面试官:Redis单线程已经很快,为何6.0要引入多线程?有啥优势?
发布网友
发布时间：2024-09-26 10:30
共1个回答
热心网友
时间：2024-11-06 13:32
Redis作为一个基于内存的缓存系统，一直以高性能著称，因没有上下文切换以及无锁操作，即使在单线程处理情况下，读速度仍可达到11万次/s，写速度达到8.1万次/s。但是，单线程的设计也给Redis带来一些问题：
只能使用CPU一个核；
如果删除的键过大（比如Set类型中有上百万个对象），会导致服务端阻塞好几秒；
QPS难再提高。
针对上面问题，Redis在4.0版本以及6.0版本分别引入了LazyFree以及多线程IO，逐步向多线程过渡，下面将会做详细介绍。
单线程原理都说Redis是单线程的，那么单线程是如何体现的？如何支持客户端并发请求的？为了搞清这些问题，首先来了解下Redis是如何工作的。
Redis服务器是一个事件驱动程序，服务器需要处理以下两类事件：
文件事件：
Redis服务器通过套接字与客户端（或者其他Redis服务器）进行连接，而文件事件就是服务器对套接字操作的抽象；服务器与客户端的通信会产生相应的文件事件，而服务器则通过监听并处理这些事件来完成一系列网络通信操作，比如连接accept，read，write，close等；
时间事件：
Redis服务器中的一些操作（比如serverCron函数）需要在给定的时间点执行，而时间事件就是服务器对这类定时操作的抽象，比如过期键清理，服务状态统计等。
如上图，Redis将文件事件和时间事件进行抽象，时间轮训器会监听I/O事件表，一旦有文件事件就绪，Redis就会优先处理文件事件，接着处理时间事件。在上述所有事件处理上，Redis都是以单线程形式处理，所以说Redis是单线程的。
此外，如下图，Redis基于Reactor模式开发了自己的I/O事件处理器，也就是文件事件处理器，Redis在I/O事件处理上，采用了I/O多路复用技术，同时监听多个套接字，并为套接字关联不同的事件处理函数，通过一个线程实现了多客户端并发处理。
正因为这样的设计，在数据处理上避免了加锁操作，既使得实现上足够简洁，也保证了其高性能。当然，Redis单线程只是指其在事件处理上，实际上，Redis也并不是单线程的，比如生成RDB文件，就会fork一个子进程来实现，当然，这不是本文要讨论的内容。
LazyFree机制如上所知，Redis在处理客户端命令时是以单线程形式运行，而且处理速度很快，期间不会响应其他客户端请求，但若客户端向Redis发送一条耗时较长的命令，比如删除一个含有上百万对象的Set键，或者执行flushdb，flushall操作，Redis服务器需要回收大量的内存空间，导致服务器卡住好几秒，对负载较高的缓存系统而言将会是个灾难。为了解决这个问题，在Redis4.0版本引入了LazyFree，将慢操作异步化，这也是在事件处理上向多线程迈进了一步。
如作者在其博客中所述，要解决慢操作，可以采用渐进式处理，即增加一个时间事件，比如在删除一个具有上百万个对象的Set键时，每次只删除大键中的一部分数据，最终实现大键的删除。但是，该方案可能会导致回收速度赶不上创建速度，最终导致内存耗尽。
因此，Redis最终实现上是将大键的删除操作异步化，采用非阻塞删除（对应命令UNLINK），大键的空间回收交由单独线程实现，主线程只做关系解除，可以快速返回，继续处理其他事件，避免服务器长时间阻塞。
以删除（DEL命令）为例，看看Redis是如何实现的，下面就是删除函数的入口，其中，lazyfree_lazy_user_del是是否修改DEL命令的默认行为，一旦开启，执行DEL时将会以UNLINK形式执行。
voiddelCommand(client*c){delGenericCommand(c,server.lazyfree_lazy_user_del);}/*ThiscommandimplementsDELandLAZYDEL.*/voiddelGenericCommand(client*c,intlazy){intnumdel=0,j;for(j=1;j<c->argc;j++){expireIfNeeded(c->db,c->argv[j]);//根据配置确定DEL在执行时是否以lazy形式执行intdeleted=lazy?dbAsyncDelete(c->db,c->argv[j]):dbSyncDelete(c->db,c->argv[j]);if(deleted){signalModifiedKey(c,c->db,c->argv[j]);notifyKeyspaceEvent(NOTIFY_GENERIC,"del",c->argv[j],c->db->id);server.dirty++;numdel++;}}addReplyLongLong(c,numdel);}同步删除很简单，只要把key和value删除，如果有内层引用，则进行递归删除，这里不做介绍。下面看下异步删除，Redis在回收对象时，会先计算回收收益，只有回收收益在超过一定值时，采用封装成Job加入到异步处理队列中，否则直接同步回收，这样效率更高。回收收益计算也很简单，比如String类型，回收收益值就是1，而Set类型，回收收益就是集合中元素个数。
