Redis为什么这么快?

4a473a159a8c966c1fbb7e054babe51e

Redis 是一款性能卓越的开源内存型数据库,因其读写效率极高以及对多种数据结构的支持而著称。作为一种轻便且灵活的键值存储解决方案,Redis 在众多应用场景中均表现出显著的性能优势。不论是作为缓存手段、会话管理的一部分、信息传递的中间件,还是在处理实时数据任务和复杂的分布式系统设计中,Redis 都发挥着关键作用。关于 Redis 为何如此快速,这也是我们在面试中经常遇到的一个问题。下面,我们将共同探讨 Redis 快速的原因。

本篇文章将深入剖析 Redis 在面对海量数据时为何能迅速处理的原因。我们将围绕 Redis 的内存操作特性、高效的内存数据结构、单线程工作模式、I/O 多路复用技术、底层架构及其优化策略、数据持久化机制以及网络通信协议等多个维度进行详细的分析与讨论。通过深入认识 Redis 的内部工作原理和性能提升技巧,我们能够更深刻地理解 Redis 快速响应的根源,并学会如何在实践应用中充分利用其性能优势。

image

1.1 完全基于内存的数据库

Redis 作为一种以内存为存储导向的数据库,其核心优势在于将全部数据,包括键值对及与之关联的复杂结构,存储于内存之中。与传统的基于磁盘的数据库系统相比,Redis 巧妙利用内存的高速读写能力,大幅提高了系统的响应速度和性能。内存的读写速度远超磁盘,使得 Redis 能够迅速且有效地处理数据的存取请求。在数据读取方面,Redis 避免了耗时的磁盘 I/O 操作,直接在内存中快速定位所需信息,大幅减少了访问延迟。写入操作同样直接在内存中进行,确保了数据的即时更新。仅在执行数据持久化策略,如 RDB 快照或 AOF 日志写入时,数据才会被异步或按需同步到磁盘上,以保障系统重启后的数据恢复,而这并不会影响 Redis 在日常操作中的高性能表现。 考虑到服务器的内存资源并非无限,实际上往往相对紧张,Redis 作为基于内存操作的数据库,我们不禁要问:Redis 如何在有限的内存空间内实现精准且高效的内存管理呢?

1.1.1 过期键删除

8ff4260f91fac2f2f765bf77f4e456f8

Redis 允许为键设置生存时间(TTL),并且在键到达过期时间后,采用以下两种机制自动移除这些键:

  1. 延迟删除(Lazy Expire) :当客户端访问某个键时,Redis 会检验该键是否已过期。若已过期,则在此次访问时将其移除。这种方法的特点是,只有当过期键被客户端查询时,Redis 才会执行删除动作。这种策略的优点在于减少了不必要的删除操作,仅在必要时才处理,但其不足在于可能会让过期的键在内存中保留一段时间。
  2. 主动删除(Active Expire) :Redis 会定期(默认每秒执行十次)随机选取一部分键,检查它们的过期状态。一旦发现键已过期,便立即执行删除。这种机制确保了过期的键能够在一定时间内得到清理,防止它们长时间占用内存。然而,定期检查会带来一定的 CPU 开销,因为每次都需要对选中的键进行过期时间验证。

通过这两种策略的结合使用,Redis 能够有效地维护和清理过期的键,确保内存使用保持在合理水平。在实际开发过程中,我们可以根据具体的应用场景和需求,调整过期键的处理策略,以优化性能和内存的使用效率。

1.1.2 内存淘汰策略

745f7ab89b7061d54e932a2df69abdc6

内存清除策略 是 Redis 在内存空间紧张时(达到或超出预设的 maxmemory 限制)采取的一种内存空间释放手段。Redis 将根据用户预先定义的清除策略决定哪些键应该被移除,以便腾出内存空间。通过精心挑选和配置适当的内存清除策略,可以有效控制内存消耗,避免内存泄漏,并确保系统的稳定运行和性能表现。

