redis网络模型 select、poll、epoll

redis 网络模型

用户空间和内核空间

任何Linux发行版，内核都是Linux。

进程的寻址空间：内核空间、用户空间 0-2^32

用户空间只能执行受限的命令（Ring3），而且不能直接调用系统资源，必须通过内核提供的接口来访问
内核空间可以执行特权命令（Ring0），调用一切系统资源

redis 网络模型：阻塞IO

阻塞IO就是两个阶段都必须阻塞等待:

redis 网络模型：非阻塞IO

非阻塞IO的recvfrom操作会立即返回结果，而不会一直阻塞用户进程

然而并没有什么用，反而会让CPU使用率暴增。但在某些特殊场景，会有好的表现。比如IO多路复用

IO多路复用

无论是阻塞IO还是非阻塞IO，用户应用在一阶段都需要调用recvfrom来获取数据，差别在于无数据时的处理方案：

1. 如果调用recvfrom时，恰好没有数据，阻塞IO会使CPU阻塞，非阻塞IO使CPU空转，都不能充分发挥CPU的作用。
2. 如果调用recvfrom时，恰好有数据，则用户进程可以直接进入第二阶段，读取并处理数据

而在单线程情况下，只能依次处理IO事件，如果正在处理的IO事件恰好未就绪（数据不可读或不可写），线程就会被阻塞，所有IO事件都必须等待，性能自然会很差。

要提高效率有几种办法？
方案一：增加更多服务员（多线程）
方案二：不排队，谁想好了吃什么（数据就绪了），服务员就给谁点餐（用户应用就去读取数据）

用户进程如何知道内核中数据是否就绪呢？

我们从文件描述符开始说起：
文件描述符（File Descriptor）：简称FD，是一个从0 开始的无符号整数，用来关联Linux中的一个文件。在Linux中，一切皆文件，例如常规文件、视频、硬件设备等，当然也包括网络套接字（Socket）。
**IO多路复用：**是利用单个线程来同时监听多个FD，并在某个FD可读、可写时得到通知，从而避免无效的等待，充分利用CPU资源。
在这里插入图片描述

阶段一：
用户进程调用select，指定要监听的FD集合
内核监听FD对应的多个socket
任意一个或多个socket数据就绪则返回readable
此过程中用户进程阻塞
阶段二：
用户进程找到就绪的socket
依次调用recvfrom读取数据
内核将数据拷贝到用户空间
用户进程处理数据

不同监听FD的方式：

select

// 定义类型别名 __fd_mask，本质是 long int
typedef long int __fd_mask;
/* fd_set 记录要监听的fd集合，及其对应状态 */
typedef struct {
    // fds_bits是long类型数组，长度为 1024/32 = 32
    // 共1024个bit位，每个bit位代表一个fd，0代表未就绪，1代表就绪
    __fd_mask fds_bits[__FD_SETSIZE / __NFDBITS];
    // ...
} fd_set;
// select函数，用于监听fd_set，也就是多个fd的集合
int select(
    int nfds, // 要监视的fd_set的最大fd + 1    当遍历到这个值的时候，表示已经到达上线了
    fd_set *readfds, // 要监听读事件的fd集合
    fd_set *writefds,// 要监听写事件的fd集合
    fd_set *exceptfds, // // 要监听异常事件的fd集合
    // 超时时间，null-用不超时；0-不阻塞等待；大于0-固定等待时间
    struct timeval *timeout
);

没有直观的告诉用户哪个就绪了，都需要遍历一次fd_set读取，这也是select性能相对较差的原因
select模式存在的问题：
（1）需要将整个fd_set从用户空间拷贝到内核空间，select结束还要再次拷贝回用户空间
（2）select无法得知具体是哪个fd就绪，需要遍历整个fd_set
（3）fd_set监听的fd数量不能超过1024

poll

// pollfd 中的事件类型
#define POLLIN     //可读事件
#define POLLOUT    //可写事件
#define POLLERR    //错误事件
#define POLLNVAL   //fd未打开

// pollfd结构
struct pollfd {
    int fd;     	  /* 要监听的fd  */
    short int events; /* 要监听的事件类型：读、写、异常 */
    short int revents;/* 实际发生的事件类型 */
};
// poll函数
int poll(
    struct pollfd *fds, // pollfd数组，可以自定义大小  其实就是我们需要监听的文件描述符的集合，没有上限
    nfds_t nfds, // 数组元素个数
    int timeout // 超时时间
);

