Redis 6.0之前真的是单个线程吗？面试官：看来你只会背面试题

---

前言

本文参考源码版本为 redis6.2

我们常说 redis 是单线程模型，一般是指正常的 请求处理+周期任务。其中：

• 处理请求包括：包括接收连接、IO监听/读/写以及命令执行。
• 周期任务，如删除过期key、字典 rehash 等。

其实，还有一些非常耗时的操作，redis 通过专用的线程来处理，这里的专用线程，便是我们这篇文章的主角，我们接着往下看～

一、还有谁？

截止到目前，redis 共有三个后台线程，分别是 close_file、aof_fsync和lazy_free：

• close_file 表示关闭相应文件描述符对应的文件（释放套接字、数据空间等）。
• aof_fsync 表示 AOF 刷盘
• lazy_free 表示惰性释放空间

截止 redis6.0 之前，关于 redis 的线程模型，我画了张图，你可以看下：

为了方便，我们将处理用户连接相关的线程称为主线程，反之为后台线程。

换句话说，目前 redis 中存在两种线程（先不谈 redis 6.0 出现的 IO 线程）；即，主线程和后台线程。

由于之前系列文章已经介绍了很多主线程相关东西（如果不清楚的话，可以找来看看），本文将主要介绍后台线程。

二、后台线程

1. 初始化

在 server.c#main 函数启动最后阶段，调用了方法 InitServerLast：

// server.c#InitServerLast
void InitServerLast() {
    bioInit();
    initThreadedIO();
    set_jemalloc_bg_thread(server.jemalloc_bg_thread);
    server.initial_memory_usage = zmalloc_used_memory();
}

其中，bioInit() 则是后台线程初始化，bio 全名叫 Background I/O ，即后台IO：

void bioInit(void) {
    pthread_attr_t attr;
    pthread_t thread;
    size_t stacksize;
    int j;

    // 变量初始化
    for (j = 0; j < BIO_NUM_OPS; j++) {
        pthread_mutex_init(&bio_mutex[j],NULL);
        pthread_cond_init(&bio_newjob_cond[j],NULL);
        pthread_cond_init(&bio_step_cond[j],NULL);
        bio_jobs[j] = listCreate();
        bio_pending[j] = 0;
    }

    // 初始化线程栈大小
    pthread_attr_init(&attr);
    pthread_attr_getstacksize(&attr,&stacksize);
    if (!stacksize) stacksize = 1; /* The world is full of Solaris Fixes */
    while (stacksize < REDIS_THREAD_STACK_SIZE) stacksize *= 2;
    pthread_attr_setstacksize(&attr, stacksize);

    // 创建线程，下标 0,1,2 代表不同的线程
    for (j = 0; j < BIO_NUM_OPS; j++) {
        void *arg = (void*)(unsigned long) j;
        if (pthread_create(&thread,&attr,bioProcessBackgroundJobs,arg) != 0) {
            serverLog(LL_WARNING,"Fatal: Can't initialize Background Jobs.");
            exit(1);
        }
        bio_threads[j] = thread;
    }
}

注意到，这里有个宏定义：

#define BIO_NUM_OPS       3

表示后台线程的数量，也就是说，总共定义了3个后台线程。

另外，有几个参数值得说明：

static pthread_t bio_threads[BIO_NUM_OPS];
static pthread_mutex_t bio_mutex[BIO_NUM_OPS];
static pthread_cond_t bio_newjob_cond[BIO_NUM_OPS];
static pthread_cond_t bio_step_cond[BIO_NUM_OPS];
static list *bio_jobs[BIO_NUM_OPS];
static unsigned long long bio_pending[BIO_NUM_OPS];

• bio_threads 表示后台线程数组
• bio_mutex 互斥量，防止并发
• bio_newjob_cond 新任务条件
• bio_step_cond 停止条件
• bio_jobs 每个线程对应的事件列表（队列）
• bio_pending 表示各后台线程待处理事件数量