/*Deleteakey,value,andassociatedexpirationentryifany,fromtheDB.*Ifthereareenoughallocationstofreethevalueobjectmaybeputinto*alazyfreelistinsteadofbeingfreedsynchronously.Thelazyfreelist*willbereclaimedinadifferentbio.cthread.*/#defineLAZYFREE_THRESHOLD64intdbAsyncDelete(redisDb*db,robj*key){/*Deletinganentryfromtheexpiresdictwillnotfreethesdsof*thekey,becauseitissharedwiththemaindictionary.*/if(dictSize(db->expires)>0)dictDelete(db->expires,key->ptr);/*Ifthevalueiscomposedofafewallocations,tofreeinalazyway*isactuallyjustslower...Sounderacertainlimitwejustfree*theobjectsynchronously.*/dictEntry*de=dictUnlink(db->dict,key->ptr);if(de){robj*val=dictGetVal(de);//计算value的回收收益size_tfree_effort=lazyfreeGetFreeEffort(val);/*Ifreleasingtheobjectistoomuchwork,doitinthebackground*byaddingtheobjecttothelazyfreelist.*Notethatiftheobjectisshared,toreclaimitnowitisnot*possible.Thisrarelyhappens,howeversometimestheimplementation*ofpartsoftheRediscoremaycallincrRefCount()toprotect*objects,andthencalldbDelete().Inthiscasewe'llfall*throughandreachthedictFreeUnlinkedEntry()call,thatwillbe*equivalenttojustcallingdecrRefCount().*///只有回收收益超过一定值，才会执行异步删除，否则还是会退化到同步删除if(free_effort>LAZYFREE_THRESHOLD&&val->refcount==1){atomicIncr(lazyfree_objects,1);bioCreateBackgroundJob(BIO_LAZY_FREE,val,NULL,NULL);dictSetVal(db->dict,de,NULL);}}/*Releasethekey-valpair,orjustthekeyifwesettheval*fieldtoNULLinordertolazyfreeitlater.*/if(de){dictFreeUnlinkedEntry(db->dict,de);if(server.cluster_enabled)slotToKeyDel(key->ptr);return1;}else{return0;}}通过引入athreadedlazyfree，Redis实现了对于SlowOperation的Lazy操作，避免了在大键删除，FLUSHALL，FLUSHDB时导致服务器阻塞。当然，在实现该功能时，不仅引入了lazyfree线程，也对Redis聚合类型在存储结构上进行改进。
因为Redis内部使用了很多共享对象，比如客户端输出缓存。当然，Redis并未使用加锁来避免线程冲突，锁竞争会导致性能下降，而是去掉了共享对象，直接采用数据拷贝，如下，在3.x和6.x中ZSet节点value的不同实现。
//3.2.5版本ZSet节点实现，value定义robj*obj/*ZSETsuseaspecializedversionofSkiplists*/typedefstructzskiplistNode{robj*obj;doublescore;structzskiplistNode*backward;structzskiplistLevel{structzskiplistNode*forward;unsignedintspan;}level[];}zskiplistNode;//6.0.10版本ZSet节点实现，value定义为sdsele/*ZSETsuseaspecializedversionofSkiplists*/typedefstructzskiplistNode{sdsele;doublescore;structzskiplistNode*backward;structzskiplistLevel{structzskiplistNode*forward;unsignedlongspan;}level[];}zskiplistNode;去掉共享对象，不但实现了lazyfree功能，也为Redis向多线程跨进带来了可能，正如作者所述：
Nowthatvaluesofaggregateddatatypesarefullyunshared,andclientoutputbuffersdon’tcontainsharedobjectsaswell,thereisalottoexploit.ForexampleitisfinallypossibletoimplementthreadedI/OinRedis,sothatdifferentclientsareservedbydifferentthreads.Thismeansthatwe’llhaveagloballockonlywhenaccessingthedatabase,buttheclientsread/writesyscallsandeventheparsingofthecommandtheclientissending,canhappenindifferentthreads.
