Redis單線程已經(jīng)很快了，為什么6.0要引入多線程？帶來什么優(yōu)勢？

• 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(jìn)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。

  

如上圖，Redis將文件事件和時間事件進(jìn)行抽象，時間輪訓(xùn)器會監(jiān)聽I/O事件表，一旦有文件事件就緒，Redis就會優(yōu)先處理文件事件，接著處理時間事件。在上述所有事件處理上，Redis都是以單線程形式處理，所以說Redis是單線程的。此外，如下圖，Redis基于Reactor模式開發(fā)了自己的I/O事件處理器，也就是文件事件處理器，Redis在I/O事件處理上，采用了I/O多路復(fù)用技術(shù)，同時監(jiān)聽多個套接字，并為套接字關(guān)聯(lián)不同的事件處理函數(shù)，通過一個線程實現(xiàn)了多客戶端并發(fā)處理。

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(jìn)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(jìn)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(jìn)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(jìn)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?；厥帐找嬗嬎阋埠芎唵?，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，FLUSHALL，FLUSHDB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(jìn)行改進(jìn)。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(jìn)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(jìn)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] Done\n", 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(jìn)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(jìn)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。