Redis高级特性【Pipeline】

我不是女神ヾ 2023-10-01 10:39 71阅读 0赞

### RTT ###

在上篇文章中说过，Redis 客户端执行一条命令分为如下 4 个部分：

![image-20211222203541346][]

其中 1~4 所消耗的时间称为 Round Trip Time (RTT，**往返时间**)，也就是数据在网络上传输的时间。

Redis 提供了批量操作命令（例如 mget、mset 等），有效地节约 RTT。但大部分命令是不支持批量操作的，例如要执行 n 次 hgetall 命令，并没有 mhgetall 命令存在，需要消耗 n 次 RTT。

Redis 的客户端和服务端可能部署在不同的机器上。 例如客户端在本地，Redis 服务器在阿里云的广州，两地直线距离约为 800 公里，那么 1 次 RTT 时间=800 x2/ ( 300000×2/3 ) =8 毫秒，(光在真空中传输速度为每秒 30 万公里,这里假设光纤为光速的 2/3 )，那么客户端在 1 秒内大约只能执行 125 次左右的命令，这个和 Redis 的高并发高吞吐特性背道而驰。

### pipeline 机制 ###

而 `pipeline` 机制能改善上面这类问题，它能将一组 Redis 命令进行组装，通过一次 RTT 传输给 Redis，再将这组 Redis 命令的执行结果按顺序返回给客户端，没有使用 `pipeline` 执行了 n 条命令，整个过程需要 n 次 RTT。如下：

![image-20211222204155555][]

如果使用 `pipeline` 执行了 n 次命令，整个过程需要 1 次 RTT。如下：

![image-20211222204332559][]

`pipeline` 并不是什么新的技术或机制，很多技术上都使用过。而且 RTT 在不同网络环境下会有不同，例如同机房和同机器会比较快，跨机房跨地区会比较慢。

Redis 命令真正执行的时间通常在微秒级别，所以**才会有 Redis 性能瓶颈是网络这样的说法**。

### 性能对比 ###

测试需求：

> 向 Redis 中写入 1000 次字符类型，通过非`pipeline` 和`pipeline` 的方式对比耗时。

通过 Jedis 客户端来连接 Redis。

#### properties ####

![image-20211223114158324][]

#### 基于 SpringConfig 的配置 ####

![image-20211223114634838][]

#### 非 pipeline ####

![image-20211223144426629][]

测试结果：

非pipeline操作1000次字符串数据类型set写入，耗时：5901毫秒

#### pipeline ####

Jedis 客户端中有一个 \*\*Pipeline \*\*类用来支持批量操作。

![image-20211223144702353][]

测试结果：

pipeline操作1000次字符串数据类型set写入，耗时：36毫秒

### 总结 ###

通过上面的测试可以得到如下两个结论:

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

Pipeline 虽然好用，但是每次 Pipeline 组装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 拆分成多次较小的 Pipeline 来完成，比如可以将 Pipeline 的总发送大小控制在内核输入输出缓冲区大小之内或者控制在 TCP 包的大小 1460 字节之内。

同时 Pipeline 只能操作一个 Redis 实例，但是即使在分布式 Redis 场景中，也可以作为批量操作的重要优化手段。

[image-20211222203541346]: https://img-blog.csdnimg.cn/img_convert/607eb2f95a8415fef3972fec7556ab27.png
[image-20211222204155555]: https://img-blog.csdnimg.cn/img_convert/c261275d1b74994752f1afc74d7b8678.png
[image-20211222204332559]: https://img-blog.csdnimg.cn/img_convert/f4a2d24a2b3ccc991fb1237c431e03be.png
[image-20211223114158324]: https://img-blog.csdnimg.cn/img_convert/d5709d048b1becac5c00f389d0b28a82.png
[image-20211223114634838]: https://img-blog.csdnimg.cn/img_convert/5ab2479154514e5ded2abb35280366d5.png
[image-20211223144426629]: https://img-blog.csdnimg.cn/img_convert/64554066c16f0424cd07b3629ba0cf5b.png
[image-20211223144702353]: https://img-blog.csdnimg.cn/img_convert/3698c529a072300fc8ac672576f87335.png