面试官：请你谈谈Redis 6.0 之前为什么一直不使用多线程？

女爷i 2022-10-20 12:24 136阅读 0赞

点击上方蓝字关注我们！

![8b89fcf57b20efe35e62be711375d58f.gif][]

回复 **赚钱**** **有特别礼包

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`Lazy Free`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。
    
    ![d48ca829f389663ff4e699f9fe00e084.png][]

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。

![8ae194b3b716f7b5dc9f75b5ba0cb375.png][]

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。

## Lazy Free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Redis 4.0版本引入了`Lazy Free`，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。

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]);
            // 根据配置确定DEL在执行时是否以lazy形式执行
            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。

搜索侠梦的开发笔记公众号回复“赚钱”，送你一份惊喜礼包。

/* 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);
            // 计算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);
            }
        }
    
        /* 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;
        }
    }`

通过引入`a threaded lazy free`，Redis实现了对于`Slow Operation`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`lazy free`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
    /* 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节点实现，value定义为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;`

去掉共享对象，不但实现了`lazy free`功能，也为Redis向多线程跨进带来了可能，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.

## 多线程I/O及其局限性 ##

Redis在4.0版本引入了`Lazy Free`，自此Redis有了一个`Lazy Free`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。

![52635b141a91b255e9757c87d898e95f.png][]

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：

int handleClientsWithPendingReadsUsingThreads(void) {
        ...
    
        /* Distribute the clients across N different lists. */
        listIter li;
        listNode *ln;
        listRewind(server.clients_pending_read,&li);
        int item_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);
            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. */
        // 轮训等待所有I/O线程处理完
        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);
                } 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] 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`Main Thread`负责客户端连接建立等，`IO Thread`负责请求读取、响应发送、命令解析等，`Worker Thread`线程专门用于事件处理。`IO Thread`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`Worker Thread`处理。`Worker Thread`将命令处理完成后生成响应，通过另一条队列发送给`IO Thread`。为了提高线程的并行度，`IO Thread`和`Worker Thread`之间采用无锁队列 和管道 进行数据交换，整体性能会更好。

![40595df99ae9ae78626fd0093781e76e.png][]

## 小结 ##

Redis 4.0引入`Lazy Free`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/O Thread`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/O threading`和`Slow commands threading`，正如作者在其博客中所说：

> 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作者更倾向于采用集群方式来解决`I/O threading`，尤其是在6.0版本发布的原生Redis Cluster Proxy背景下，使得集群更加易用。

此外，作者更倾向于`slow operations threading`（比如4.0版本发布的`Lazy Free`）来解决多线程问题。后续版本，是否会将`IO Thread`实现的更加完善，采用Module实现对慢操作的优化，着实值得期待。

### Redis 6.0 为什么要引入多线程呢？ ###

zRedis 的瓶颈并不在 CPU，而在内存和网络。

内存不够的话，可以加内存或者做数据结构优化和其他优化等，但网络的性能优化才是大头，网络 IO 的读写在 Redis 整个执行期间占用了大部分的 CPU 时间，如果把网络处理这部分做成多线程处理方式，那对整个 Redis 的性能会有很大的提升。

优化方向：

*  提高网络 IO 性能，典型的实现比如使用 DPDK 来替代内核网络栈的方式。
 *  使用多线程充分利用多核，典型的实现比如 Memcached。

所以总结起来，Redis 支持多线程主要就是两个原因：

*  可以充分利用服务器 CPU 资源，目前主线程只能利用一个核。
 *  多线程任务可以分摊 Redis 同步 IO 读写负荷。

往期推荐

[Redis分布式锁使用不当，导致超卖了100瓶飞天茅台！！！][Redis_100]

[从几百个生产环境总结出的Redis性能问题排查解决手册（值得收藏）][Redis]

[面试官：作为架构师，请你谈谈Saas 应用如何搭建？][Saas]

[面试官：请你谈谈用Redis实现一个轻量级的搜索引擎！][Redis 1]

[接商城类私活就靠他了,前后端都有][Link 1]

![d62b037e46f3be1f41810dca30042675.png][]

[8b89fcf57b20efe35e62be711375d58f.gif]: /images/20221020/ab36b84b622c4fe9b637803a4b9b8e6c.png
[d48ca829f389663ff4e699f9fe00e084.png]: /images/20221020/d12d5d2d490c4b8c95e59aee63d41c55.png
[8ae194b3b716f7b5dc9f75b5ba0cb375.png]: /images/20221020/53464bb9935349a7adae166b6f430d2b.png
[52635b141a91b255e9757c87d898e95f.png]: /images/20221020/2101acbc4cf341ad9ba505b4f25895ad.png
[40595df99ae9ae78626fd0093781e76e.png]: /images/20221020/00a8fe68bef4411b9dd59d920184c7f5.png
[Redis_100]: http://mp.weixin.qq.com/s?__biz=MzU2NDc4MjE2Ng%3D%3D&chksm=fc44e6d5cb336fc3cf85e952dcc135a1a8e1b7d2e525f2aef91906aa916f5992096b2540e3b0&idx=1&mid=2247488492&scene=21&sn=d8d64692e290cc58bb13017be933a6c2#wechat_redirect
[Redis]: http://mp.weixin.qq.com/s?__biz=MzU2NDc4MjE2Ng%3D%3D&chksm=fc44e6e2cb336ff46fbf5a7e44ede2480935c243ede960289181bb1f42f8f1ee1d3b621a6536&idx=1&mid=2247488475&scene=21&sn=0456c9ec0a73d77f2630aa7905444932#wechat_redirect
[Saas]: http://mp.weixin.qq.com/s?__biz=MzU2NDc4MjE2Ng%3D%3D&chksm=fc44e6a0cb336fb6db7868e3643ab4cb503c47d657882ed5d6d2aadca7a84f9c4ccf9bf2a613&idx=1&mid=2247488409&scene=21&sn=931946d92b5a667a102ed9162d68e481#wechat_redirect
[Redis 1]: http://mp.weixin.qq.com/s?__biz=MzU2NDc4MjE2Ng%3D%3D&chksm=fc44e645cb336f53ce15b2c4c5adfb934c4c64a515d39ba65c619eaf1e514f6e7308933de221&idx=1&mid=2247488380&scene=21&sn=a8e0c8d072c0e1d63cd4c17cbf4de124#wechat_redirect
[Link 1]: http://mp.weixin.qq.com/s?__biz=MzU2NDc4MjE2Ng%3D%3D&chksm=fc44e649cb336f5fe33481c3dd6e162401ce9ee404e1d87df8b43c15c87815170b1da3173a5b&idx=1&mid=2247488368&scene=21&sn=474ded5d359ef1db87a9010cbf0dba33#wechat_redirect
[d62b037e46f3be1f41810dca30042675.png]: /images/20221020/617c87d2807a410cbbc87bddff611d74.png