以下是一些常见的内存淘汰策略:

  1. 最近最少使用(LRU) :LRU 策略专注于移除那些最近最少被访问的键。Redis 记录了每个键最后被访问的时间,并在适当的时候淘汰那些最长时间未被触及的键。这种策略在缓存应用中尤为有效,因为长时间未访问的键可能不再重要,删除它们可以节省内存。
  2. 最不经常使用(LFU) :LFU 策略则关注于删除那些访问频率最低的键。Redis 跟踪每个键的访问频率,并在需要时淘汰那些最少被访问的键。LFU 适用于那些希望优先淘汰不常用键的场景,以此来优化内存使用。
  3. 键的过期时间(TTL) :TTL 策略专门针对已经设置过期时间的键。Redis 会定期清理那些已经到达过期时间的键,自动释放相关内存。通过这种方式,不再需要的数据可以被及时清除。
  4. 随机淘汰:随机淘汰策略不依赖于键的访问频率或过期状态,而是随机选择键进行删除。尽管这种方法看起来简单,但在某些情况下,它可能是一种快速有效的内存释放手段。
  5. 固定数量淘汰:这种策略会确定一个要删除的键的数量,然后根据一定的规则(如 LRU 或 LFU)来选择这些键。这种方法确保了每次淘汰都能释放出特定大小的内存空间。

当 Redis 的内存使用率达到预设的 maxmemory 阈值时,内存淘汰机制便会启动,以腾出更多空间。选择合适的内存淘汰策略,并根据系统需求调整 maxmemory 参数,是有效管理内存的关键。通过精心配置内存限制和淘汰策略,可以确保 Redis 在内存紧张时能够及时释放资源,防止内存溢出,维护系统的稳定性和性能表现。

修改内存maxmemory只需要在redis.conf配置文件中配置maxmemory-policy参数即可。

如果redis.conf文件中没有明确配置内存淘汰策略,Redis 的默认淘汰策略是noeviction。这意味着当内存使用达到maxmemory限制时,Redis 不会自动淘汰任何键,而是会针对那些可能导致更多内存使用的命令返回错误,例如写入新数据时会返回错误,但是读取操作仍然可以正常执行。这种策略可以防止 Redis 服务器使用超过配置的内存限制,但是它不会主动释放内存,可能会导致服务器的响应性能下降。

1.1.3 内存碎片管理

83294a86230f6bb90187682bafeb449c

内存碎片整理是一项针对 Redis 内存空间进行优化和维护的任务,旨在减少内存碎片的存在,优化内存使用。内存碎片指的是那些虽然分配了但不再被使用的内存区块,这些区块虽然占用空间,但实际上并不参与有效数据的存储,导致了内存资源的浪费。 在 Redis 的运作过程中,频繁的数据增删改查操作会导致内存空间逐渐碎片化,单个碎片可能微不足道,但累积起来会降低内存的有效利用率,进而影响系统的整体性能和稳定性。 为了缓解内存碎片化的问题,Redis 会周期性地执行内存碎片整理。这一过程主要包括以下步骤:

  • 检查内存空间:Redis 会对整个内存空间进行遍历,识别并标记出已分配和未分配的内存区块。
  • 合并空闲内存块:系统会尝试将相邻的空闲内存区块合并成更大的连续空间,以此来减少碎片的数量,增强内存的使用效率。
  • 数据迁移:在必要时,Redis 会将数据在内存中重新排列,从一块内存移动到另一块,以便更合理地组织内存布局。这一步骤可能较为耗时,因为它涉及数据的复制操作。
  • 释放无用内存块:最终,Redis 会释放那些不再需要使用的内存区块,使这些空间得以重新分配给新的数据。

