Redis作為一個基于內(nèi)存的緩存系統(tǒng)，一直以高性能著稱，因沒有上下文切換以及無鎖操作，即使在單線程處理情況下，讀速度仍可達到11萬次/s，寫速度達到8.1萬次/s。但是，單線程的設(shè)計也給Redis帶來一些問題：
只能使用CPU一個核；
如果刪除的鍵過大（比如Set類型中有上百萬個對象），會導(dǎo)致服務(wù)端阻塞好幾秒；
QPS難再提高。
針對上面問題，Redis在4.0版本以及6.0版本分別引入了Lazy Free以及多線程IO，逐步向多線程過渡，下面將會做詳細(xì)介紹。
單線程原理
都說Redis是單線程的，那么單線程是如何體現(xiàn)的？如何支持客戶端并發(fā)請求的？為了搞清這些問題，首先來了解下Redis是如何工作的。
Redis服務(wù)器是一個事件驅(qū)動程序，服務(wù)器需要處理以下兩類事件：
文件事件：Redis服務(wù)器通過套接字與客戶端（或者其他Redis服務(wù)器）進行連接，而文件事件就是服務(wù)器對套接字操作的抽象；服務(wù)器與客戶端的通信會產(chǎn)生相應(yīng)的文件事件，而服務(wù)器則通過監(jiān)聽并處理這些事件來完成一系列網(wǎng)絡(luò)通信操作，比如連接accept，read，write，close等；
時間事件：Redis服務(wù)器中的一些操作（比如serverCron函數(shù)）需要在給定的時間點執(zhí)行，而時間事件就是服務(wù)器對這類定時操作的抽象，比如過期鍵清理，服務(wù)狀態(tài)統(tǒng)計等。
正因為這樣的設(shè)計，在數(shù)據(jù)處理上避免了加鎖操作，既使得實現(xiàn)上足夠簡潔，也保證了其高性能。當(dāng)然，Redis單線程只是指其在事件處理上，實際上，Redis也并不是單線程的，比如生成RDB文件，就會fork一個子進程來實現(xiàn)，當(dāng)然，這不是本文要討論的內(nèi)容。
Lazy Free機制
如上所知，Redis在處理客戶端命令時是以單線程形式運行，而且處理速度很快，期間不會響應(yīng)其他客戶端請求，但若客戶端向Redis發(fā)送一條耗時較長的命令，比如刪除一個含有上百萬對象的Set鍵，或者執(zhí)行flushdb，flushall操作，Redis服務(wù)器需要回收大量的內(nèi)存空間，導(dǎo)致服務(wù)器卡住好幾秒，對負(fù)載較高的緩存系統(tǒng)而言將會是個災(zāi)難。為了解決這個問題，在Redis 4.0版本引入了Lazy Free，將慢操作異步化，這也是在事件處理上向多線程邁進了一步。
如作者在其博客中所述，要解決慢操作，可以采用漸進式處理，即增加一個時間事件，比如在刪除一個具有上百萬個對象的Set鍵時，每次只刪除大鍵中的一部分?jǐn)?shù)據(jù)，最終實現(xiàn)大鍵的刪除。但是，該方案可能會導(dǎo)致回收速度趕不上創(chuàng)建速度，最終導(dǎo)致內(nèi)存耗盡。因此，Redis最終實現(xiàn)上是將大鍵的刪除操作異步化，采用非阻塞刪除（對應(yīng)命令UNLINK），大鍵的空間回收交由單獨線程實現(xiàn)，主線程只做關(guān)系解除，可以快速返回，繼續(xù)處理其他事件，避免服務(wù)器長時間阻塞。
以刪除（DEL命令）為例，看看Redis是如何實現(xiàn)的，下面就是刪除函數(shù)的入口，其中，lazyfree_lazy_user_del是是否修改DEL命令的默認(rèn)行為，一旦開啟，執(zhí)行DEL時將會以UNLINK形式執(zhí)行。
void delCommand(client *c) {
delGenericCommand(c,server.lazyfree_lazy_user_del);
}
/* This command implements DEL and LAZYDEL. */
void delGenericCommand(client *c, int lazy) {
int numdel = 0, j;
for (j = 1; j < c->argc; j++) {
expireIfNeeded(c->db,c->argv[j]);
// 根據(jù)配置確定DEL在執(zhí)行時是否以lazy形式執(zhí)行
int deleted = 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);
}
同步刪除很簡單，只要把key和value刪除，如果有內(nèi)層引用，則進行遞歸刪除，這里不做介紹。下面看下異步刪除，Redis在回收對象時，會先計算回收收益，只有回收收益在超過一定值時，采用封裝成Job加入到異步處理隊列中，否則直接同步回收，這樣效率更高。回收收益計算也很簡單，比如String類型，回收收益值就是1，而Set類型，回收收益就是集合中元素個數(shù)。
/* Delete a key, value, and associated expiration entry if any, from the DB.
