应速度上有了质的提高。

以下是对 Redis管道机制的一个学习记录

Pipeline简介

Redis客户端执行一条命令：

• 发送命令
• 命令排队
• 执行命令
• 返回结果

其中发送命令和返回结果可以称为 Round Trip Time (RTT,往返时间)。在Redis中提供了批量操作命令，例如mget、mset等，有效地节约了RTT。但是大部分命令是不支持批量操作的。

为此Redis提供了一个称为管道(Pipeline) 的机制将一组Redis命令进行组装，通过一次 RTT 传输给 Redis,再将这些 Redis 命令的执行结果按顺序传递给客户端。即使用pipeline执行了n次命令，整个过程就只需要一次 RTT。

对Pipeline进行性能测试

我们使用redis-benchmark 对Pipeline进行性能测试，该工具提供了 -P 的选项，此选项表示使用管道机制处理 n 条Redis请求，默认值为1。测试如下：

# 不使用管道执行get set 100000次请求[root@iz2zeaf3cg1099kiidi06mz ~]# redis-benchmark -t get,set -q -n 100000SET: 55710.31 requests per secondGET: 54914.88 requests per second# 每次pipeline组织的命令个数 为 100[root@iz2zeaf3cg1099kiidi06mz ~]# redis-benchmark -P 100 -t get,set -q -n 100000SET: 1020408.19 requests per secondGET: 1176470.62 requests per second# 每次pipeline组织的命令个数 为 10000[root@iz2zeaf3cg1099kiidi06mz ~]# redis-benchmark -P 10000 -t get,set -q -n 100000SET: 321543.41 requests per secondGET: 241545.89 requests per second

从上面测试可以看出，使用pipeline的情况下 Redis 每秒处理的请求数远大于 不使用 pipeline的情况。

当然每次pipeline组织的命令个数不能没有节制，否则一次组装Pipeline数据量过大，一方面会增加 客户端等待时间，另一方面会造成一定的网络阻塞。

从上面的测试中也可以看出，如果一次pipeline组织的命令个数为 10000，但是它对应的QPS 却小于 一次pipeline命令个数为 100的。所以每次组织 Pipeline的命令个数不是越多越好，可以将一次包含大量命令的 Pipeline 拆分为 多个较小的 Pipeline 来完成。

Pipeline关于RTT的说明

在官网上有一段这样的描述:

大致意思就是 ：

Pipeline管道机制不单单是为了减少RTT的一种方式，它实际上大大提高了Redis的QPS。原因是，在没有使用管道机制的情况下，从访问数据结构和产生回复的角度来看，为每个命令提供服务是非常便宜的。但是从底层套接字的角度来看，这是非常昂贵的，这涉及read（）和write（）系统调用，从用户态切换到内核态，这种上下文切换开销是巨大。而使用Pipeline的情况下，通常使用单个read（）系统调用读取许多命令，然后使用单个write（）系统调用传递多个回复,这样就提高了QPS

批量命令与Pipeline对比

• 批量命令是原子的，Pipeline 是非原子的
• 批量命令是一个命令多个 key,Pipeline支持多个命令
• 批量命令是 Redis服务端实现的，而Pipeline需要服务端和客户端共同实现

使用jedis执行 pipeline

public class JedisUtils { private static final JedisUtils jedisutils = new JedisUtils(); public static JedisUtils getInstance() { return jedisutils; } public JedisPool getPool(String ip, Integer port) { JedisPoolConfig jedisPoolConfig = new JedisPoolConfig(); jedisPoolConfig.setMaxIdle(RedisConfig.MAX_IDLE); jedisPoolConfig.setMaxTotal(RedisConfig.MAX_ACTIVE); jedisPoolConfig.setMaxWaitMillis(RedisConfig.MAX_WAIT); jedisPoolConfig.setTestOnBorrow(true); jedisPoolConfig.setTestOnReturn(true); JedisPool pool = new JedisPool(jedisPoolConfig, ip, port,RedisConfig.TIMEOUT,RedisConfig.PASSWORD); return pool; } public Jedis getJedis(String ip, Integer port) { Jedis jedis = null; int count = 0; while (jedis == null && count < RedisConfig.RETRY_NUM) { try { jedis = getInstance().getPool(ip, port).getResource(); } catch (Exception e) { System.out.println("get redis failed"); } count++; } return jedis; } public void closeJedis(Jedis jedis) { if (jedis != null) { jedis.close(); } } public static void main(String[] args) throws InterruptedException { Jedis jedis = JedisUtils.getInstance().getJedis("127.0.0.1", 6379); Pipeline pipeline = jedis.pipelined(); pipeline.set("hello", "world"); pipeline.incr("counter"); System.out.println("还没执行命令"); Thread.sleep(100000); System.out.println("这里才开始执行"); pipeline.sync(); }}

在睡眠100s的时候查看 Redis，可以看到此时在pipeline中的命令并没有执行，命令都被放在一个队列中等待执行:

127.0.0.1:6379> get hello(nil)127.0.0.1:6379> get counter(nil)

睡眠结束后，使用 pipeline.sync()完成此次pipeline对象的调用。

127.0.0.1:6379> get hello"world"127.0.0.1:6379> get counter"1"

必须要执行pipeline.sync() 才能最终执行命令，当然可以使用 pipeline.syncANdReturnAll回调机制将pipeline响应命令进行返回。

参考资料 & 鸣谢

• Redis开发与运维
• Using pipelining to speedup Redis queries

总结

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，如果有疑问大家可以留言交流，谢谢大家对的支持。