注意，以上所有数组都是通过下标对应起来，每一个下标代表一个不同的线程。

接着，我们看到线程创建时指定了处理方法 bioProcessBackgroundJobs，即后台线程执行的主体，我们稍后具体看看。

2. 真面目？

上一步已经创建了 3 个线程，并在创建时指定了一个名叫 bioProcessBackgroundJobs 的处理方法，该方法是3个线程的执行主体，根据 type （数组下标）选择不同的底层处理逻辑：

// bio.c#bioProcessBackgroundJobs
void *bioProcessBackgroundJobs(void *arg) {
    struct bio_job *job;
    unsigned long type = (unsigned long) arg;
    sigset_t sigset;

    // 这里的type就是前面说的代表线程的下标：0,1,2
    if (type >= BIO_NUM_OPS) {
        serverLog(LL_WARNING,
            "Warning: bio thread started with wrong type %lu",type);
        return NULL;
    }

    // 设置线程名，方便做监控
    switch (type) {
    case BIO_CLOSE_FILE:
        redis_set_thread_title("bio_close_file");
        break;
    case BIO_AOF_FSYNC:
        redis_set_thread_title("bio_aof_fsync");
        break;
    case BIO_LAZY_FREE:
        redis_set_thread_title("bio_lazy_free");
        break;
    }

    redisSetCpuAffinity(server.bio_cpulist);

    makeThreadKillable();
 
    // 给对应的线程上锁
    pthread_mutex_lock(&bio_mutex[type]);
    /* Block SIGALRM so we are sure that only the main thread will
     * receive the watchdog signal. */
    sigemptyset(&sigset);
    sigaddset(&sigset, SIGALRM);
    if (pthread_sigmask(SIG_BLOCK, &sigset, NULL))
        serverLog(LL_WARNING,
            "Warning: can't mask SIGALRM in bio.c thread: %s", strerror(errno));

    // 当线程进入start之后，会通过轮询判断消费队列是否有事件待处理。
    while(1) {
        listNode *ln;

        // 如果没有待处理事件，就通过 wait 进入等待状态（sleep）
        if (listLength(bio_jobs[type]) == 0) {
            pthread_cond_wait(&bio_newjob_cond[type],&bio_mutex[type]);
            continue;
        }
        
        // 弹出队首元素
        ln = listFirst(bio_jobs[type]);
        job = ln->value;

        // 我们已经取出了一个任务，可以把锁放开，让主线程继续投递任务事件
        pthread_mutex_unlock(&bio_mutex[type]);

        // 这里是关键，根据 type 选择该线程要执行的业务逻辑
        if (type == BIO_CLOSE_FILE) {
            close((long)job->arg1);
        } else if (type == BIO_AOF_FSYNC) {
            redis_fsync((long)job->arg1);
        } else if (type == BIO_LAZY_FREE) {
            /* What we free changes depending on what arguments are set:
             * arg1 -> free the object at pointer.
             * arg2 & arg3 -> free two dictionaries (a Redis DB).
             * only arg3 -> free the radix tree. */
            if (job->arg1)
                lazyfreeFreeObjectFromBioThread(job->arg1);
            else if (job->arg2 && job->arg3)
                lazyfreeFreeDatabaseFromBioThread(job->arg2,job->arg3);
            else if (job->arg3)
                lazyfreeFreeSlotsMapFromBioThread(job->arg3);
        } else {
            serverPanic("Wrong job type in bioProcessBackgroundJobs().");
        }
        zfree(job);

        // 即将进入下一轮处理，加锁控制并发
        pthread_mutex_lock(&bio_mutex[type]);
        listDelNode(bio_jobs[type],ln);
        // 待处理总数减1
        bio_pending[type]--;

        /* Unblock threads blocked on bioWaitStepOfType() if any. */
        pthread_cond_broadcast(&bio_step_cond[type]);
    }
}