通过定期的内存碎片整理,Redis 能够维持内存空间的连续性,降低碎片化程度,提升内存使用效率,进而增强系统的性能和稳定性。然而,内存碎片整理过程可能会消耗一定的系统资源,尤其是在碎片较多时。因此,Redis 通常会选择在系统负载较低的时刻执行碎片整理,以减少对系统性能的潜在影响。

bash 复制代码
以下是一些相关的配置选项,可以在redis.conf文件中设置:

activedefrag yes/no:是否开启主动碎片整理。
active-defrag-ignore-bytes 100mb:碎片大小超过多少时开始整理。
active-defrag-threshold-lower 10:碎片率低于这个值时,不会进行碎片整理。

这些配置选项可以让管理员更细粒度地控制Redis的内存碎片整理行为,但大多数情况下,Redis默认的行为就足够应对日常的内存碎片管理需求。

1.2 高效的内存数据结构

f3034dcaecb29a30d2fcbe84a33b039b

Redis 作为一个内存数据库系统,提供了丰富且高效的内存数据结构,包括字符串(String)、列表(List)、集合(Set)、有序集合(Sorted Set)、哈希(Hash) 等。这些数据结构不仅具有简单易用的特点,还能够在内存中高效地存储和操作数据,为 Redis 的快速性能提供了坚实的基础。

image

1.2.1 字符串(String)

  • 实现方式:Redis 的字符串是动态字符串,可以存储字符串、整数或浮点数。

  • 快速访问和存储

    • 简单动态字符串(SDS) :Redis 使用简单动态字符串来表示字符串,这种结构包含字符串长度、分配的内存大小和实际内容,这使得获取字符串长度的时间复杂度为 O(1),且可以避免频繁的内存分配。
    • 整数和浮点数的编码:Redis 可以以整数或浮点数的特定编码形式存储,这样可以快速进行数值操作。

1.2.2 列表(List)

  • 实现方式:Redis 的列表可以用来存储一系列字符串,底层实现可以是压缩列表(ziplist)或双端链表(linkedlist)。

  • 快速访问和存储

    • 压缩列表:当列表元素较少且元素大小较小时,Redis 使用压缩列表来存储,这样可以减少内存使用和提高访问速度。
    • 双端链表:当列表元素较多或元素较大时,Redis 使用双端链表,它允许快速地从列表的两端进行插入和删除操作。

1.2.3 集合(Set)

  • 实现方式:集合用于存储不重复的字符串,底层实现可以是整数集合(intset)或哈希表(hashtable)。

  • 快速访问和存储

    • 整数集合:当集合只包含整数且数量不多时,Redis 使用整数集合,它是一个紧凑的数组结构,可以快速检查元素是否存在。
    • 哈希表:当集合包含更多元素或非整数时,Redis 使用哈希表,通过哈希函数快速定位元素,提供平均 O(1)的时间复杂度进行添加、删除和查找操作。

1.2.4 有序集合(Sorted Set)

  • 实现方式:有序集合是集合的一种,每个元素都会关联一个分数,可以根据分数排序,底层实现是跳跃表(skiplist)和哈希表。

  • 快速访问和存储

    • 跳跃表:跳跃表是一种有序数据结构,它通过多层链表实现快速的范围查询和排序操作,时间复杂度为 O(log N)。
    • 哈希表:哈希表用于快速访问元素,与集合类似。

1.2.5 哈希(Hash)

  • 实现方式:哈希用于存储键值对集合,底层实现可以是压缩列表或哈希表。

  • 快速访问和存储

    • 压缩列表:当哈希包含的键值对较少且大小较小时,Redis 使用压缩列表来存储,这样可以减少内存占用。
    • 哈希表:当哈希包含更多键值对或键值对较大时,Redis 使用哈希表,通过哈希函数快速定位键值对,提供平均 O(1)的时间复杂度进行添加、删除和查找操作。