多线程I/O及其局限性Redis在4.0版本引入了LazyFree，自此Redis有了一个LazyFree线程专门用于大键的回收，同时，也去掉了聚合类型的共享对象，这为多线程带来可能，Redis也不负众望，在6.0版本实现了多线程I/O。
实现原理正如官方以前的回复，Redis的性能瓶颈并不在CPU上，而是在内存和网络上。因此6.0发布的多线程并未将事件处理改成多线程，而是在I/O上，此外，如果把事件处理改成多线程，不但会导致锁竞争，而且会有频繁的上下文切换，即使用分段锁来减少竞争，对Redis内核也会有较大改动，性能也不一定有明显提升。
如上图红色部分，就是Redis实现的多线程部分，利用多核来分担I/O读写负荷。在事件处理线程每次获取到可读事件时，会将所有就绪的读事件分配给I/O线程，并进行等待，在所有I/O线程完成读操作后，事件处理线程开始执行任务处理，在处理结束后，同样将写事件分配给I/O线程，等待所有I/O线程完成写操作。
以读事件处理为例，看下事件处理线程任务分配流程：
inthandleClientsWithPendingReadsUsingThreads(void){.../*DistributetheclientsacrossNdifferentlists.*/listIterli;listNode*ln;listRewind(server.clients_pending_read,&li);intitem_id=0;//将等待处理的客户端分配给I/O线程while((ln=listNext(&li))){client*c=listNodeValue(ln);inttarget_id=item_id%server.io_threads_num;listAddNodeTail(io_threads_list[target_id],c);item_id++;}.../*Waitforalltheotherthreadstoendtheirwork.*///轮训等待所有I/O线程处理完while(1){unsignedlongpending=0;for(intj=1;j<server.io_threads_num;j++)pending+=io_threads_pending[j];if(pending==0)break;}...returnprocessed;}I/O线程处理流程：
void*IOThreadMain(void*myid){...while(1){...//I/O线程执行读写操作while((ln=listNext(&li))){client*c=listNodeValue(ln);//io_threads_op判断是读还是写事件if(io_threads_op==IO_THREADS_OP_WRITE){writeToClient(c,0);}elseif(io_threads_op==IO_THREADS_OP_READ){readQueryFromClient(c->conn);}else{serverPanic("io_threads_opvalueisunknown");}}listEmpty(io_threads_list[id]);io_threads_pending[id]=0;if(tio_debug)printf("[%ld]Done\n",id);}}局限性从上面实现上看，6.0版本的多线程并非彻底的多线程，I/O线程只能同时执行读或者同时执行写操作，期间事件处理线程一直处于等待状态，并非流水线模型，有很多轮训等待开销。
Tair多线程实现原理相较于6.0版本的多线程，Tair的多线程实现更加优雅。如下图，Tair的MainThread负责客户端连接建立等，IOThread负责请求读取、响应发送、命令解析等，WorkerThread线程专门用于事件处理。IOThread读取用户的请求并进行解析，之后将解析结果以命令的形式放在队列中发送给WorkerThread处理。WorkerThread将命令处理完成后生成响应，通过另一条队列发送给IOThread。为了提高线程的并行度，IOThread和WorkerThread之间采用无锁队列和管道进行数据交换，整体性能会更好。
Redis4.0引入LazyFree线程，解决了诸如大键删除导致服务器阻塞问题，在6.0版本引入了I/OThread线程，正式实现了多线程，但相较于Tair，并不太优雅，而且性能提升上并不多，压测看，多线程版本性能是单线程版本的2倍，Tair多线程版本则是单线程版本的3倍。在作者看来，Redis多线程无非两种思路，I/Othreading和Slowcommandsthreading，正如作者在其博客中所说：
I/OthreadingisnotgoingtohappeninRedisAFAIK,becauseaftermuchconsiderationIthinkit’salotofcomplexitywithoutagoodreason.ManyRedissetupsarenetworkormemoryboundactually.AdditionallyIreallybelieveinashare-nothingsetup,sothewayIwanttoscaleRedisisbyimprovingthesupportformultipleRedisinstancestobeexecutedinthesamehost,especiallyviaRedisCluster.
WhatinsteadIreallywantalotisslowoperationsthreading,andwiththeRedismolessystemwealreadyareintherightdirection.Howeverinthefuture(notsureifinRedis6or7)we’llgetkey-levellockinginthemolesystemsothatthreadscancompletelyacquirecontrolofakeytoprocessslowoperations.Nowmolescanimplementcommandsandcancreateareplyfortheclientinacompletelyseparatedway,butstilltoaccesstheshareddatasetagloballockisneeded:thiswillgoaway.
Redis作者更倾向于采用集群方式来解决I/Othreading，尤其是在6.0版本发布的原生RedisClusterProxy背景下，使得集群更加易用。
此外，作者更倾向于slowoperationsthreading（比如4.0版本发布的LazyFree）来解决多线程问题。后续版本，是否会将IOThread实现的更加完善，采用Mole实现对慢操作的优化，着实值得期待。
作者：Java斗帝之路