这个方法逻辑本身并不复杂，每个线程启动后，进入该执行主体（该方法），然后通过无限 while 轮询处理队列中的事件，直到线程被挂起或者服务终止。

细心的你可能已经发现了，这就是典型的 生产者-消费者 模式，主线程负责生产任务事件，然后投递到 队列；后台线程就是我们的消费者，负责从队列取出任务事件并处理。

在 生产者-消费者 模式下，我们需要关注的是共享变量（队列），面临多线程的临界问题，所以就用了 bio_mutex 临界变量（互斥量）来控制并发。

在以上代码中的体现就是：

• 消费者：从队列取任务之前，先上锁，取到之后，立即释放锁；
• 生产者：往队列投递任务之前，先上锁，投递之后，立即释放锁。

3. 触发机制

前面说到，这里使用了典型的 生产者-消费者模式，每一个后台线程都有其对应事件列表（队列），当有事件需要处理时，会发送到对应的后台线程队列，再唤醒后台线程（如果对应线程处于休眠状态），然后执行。

我画了一张图来展示其处理流程，你可以看下：

现在，我们开始溯源，看看生产者（主线程）何时会投递任务事件。

首先，redis 作为典型的事件型驱动框架，信息交流是以事件为媒介，因此，任务事件也做了一层封装：

// bio.c#bio_job
struct bio_job {
    time_t time; // job 的创建时间
    // 任务参数，如果有超过3个参数的话，可以定义一个指向结构体的指针
    void *arg1, *arg2, *arg3;
};

并提供了统一创建任务事件的方法 bioCreateBackgroundJob：

// bio.c#bioCreateBackgroundJob
void bioCreateBackgroundJob(int type, void *arg1, void *arg2, void *arg3) {
    struct bio_job *job = zmalloc(sizeof(*job));

    job->time = time(NULL);
    job->arg1 = arg1;
    job->arg2 = arg2;
    job->arg3 = arg3;
    // 往队列投递任务之前先上锁，保证并发安全性
    pthread_mutex_lock(&bio_mutex[type]);
    listAddNodeTail(bio_jobs[type],job);
    bio_pending[type]++;
    pthread_cond_signal(&bio_newjob_cond[type]);
    // 投递完成后，释放锁
    pthread_mutex_unlock(&bio_mutex[type]);
}

然后，通过 bioCreateBackgroundJob 往上找调用方：

可以清晰的看到，主要有以下几个调用：

1）aof 调用：

• 文件追加写之后刷盘（磁盘）
• 文件 rewrite（重写）之后刷盘

2）lazyfree 删除空间：

• DEL 命令
• FLUSHALL / FLUSHDB 命令

3）关闭文件：

• AOF / RDB 产生的临时文件
• 副本数据同步过程中的临时文件（比如 RDB 文件）

4. 慢操作（blocking）

一个大型应用系统的正常运转需要协调多方资源，网络、磁盘、内存甚至还要处理客户端特性化的需求等等，每个模块都有各自的长短处，速度协调上往往会做出各种妥协。

redis 这种纯内存操作，其瓶颈往往在于网络和内存，而不是 CPU。我们需要一些额外的线程来 分担 主线程的压力，在这些模块之间做一些 适配 工作。

因此，单靠一个线程来处理所有事情，变成了一种奢求。redis 中先后出现了一系列的后台线程，比如 close_file、aof_fsync 以及 lazy_free 都是为了解决这些问题。

这样的处理方式，让主线程专心处理 主营业务 （客户端请求），减少了其后顾之忧！

4.1. close_file

close 是一个系统调用，用来关闭已打开的文件、TCP 套接字等等。具体会释放文件描述符、内存空间或者磁盘空间等等。

我们知道，redis 提供了 AOF 和 RDB持久化功能，以及 replication 副本等机制来保障服务的高可用。

当然，这个过程中会有 数据刷盘、数据传输 以及 数据重写 等一系列操作，其中就会产生空间占用较大的临时文件，这种大临时文件的资源释放，非常适合用专门的线程来处理。