* If there are enough allocations to free the value object may be put into
* a lazy free list instead of being freed synchronously. The lazy free list
* will be reclaimed in a different bio.c thread. */
#define LAZYFREE_THRESHOLD 64
int dbAsyncDelete(redisDb *db, robj *key) {
/* Deleting an entry from the expires dict will not free the sds of
* the key, because it is shared with the main dictionary. */
if (dictSize(db->expires) > 0) dictDelete(db->expires,key->ptr);
/* If the value is composed of a few allocations, to free in a lazy way
* is actually just slower... So under a certain limit we just free
* the object synchronously. */
dictEntry *de = dictUnlink(db->dict,key->ptr);
if (de) {
robj *val = dictGetVal(de);
// 計算value的回收收益
size_t free_effort = lazyfreeGetFreeEffort(val);
/* If releasing the object is too much work, do it in the background
* by adding the object to the lazy free list.
* Note that if the object is shared, to reclaim it now it is not
* possible. This rarely happens, however sometimes the implementation
* of parts of the Redis core may call incrRefCount() to protect
* objects, and then call dbDelete(). In this case we'll fall
* through and reach the dictFreeUnlinkedEntry() call, that will be
* equivalent to just calling decrRefCount(). */
// 只有回收收益超過一定值，才會執(zhí)行異步刪除，否則還是會退化到同步刪除
if (free_effort > LAZYFREE_THRESHOLD && val->refcount == 1) {
atomicIncr(lazyfree_objects,1);
bioCreateBackgroundJob(BIO_LAZY_FREE,val,NULL,NULL);
dictSetVal(db->dict,de,NULL);
}
}
/* Release the key-val pair, or just the key if we set the val
* field to NULL in order to lazy free it later. */
if (de) {
dictFreeUnlinkedEntry(db->dict,de);
if (server.cluster_enabled) slotToKeyDel(key->ptr);
return 1;
} else {
return 0;
}
}
通過引入a threaded lazy free，Redis實現(xiàn)了對于Slow Operation的Lazy操作，避免了在大鍵刪除，F(xiàn)LUSHALL，F(xiàn)LUSHDB時導(dǎo)致服務(wù)器阻塞。當(dāng)然，在實現(xiàn)該功能時，不僅引入了lazy free線程，也對Redis聚合類型在存儲結(jié)構(gòu)上進行改進。因為Redis內(nèi)部使用了很多共享對象，比如客戶端輸出緩存。當(dāng)然，Redis并未使用加鎖來避免線程沖突，鎖競爭會導(dǎo)致性能下降，而是去掉了共享對象，直接采用數(shù)據(jù)拷貝，如下，在3.x和6.x中ZSet節(jié)點value的不同實現(xiàn)。
// 3.2.5版本ZSet節(jié)點實現(xiàn)，value定義robj *obj
/* ZSETs use a specialized version of Skiplists */
typedef struct zskiplistNode {
robj *obj;
double score;
struct zskiplistNode *backward;
struct zskiplistLevel {
struct zskiplistNode *forward;
unsigned int span;
} level[];
} zskiplistNode;
// 6.0.10版本ZSet節(jié)點實現(xiàn)，value定義為sds ele
/* ZSETs use a specialized version of Skiplists */
typedef struct zskiplistNode {
sds ele;
double score;
struct zskiplistNode *backward;
struct zskiplistLevel {
struct zskiplistNode *forward;
unsigned long span;
} level[];
} zskiplistNode;
去掉共享對象，不但實現(xiàn)了lazy free功能，也為Redis向多線程跨進帶來了可能，正如作者所述：
Now that values of aggregated data types are fully unshared, and client output buffers don’t contain shared objects as well, there is a lot to exploit. For example it is finally possible to implement threaded I/O in Redis, so that different clients are served by different threads. This means that we’ll have a global lock only when accessing the database, but the clients read/write syscalls and even the parsing of the command the client is sending, can happen in different threads.
多線程I/O及其局限性
Redis在4.0版本引入了Lazy Free，自此Redis有了一個Lazy Free線程專門用于大鍵的回收，同時，也去掉了聚合類型的共享對象，這為多線程帶來可能，Redis也不負(fù)眾望，在6.0版本實現(xiàn)了多線程I/O。
實現(xiàn)原理 正如官方以前的回復(fù)，Redis的性能瓶頸并不在CPU上，而是在內(nèi)存和網(wǎng)絡(luò)上。因此6.0發(fā)布的多線程并未將事件處理改成多線程，而是在I/O上，此外，如果把事件處理改成多線程，不但會導(dǎo)致鎖競爭，而且會有頻繁的上下文切換，即使用分段鎖來減少競爭，對Redis內(nèi)核也會有較大改動，性能也不一定有明顯提升。
如上圖紅色部分，就是Redis實現(xiàn)的多線程部分，利用多核來分擔(dān)I/O讀寫負(fù)荷。在事件處理線程每次獲取到可讀事件時，會將所有就緒的讀事件分配給I/O線程，并進行等待，在所有I/O線程完成讀操作后，事件處理線程開始執(zhí)行任務(wù)處理，在處理結(jié)束后，同樣將寫事件分配給I/O線程，等待所有I/O線程完成寫操作。
以讀事件處理為例，看下事件處理線程任務(wù)分配流程：
int handleClientsWithPendingReadsUsingThreads(void) {
...
