pipeline机制对于Redis性能的提升究竟有多大？

前言：一般来说，Redis命令真正执行的时间通常在微秒级别，一次数据读取或写入耗费时间通常与客户端和Redis服务器之间延迟情况有直接关系。所以也有Redis性能瓶颈是在网络层面的说法。在此背景下，Redis提供了pipeline（流水线）机制，其作用为将多个Redis命令打包封装，一次性发送给Redis服务端，在Redis执行完成后，将执行结果统一返回，以达到减少RTT次数，提高Redis整体吞吐量的目的。本篇主要测试pipeline（流水线）机制对于Redis的性能提升究竟有多大。

 

测试准备

服务器：

1.本地docker中的Redis节点

2.办公内网测试环境的Redis节点（使用办公环境内网服务器）

3.外网服务器部署Redis节点（使用Bandwagon的VPS，官网显示物理机位置为美国加利福尼亚州）

客户端：

使用Java语言，引入Jedis工具包完成对Redis的连接。

测试方法：

1.客户端通过直接set和使用pipeline（流水线）机制两种不同的方式分别for循环1000次向Redis中添加1000个带有有效时间的key，横向对比两种方式的耗时差距。

2.统计本地ping三台服务器的延迟时间，并对三台服务器使用方法1分别进行测试，纵向对比不同服务器之间的耗时差异。

 

测试开始

客户端测试代码如下，同时，为了避免网络抖动等环境问题导致测试结果不准确，预计一共进行五轮测试。

  public static void main(String[] args) {
        Jedis jedis = new Jedis("127.0.0.1", 6379);
        long startTime = System.currentTimeMillis();
        // setex
//        setex(jedis);
        //pipeline
        pipeline(jedis);
        long result = System.currentTimeMillis() - startTime;
        System.out.println("本次耗时为：" + result);
    }

    /**
     * pipeline
     *
     * @param jedis
     */
    private static void pipeline(Jedis jedis) {
        Pipeline pipelined = jedis.pipelined();
        for (int i = 0; i < 1000; i++) {
            pipelined.setex(String.valueOf(i), 20, String.valueOf(i));
        }
        pipelined.sync();
    }

    /**
     * 直接set
     *
     * @param jedis
     */
    private static void setex(Jedis jedis) {
        for (int i = 0; i < 1000; i++) {
            jedis.setex(String.valueOf(i), 20, String.valueOf(i));
        }
    }

 

测试结果

docker本地：

轮次	ping延迟	setex耗时	pipeline耗时
第一次	0.12ms	1208ms	28ms
第二次	0.14ms	1107ms	36ms
第三次	0.12ms	987ms	28ms
第四次	0.07ms	1113ms	29ms
第五次	0.09ms	912ms	27ms

 

办公网测试环境：

轮次	ping延迟	setex耗时	pipeline耗时
第一次	20.93ms	5893ms	102ms
第二次	11.62ms	7129ms	57ms
第三次	13.05ms	6421ms	77ms
第四次	8.71ms	5987ms	53ms
第五次	9.44ms	6997ms	58ms

云服务器：

轮次	ping延迟	setex耗时	pipeline耗时
第一次	192.40ms	336557ms	1987ms
第二次	182.60ms	352612ms	1017ms
第三次	172.45ms	331517ms	1507ms
第四次	173.05ms	370071ms	1125ms
第五次	172.49ms	301157ms	987ms

 

五次测试取均值：

服务器	ping延迟	setex耗时	pipeline耗时	性能提升
本地docker	0.108ms	1065.4ms	29.6ms	36倍
办公网测试服务器	12.75ms	6485.4ms	69.4ms	93.5倍
云服务器	178.598ms	338382.8ms	1324.6ms	255.5倍

 

结论

根据本次测试结果得知，在批量操作Redis的多个key时，相比于操作单个key的命令，pipeline（流水线）机制的性能提升明显，并且客户端与服务器的延迟越高，pipeline（流水线）机制的性能提升越明显。