这种专用线程，redis 中取了个名字叫做 bio_close_file，我们来看看源码中的位置：

// bio.c#bioProcessBackgroundJobs
    switch (type) {
    case BIO_CLOSE_FILE:
        redis_set_thread_title("bio_close_file");
        break;
    case BIO_AOF_FSYNC:
        redis_set_thread_title("bio_aof_fsync");
        break;
    case BIO_LAZY_FREE:
        redis_set_thread_title("bio_lazy_free");
        break;
    }

当然，这段代码是后面才加上的，主要是为了更方便的做一些监控。

4.2. aof_fsync

由于磁盘和内存之间较大的速度差异，一般情况下，操作系统内核设有高速缓冲区（内核缓冲区），通过 write 等系统调用写入的数据都是暂存于缓冲区。

因此，真正的磁盘 IO 操作都是从内核缓冲区读取数据，然后执行真正的刷盘操作；一般情况下，根据系统内核自身的刷盘机制即可，当然，也可以通过 fsync 这种手动调用，直接进行数据刷盘。

fsync 函数只对由文件描述符 fd 指定的文件起作用，并且等待写磁盘操作结束才返回。fsync 可用于数据库这样的应用程序，这种应用程序需要确保修改过的块理解写到磁盘上。

redis 提供了 3 种刷盘策略，其宏定义如下：

#define AOF_FSYNC_NO 0
#define AOF_FSYNC_ALWAYS 1
#define AOF_FSYNC_EVERYSEC 2

其中：

• AOF_FSYNC_NO： 表示不显示调用 fsync 进行刷盘，具体刷盘策略由操作系统内核自身策略决定。效率最高，但丢数据的风险也最高
• AOF_FSYNC_ALWAYS： 每条命令执行后都尝试通过 fsync 刷盘。效率最低，但丢失数据的风险最低
• AOF_FSYNC_EVERYSEC：表示 1s 执行一次刷盘。效率和丢数据风险都属于中等，一般情况下都采用这种方式。

4.3. lazy_free

在应用程序中，为了提高这些删除操作的执行速度，一般情况下的删除操作都是直接将引用设置为 null，然后由另外独立的操作（线程）去释放真正占用的内存空间。

当然，redis 中也有些操作是这样做的，删除一个大对象的操作是，先将变量引用设置为 null, 然后释放内存空间。

可以想象下，如果删除操作要同时执行释放空间的操作，整个操作的效率将会有多么不可控，比如，我们要删除一个百万级的哈希字典（GB级别），要将空间完全释放，这个时间消耗对于一般的操作来说将是多么恐怖！！！

同时，在 redis 的实现中，会评估具体命令的损耗来判断究竟是选择立即处理还是延迟处理。

#define LAZYFREE_THRESHOLD 64

比如，对于 set, zset, hash 等等，元素个数超过 LAZYFREE_THRESHOLD 阀值才会使用 lazy_free。

当然，对于 FLUSHALL 或 FLUSHDB 等命令如果指定了async 异步命令的情况下，将会直接通过惰性去清空整个数据库。

FLUSHALL [ ASYNC | SYNC]

值得注意的是，惰性删除也会带来一些问题，具体可以看看这篇 issues#1748

三、总结

本文主要围绕 redis 的后台线程展开，主要分析了：

• 通过 bio_close_file 线程来释放 AOF / RDB 等过程中产生的临时文件资源。
• 通过 aof_fsync 线程将追加至 AOF 内存缓存中的数据写入磁盘。
• 通过 lazy_free 线程释放大对象（已删除）占用的内存空间.

参考文献：

• Lazy Redis is better Redis - Antirez
• Lazy free of keys and databases
• An update about Redis developments in 2019 - Antirez
• How can Redis use multiple CPUs or cores?