/* Distribute the clients across N different lists. */
listIter li;
listNode *ln;
listRewind(server.clients_pending_read,&li);
int item_id = 0;
// 將等待處理的客戶端分配給I/O線程
while((ln = listNext(&li))) {
client *c = listNodeValue(ln);
int target_id = item_id % server.io_threads_num;
listAddNodeTail(io_threads_list[target_id],c);
item_id++;
}
...
/* Wait for all the other threads to end their work. */
// 輪訓(xùn)等待所有I/O線程處理完
while(1) {
unsigned long pending = 0;
for (int j = 1; j < server.io_threads_num; j++)
pending += io_threads_pending[j];
if (pending == 0) break;
}
...
return processed;
}
I/O線程處理流程：
void *IOThreadMain(void *myid) {
...
while(1) {
...
// I/O線程執(zhí)行讀寫操作
while((ln = listNext(&li))) {
client *c = listNodeValue(ln);
// io_threads_op判斷是讀還是寫事件
if (io_threads_op == IO_THREADS_OP_WRITE) {
writeToClient(c,0);
} else if (io_threads_op == IO_THREADS_OP_READ) {
readQueryFromClient(c->conn);
} else {
serverPanic("io_threads_op value is unknown");
}
}
listEmpty(io_threads_list[id]);
io_threads_pending[id] = 0;
if (tio_debug) printf("[%ld] Donen", id);
}
}
局限性
從上面實現(xiàn)上看，6.0版本的多線程并非徹底的多線程，I/O線程只能同時執(zhí)行讀或者同時執(zhí)行寫操作，期間事件處理線程一直處于等待狀態(tài)，并非流水線模型，有很多輪訓(xùn)等待開銷。
Tair多線程實現(xiàn)原理
相較于6.0版本的多線程，Tair的多線程實現(xiàn)更加優(yōu)雅。如下圖，Tair的Main Thread負(fù)責(zé)客戶端連接建立等，IO Thread負(fù)責(zé)請求讀取、響應(yīng)發(fā)送、命令解析等，Worker Thread線程專門用于事件處理。IO Thread讀取用戶的請求并進行解析，之后將解析結(jié)果以命令的形式放在隊列中發(fā)送給Worker Thread處理。Worker Thread將命令處理完成后生成響應(yīng)，通過另一條隊列發(fā)送給IO Thread。為了提高線程的并行度，IO Thread和Worker Thread之間采用無鎖隊列和管道進行數(shù)據(jù)交換，整體性能會更好。
小結(jié)
Redis 4.0引入Lazy Free線程，解決了諸如大鍵刪除導(dǎo)致服務(wù)器阻塞問題，在6.0版本引入了I/O Thread線程，正式實現(xiàn)了多線程，但相較于Tair，并不太優(yōu)雅，而且性能提升上并不多，壓測看，多線程版本性能是單線程版本的2倍，Tair多線程版本則是單線程版本的3倍。在作者看來，Redis多線程無非兩種思路，I/O threading和Slow commands threading，正如作者在其博客中所說：
I/O threading is not going to happen in Redis AFAIK, because after much consideration I think it’s a lot of complexity without a good reason. Many Redis setups are network or memory bound actually. Additionally I really believe in a share-nothing setup, so the way I want to scale Redis is by improving the support for multiple Redis instances to be executed in the same host, especially via Redis Cluster.
What instead I really want a lot is slow operations threading, and with the Redis modules system we already are in the right direction. However in the future (not sure if in Redis 6 or 7) we’ll get key-level locking in the module system so that threads can completely acquire control of a key to process slow operations. Now modules can implement commands and can create a reply for the client in a completely separated way, but still to access the shared data set a global lock is needed: this will go away.
Redis作者更傾向于采用集群方式來解決I/O threading，尤其是在6.0版本發(fā)布的原生Redis Cluster Proxy背景下，使得集群更加易用。此外，作者更傾向于slow operations threading（比如4.0版本發(fā)布的Lazy Free）來解決多線程問題。后續(xù)版本，是否會將IO Thread實現(xiàn)的更加完善，采用Module實現(xiàn)對慢操作的優(yōu)化，著實值得期待。
推薦閱讀
為什么阿里巴巴的程序員成長速度這么快，看完他們的成長筆記我懂了
【算法篇】Leetcode刷題的50個小技巧，你居然不知道？
看完三件事??
如果你覺得這篇內(nèi)容對你還蠻有幫助，我想邀請你幫我三個小忙：
點贊，轉(zhuǎn)發(fā)，有你們的 『點贊和評論』，才是我創(chuàng)造的動力。
關(guān)注公眾號 『 Java斗帝 』，不定期分享原創(chuàng)知識。
同時可以期待后續(xù)文章ing??