这些数据结构的优化设计,使得 Redis 能够以极快的速度进行数据的读写操作,这也是 Redis 作为内存数据库在性能上的一大优势。

1.3 单线程模型

在 Redis 中,所谓的单线程模型指的是 Redis 在处理核心数据时,仅使用一个主线程来进行网络 IO、接收客户端命令、执行命令以及返回结果。在 Redis 服务器端,无论是网络通信还是键值对的读写,都是由这个唯一的主线程来完成的,而像持久化和集群数据同步这样的任务则是由额外的线程来执行的。在这种单线程模式下,Redis 服务器是按顺序依次处理每个客户端的请求。 采用单线程模型带来的优势包括:

  • 减少上下文切换:在多线程环境中,线程间的上下文切换会导致 CPU 资源的额外消耗。Redis 的单线程模型消除了这种开销,使得 CPU 资源可以更专注于命令的实际执行。

  • 简化并发控制:单线程确保了同一时间点只有一个操作在处理数据,从而无需引入锁机制来维持数据一致性,避免了多线程环境下的锁竞争和死锁问题,提升了执行效率。

  • 优化内存操作性能:作为内存型数据库,Redis 的大部分操作均在内存中完成,本身具有高效率。单线程模式下,无需考虑并发问题,进一步提升了内存操作的效率。

    在常规的开发实践中,我们通常通过并发编程来提升服务的处理能力。这时,我们可能会疑惑:Redis 的单线程模型是否能够有效利用 CPU 资源?

    实际上,Redis 由于是基于内存的操作,CPU 很少成为性能瓶颈。Redis 的性能更受限于服务器的内存和网络带宽。例如,在 Linux 系统上,Redis 可以利用 pipelining 技术实现高吞吐量,每秒处理大量请求。因此,如果应用主要使用的是时间复杂度为 O(N)或 O(log(N))的命令,对 CPU 的压力并不大。基于单线程模型的简单性和 CPU 资源很少成为限制因素,单线程设计是一个合理的选择。

    然而,单线程模型确实限制了 Redis 的并发处理能力。由于只有一个线程处理请求,它无法充分利用多核 CPU 的性能。这可能导致到达服务端的请求不能立即得到处理。那么,Redis 是如何确保单线程模型下的资源利用率和处理效率的呢?

1.3.1 IO 多路复用技术

Redis 通过使用IO 多路复用技术(如 epoll、kqueue 或 select 等),在一个线程内同时监听多个 socket 连接,当有网络事件发生时(如读写就绪),再逐一处理。这样可以处理大量并发连接,并在单线程中高效地调度网络事件,使得单线程也能应对高并发场景。

所以 Redis 服务端,整体来看,就是一个以事件驱动的程序,它的操作都是基于事件的方式进行的 通过事件驱动架构,Redis 能够在一个线程内并发处理大量客户端请求,而无需为每个客户端创建独立的线程。此外,由于 Redis 的高效内存管理、数据结构优化和单线程模型,避免了多线程环境下的锁竞争和上下文切换开销,从而实现了极高的吞吐量和响应速度。

1.4 IO 多路复用模型

IO 多路复用的关键在于操作系统内核专注于监控应用程序的文件描述符,而不是直接对连接进行监视。当客户端运行时产生的各种套接字事件被内核截获。在服务器端,IO 多路复用机制负责搜集这些事件,并将它们放入事件队列中,然后通过文件事件分配器将事件传递给相应的事件处理器进行相应的操作。

以 Redis 为例,在其单线程模式下,内核持续监视所有客户端的 socket 连接请求和数据传输状态。一旦发现任何 socket 上存在待处理的活动,它会立即将处理权移交给 Redis 的线程。这使得即使只有一个线程,Redis 也能高效地管理多个并发的 IO 流。 select/epoll 等 IO 多路复用技术实现了一种事件驱动的回调机制,每当不同的事件触发时,Redis 可以迅速调用对应的事件处理器,保持对事件的处理状态,从而提高了其反应速度。

1.5 简单高效的通信协议

3782fcacda1dd3cbd6ea1e25c1cd8d9e

Redis Cluster 在其集群内部通信中,采用了基于Gossip协议的消息传播机制。这种机制有效地实现了集群状态和节点信息在各个节点间的迅速传播与同步。类似于流行病的传播方式,Gossip 协议使得节点能够随机挑选其他节点进行信息交换,进而在整个网络中迅速扩散更新内容。