流程：
（1）创建pollfd数组，向其中添加关注的fd信息，数组大小自定义
（2）调用poll函数，将pollfd数组拷贝到内核空间，转链表存储，无上限
（3）内核遍历fd，判断是否就绪
（4）数据就绪或超时后，拷贝pollfd数组到用户空间，返回就绪fd数量n
（5）用户进程判断n是否大于0
（6）大于0则遍历pollfd数组，找到就绪的fd
与select对比：
select模式中的fd_set大小固定为1024，而pollfd在内核中采用链表，理论上无上限
监听FD越多，每次遍历消耗时间也越久，性能反而会下降

epoll

struct eventpoll {
    //...
    struct rb_root  rbr; // 一颗红黑树，记录要监听的FD
    struct list_head rdlist;// 一个链表，记录就绪的FD
    //...
};
// 1.创建一个epoll实例,内部是event poll，返回对应的句柄epfd
int epoll_create(int size);
// 2.将一个FD添加到epoll的红黑树中，并设置ep_poll_callback
// callback触发时，就把对应的FD加入到rdlist这个就绪列表中
int epoll_ctl(
    int epfd,  // epoll实例的句柄
    int op,    // 要执行的操作，包括：ADD、MOD、DEL
    int fd,    // 要监听的FD
    struct epoll_event *event // 要监听的事件类型：读、写、异常等
);
// 3.检查rdlist列表是否为空，不为空则返回就绪的FD的数量
int epoll_wait(
    int epfd,                   // epoll实例的句柄
    struct epoll_event *events, // 空event数组，用于接收就绪的FD
    int maxevents,              // events数组的最大长度
    int timeout   // 超时时间，-1用不超时；0不阻塞；大于0为阻塞时间
);

差异：

1. select和poll只会通知用户进程有FD就绪，但不确定具体是哪个FD，需要用户进程逐个遍历FD来确认
2. epoll则会在通知用户进程FD就绪的同时，把已就绪的FD写入用户空间

select模式存在的三个问题：
（1）能监听的FD最大不超过1024
（2）每次select都需要把所有要监听的FD都拷贝到内核空间
（3）每次都要遍历所有FD来判断就绪状态
poll模式的问题：
poll利用链表解决了select中监听FD上限的问题，但依然要遍历所有FD，如果监听较多，性能会下降
epoll模式中如何解决这些问题的？
（1）基于epoll实例中的红黑树保存要监听的FD，理论上无上限，而且增删改查效率都非常高
（2）每个FD只需要执行一次epoll_ctl添加到红黑树，以后每次epol_wait无需传递任何参数，无需重复拷贝FD到内核空间
（3）利用ep_poll_callback机制来监听FD状态，无需遍历所有FD，因此性能不会随监听的FD数量增多而下降

IO多路复用的事件通知机制

当FD有数据可读时，我们调用epoll_wait（或者select、poll）可以得到通知。但是事件通知的模式有两种：
（1）LevelTriggered：简称LT，也叫做水平触发。只要某个FD中有数据可读，每次调用epoll_wait都会得到通知。
（2）EdgeTriggered：简称ET，也叫做边沿触发。只有在某个FD有状态变化时，调用epoll_wait才会被通知。
注：
（1）ET模式避免了LT模式可能出现的惊群现象
（2）ET模式最好结合非阻塞IO读取FD数据，相比LT会复杂一些
（3）select和poll仅支持LT模式，epoll可以自由选择LT和ET两种模式

IO多路复用-web服务流程

信号驱动IO

信号驱动IO是与内核建立SIGIO的信号关联并设置回调，当内核有FD就绪时，会发出SIGIO信号通知用户，期间用户应用可以执行其它业务，无需阻塞等待。

当有大量IO操作时，信号较多，SIGIO处理函数不能及时处理可能导致信号队列溢出，而且内核空间与用户空间的频繁信号交互性能也较低。

异步IO

异步IO的整个过程都是非阻塞的，用户进程调用完异步API后就可以去做其它事情，内核等待数据就绪并拷贝到用户空间后才会递交信号，通知用户进程。

在高并发下，累计过多业务，因为IO读写的效率是比较低的，每增加一个任务有可能就有大量内存的消耗，会导致整个系统的内存占用过多导致系统的崩溃。要使用异步IO，要做好限流，但是增加了复杂度。
虽然也有使用，但是还是IO多路复用更好。

redis的网络模型

redis是单线程还是多线程？

（1）如果仅仅聊Redis的核心业务部分（命令处理），答案是单线程
（2）如果是聊整个Redis，那么答案就是多线程
在Redis版本迭代过程中，在两个重要的时间节点上引入了多线程的支持：
Redis v4.0：引入多线程异步处理一些耗时较旧的任务，例如异步删除命令unlink
Redis v6.0：在核心网络模型中引入 多线程，进一步提高对于多核CPU的利用率
因此，对于Redis的核心网络模型，在Redis 6.0之前确实都是单线程。是利用epoll（Linux系统）这样的IO多路复用技术在事件循环中不断处理客户端情。

为什么redis要采用单线程？

（1）抛开持久化不谈，Redis是纯内存操作，执行速度非常快，它的性能瓶颈是网络延迟而不是执行速度，因此多线程并不会带来巨大的性能提升。
（2）多线程会导致过多的上下文切换，带来不必要的开销
（3）引入多线程会面临线程安全问题，必然要引入线程锁这样的安全手段，实现复杂度增高，而且性能也会大打折扣