Redis基准测试和影响性能因素

目录

基准测试

redis-benchmark

具体测试

影响Redis性能因素小结

---

      前面的日志中我们对Redis的部署进行了一些配置，如网络配置设置其socket监听队列的上限、安全配置通过bind命令和port命令把Reids绑定到安全的IP地址和端口上，还有内存淘汰策略的配置等。这些是除CPU性能和网络带宽之外我们能做的优化，那么在这些配置工作做好后，如何知道它是否能满足我们的需要？答案是可以对Redis进行基准测试，如果基准测试能达到我们对预期场景的需要，那么可以考虑部署上线，如果达不到要求，可能需要我们做些配置上的调整，或者升级更高性能的硬件了。

 

基准测试

         基准测试是对Redis性能进行定量的测试，并不关心业务的具体实现，测试的数据也不要求是真实的，可以是针对测试生成的测试数据，例如使用基准测试我们可以知道Redis每秒最多能够处理多少个请求，这也是我们基准测试的指标，QPS（每秒请求数），服务器在一秒内处理了多少个请求，这些可以自己在日志（log）中打印出来然后估计。

 

redis-benchmark

         基准测试我们可以使用Redis自带的工具：redis-benchmark，这也是主流的Redis性能测试工具，为什么这么说，因为看了下阿里云Redis和腾讯云Redis，腾讯云Redis使用的性能测试工具是redis-benchmark，阿里云Redis查了下也是基于redis-benchmark实现的测试工具。

https://help.aliyun.com/document_detail/26350.html

https://cloud.tencent.com/document/product/239/17952

上面是两家Redis的文档，从里面也可以看到性能指标为QPS。

       那么好，在使用redis-benchmark进行基准测试前，先来简单看看里面的一些参数，使用redis-benchmark –help命令查看：

      一些简单的如-h表示Redis主机地址、-p表示端口号、-s表示指定连接的服务地址（会覆盖掉-h和-p参数）等。重点看下面的，-c指定客户端的并发数量；-n指定发起的请求数；-d指定GET和SET操作的数据大小，单位为字节；-t可以指定需要测试的Redis命令，例如-t SET表示知道测试SET命令，-l表示一直循环进行基准测试；-P表示使用管道功能，通常情况下客户端一次请求只发起一个命令，使用管道后可以指定一次请求发起的请求数。

 

具体测试

         我们可以先对某个API，如SET命令进行基准测试，指定客户端数量为100，总共发起的操作数为100000，GET或SET操作数据大小为256字节：

      可以看到，SET操作处理速度是每秒49285个请求。这是客户端每次只发起一个命令，我们可以通过-P参数，使用管道让客户端每次发起多个命令，增大吞吐量来提高性能。在上面的命令后面加上-P 1000，让客户端一次请求发起1000个命令：

使用管道后，SET操作的处理速度提升到了每秒288184个请求。

       由于我是在一台主机上进行的基准测试，也就是说客户端和服务器端都在本机上，所以忽略掉了一个影响性能的指标—当前网络情况，在真实的场景下客户端和服务器端请求是要通过网络的，若遇到网络拥堵，性能肯定和上面的测试结果有很大出入，所以说我们应该先部署到真实应用的主机上，再进行基准测试，这样测出来的结果才贴近真实的场景。

 

影响Redis性能因素小结

         除了上面说的，因为我在一台主机上进行的基准测试，客户端和服务器端都在本机上外，还有一些影响Redis性能的因素，如：

1. 如果Redis运行在VMWare上（没错就是我….），那么基准测试的结果也是有挺大影响的，因为这些虚拟化的操作在网络端会产生一些额外的系统开销，所以为了尽可能减少延迟，直接把Redis部署到物理主机上吧。
2. Redis因为是单线程模型，所以对于单个核心性能更强劲和更大缓存的CPU，更适合Redis，在对小数据进行存取时差别不明显，在对大数据进行存取时其优势就能体现出来了。
3. 网络是一个很重要的影响因素，Redis建立在TCP协议之上，使用Redis处理多个命令时如果每次都是发送、应答、发送、应答的方式，都需要客户端和服务器端进行一次数据发送，消耗的网络延迟不可忽视。我们可以使用管道（就是上面的-P参数）来一次发送多个命令，减少往返的次数，或者使用一些支持批量处理的命令，SADD、ZADD、LPUSH、RPUSH等，这些目前Redis都支持。又或者，使用Lua脚本，把你的命令都写进去，这样在服务器端就可以完成对数据的业务处理逻辑，不用等数据返回到客户端再处理。