诸如 Redis Cluster、Consul 和 Apache Cassandra 等分布式系统,均采用 Gossip 协议或其变体来保持集群的稳定性和一致性。通过这种协议,节点能够高效地交换和更新集群的元数据,例如节点的加入、退出、故障转移等信息。

然而,在实际应用中,纯 Gossip 协议可能会遇到信息重复传播的问题,即同一信息可能会被已经接收过的节点再次接收到。为了减少这种冗余并提升通信效率,这些系统通常会实施一些优化措施,比如记录节点间已知的消息状态,以避免重复传播。尽管如此,Gossip 协议依然是大规模分布式系统中实现高可用性和强一致性的有效策略,其优势在于仅通过局部通信就能逐渐实现全局一致性,并且具有良好的可扩展性和容错性。

最后总结

在面试中解释 Redis 之所以快速的原因,可以按照以下要点进行回答:

  • 内存存储机制: Redis 的数据存储完全依赖于内存,其读写操作均在内存中进行。由于内存的访问速度远超过磁盘,这赋予了 Redis 在处理数据时极高的读写效率。尤其是在执行简单的数据存取任务时,由于线程在内存中的执行时间极短,主要的延迟来源于网络 I/O,因此 Redis 在应对大量的快速读写请求时展现出了优异的性能。
  • 单线程架构: Redis 采用单线程模型来处理客户端请求,这种设计保证了操作的原子性,并消除了多线程环境中的上下文切换和锁竞争问题。这使得 Redis 在执行命令请求时,能够维持高度的确定性和一致性,同时也简化了编程的复杂性,并降低了并发控制的难度。
  • IO 多路复用技术: 通过采用 IO 多路复用技术,例如 epoll,Redis 能够在单个线程中高效地管理多个客户端连接。它通过单线程轮询监听多个套接字描述符,并将数据库的读写、连接的建立和关闭等操作转化为事件,利用自定义的事件分离器和处理器高效地处理这些事件,从而避免了 IO 等待时的线程阻塞。
  • 优化的数据结构: Redis 的设计核心是其高效的数据结构。例如,它使用全局哈希表(字典)来提供平均 O(1)的时间复杂度访问,并通过渐进式 rehash 操作动态调整哈希桶的数量,以减少哈希冲突并避免一次性操作导致的阻塞。Redis 还广泛使用了如压缩表(ziplist)、跳跃表(skiplist)等多种优化的数据结构,以适应不同的使用场景,确保了数据读取和操作的高效率。
相关推荐
登云时刻15 分钟前
Kubernetes集群外连接redis集群和使用redis-shake工具迁移数据(二)
redis·容器·kubernetes
Dlwyz3 小时前
redis-击穿、穿透、雪崩
数据库·redis·缓存
工业甲酰苯胺5 小时前
Redis性能优化的18招
数据库·redis·性能优化
Oak Zhang8 小时前
sharding-jdbc自定义分片算法,表对应关系存储在mysql中,缓存到redis或者本地
redis·mysql·缓存
门牙咬脆骨9 小时前
【Redis】redis缓存击穿,缓存雪崩,缓存穿透
数据库·redis·缓存
门牙咬脆骨9 小时前
【Redis】GEO数据结构
数据库·redis·缓存
墨鸦_Cormorant11 小时前
使用docker快速部署Nginx、Redis、MySQL、Tomcat以及制作镜像
redis·nginx·docker
Dlwyz13 小时前
问题: redis-高并发场景下如何保证缓存数据与数据库的最终一致性
数据库·redis·缓存
飞升不如收破烂~14 小时前
redis的List底层数据结构 分别什么时候使用双向链表(Doubly Linked List)和压缩列表(ZipList)
redis
吴半杯16 小时前
Redis-monitor安装与配置
数据库·redis·缓存