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。
• 部分读写操作存在相关依赖，无法使用pipeline实现，可利用，但需要在可维护性方面做好取舍。

扩展阅读