CFSDN坚持开源创造价值，我们致力于搭建一个资源共享平台，让每一个IT人在这里找到属于你的精彩世界.

这篇CFSDN的博客文章Redis的多线程到底该怎么理解由作者收集整理，如果你对这篇文章有兴趣，记得点赞哟.

前言

Redis作为一个基于内存的缓存系统，一直以高性能著称，因没有上下文切换以及无锁操作，即使在单线程处理情况下，读速度仍可达到11万次/s，写速度达到8.1万次/s。但是，单线程的设计也给Redis带来一些问题:

• 只能使用CPU一个核； 。

• 如果删除的键过大（比如Set类型中有上百万个对象），会导致服务端阻塞好几秒； 。

• QPS难再提高.

针对上面问题，Redis在4.0版本以及6.0版本分别引入了 Lazy Free 以及 多线程IO ，逐步向多线程过渡，下面将会做详细介绍.

单线程原理

都说Redis是单线程的，那么单线程是如何体现的？如何支持客户端并发请求的？为了搞清这些问题，首先来了解下Redis是如何工作的.

Redis服务器是一个事件驱动程序，服务器需要处理以下两类事件:

• 文件事件：Redis服务器通过套接字与客户端（或者其他Redis服务器）进行连接，而文件事件就是服务器对套接字操作的抽象；服务器与客户端的通信会产生相应的文件事件，而服务器则通过监听并处理这些事件来完成一系列网络通信操作，比如连接accept，read，write，close等； 。

• 时间事件：Redis服务器中的一些操作（比如serverCron函数）需要在给定的时间点执行，而时间事件就是服务器对这类定时操作的抽象，比如过期键清理，服务状态统计等.

如上图，Redis将文件事件和时间事件进行抽象，时间轮训器会监听I/O事件表，一旦有文件事件就绪，Redis就会优先处理文件事件，接着处理时间事件。在上述所有事件处理上，Redis都是以单线程形式处理，所以说Redis是单线程的。此外，如下图，Redis基于Reactor模式开发了自己的I/O事件处理器，也就是文件事件处理器，Redis在I/O事件处理上，采用了I/O多路复用技术，同时监听多个套接字，并为套接字关联不同的事件处理函数，通过一个线程实现了多客户端并发处理.

正因为这样的设计，在数据处理上避免了加锁操作，既使得实现上足够简洁，也保证了其高性能。当然，Redis单线程只是指其在事件处理上，实际上，Redis也并不是单线程的，比如生成RDB文件，就会fork一个子进程来实现，当然，这不是本文要讨论的内容.

Lazy Free机制

如上所知，Redis在处理客户端命令时是以单线程形式运行，而且处理速度很快，期间不会响应其他客户端请求.

但若客户端向Redis发送一条耗时较长的命令，比如删除一个含有上百万对象的Set键，或者执行flushdb，flushall操作，Redis服务器需要回收大量的内存空间，导致服务器卡住好几秒，对负载较高的缓存系统而言将会是个灾难.

为了解决这个问题，在 Redis 4.0 版本引入了 Lazy Free ，将慢操作异步化，这也是在事件处理上向多线程迈进了一步.

如作者在其博客中所述，要解决慢操作，可以采用 渐进式 处理，即增加一个时间事件，比如在删除一个具有上百万个对象的Set键时，每次只删除大键中的一部分数据，最终实现大键的删除.

但是，该方案可能会导致回收速度赶不上创建速度，最终导致 内存耗尽 。因此，Redis最终实现上是将大键的删除操作 异步化 ，采用非阻塞删除（对应命令UNLINK），大键的空间回收交由单独线程实现，主线程只做关系解除，可以快速返回，继续处理其他事件，避免服务器长时间阻塞.

以删除（DEL命令）为例，看看Redis是如何实现的，下面就是删除函数的入口，其中，lazyfree_lazy_user_del是是否修改DEL命令的默认行为，一旦开启，执行DEL时将会以UNLINK形式执行.

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]); // 根据配置确定DEL在执行时是否以lazy形式执行 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);}

同步删除很简单，只要把key和value删除，如果有内层引用，则进行递归删除，这里不做介绍.

下面看下异步删除，Redis在回收对象时，会先计算 回收收益 ，只有回收收益在超过一定值时，采用封装成Job加入到异步处理队列中，否则直接同步回收，这样效率更高.

回收收益计算也很简单，比如String类型，回收收益值就是1，而Set类型，回收收益就是集合中元素个数.

/* 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); // 计算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(). */         // 只有回收收益超过一定值，才会执行异步删除，否则还是会退化到同步删除         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;     } }

通过引入a threaded lazy free，Redis实现了对于Slow Operation的Lazy操作，避免了在大键删除，FLUSHALL，FLUSHDB时导致服务器阻塞.

当然，在实现该功能时，不仅引入了lazy free线程，也对Redis聚合类型在存储结构上进行改进。因为Redis内部使用了很多共享对象，比如客户端输出缓存.

当然，Redis并未使用加锁来避免线程冲突，锁竞争会导致性能下降，而是去掉了共享对象，直接采用数据拷贝，如下，在3.x和6.x中ZSet节点value的不同实现.

// 3.2.5版本ZSet节点实现，value定义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节点实现，value定义为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;

去掉共享对象，不但实现了lazy free功能，也为Redis向多线程跨进带来了可能，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.

多线程I/O及其局限性

Redis在4.0版本引入了Lazy Free，自此Redis有了一个Lazy Free线程专门用于大键的回收，同时，也去掉了聚合类型的共享对象，这为多线程带来可能，Redis也不负众望，在6.0版本实现了多线程I/O.

实现原理

正如官方以前的回复，Redis的性能瓶颈并不在CPU上，而是在内存和网络上。因此6.0发布的多线程并未将事件处理改成多线程，而是在I/O上，此外，如果把事件处理改成多线程，不但会导致锁竞争，而且会有频繁的上下文切换，即使用分段锁来减少竞争，对Redis内核也会有较大改动，性能也不一定有明显提升.

如上图红色部分，就是Redis实现的多线程部分，利用多核来分担I/O读写负荷。在事件处理线程每次获取到可读事件时，会将所有就绪的读事件分配给I/O线程，并进行等待，在所有I/O线程完成读操作后，事件处理线程开始执行任务处理，在处理结束后，同样将写事件分配给I/O线程，等待所有I/O线程完成写操作.

以读事件处理为例，看下事件处理线程任务分配流程:

int handleClientsWithPendingReadsUsingThreads(void) { ... /* Distribute the clients across N different lists. */ listIter li; listNode *ln; listRewind(server.clients_pending_read,&li); int item_id = 0; // 将等待处理的客户端分配给I/O线程 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. */ // 轮训等待所有I/O线程处理完 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线程处理流程:

void *IOThreadMain(void *myid) { ... while(1) { ... // I/O线程执行读写操作 while((ln = listNext(&li))) { client *c = listNodeValue(ln); // io_threads_op判断是读还是写事件 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

从上面实现上看，6.0版本的多线程并非彻底的多线程，I/O线程只能同时执行读或者同时执行写操作，期间事件处理线程一直处于等待状态，并非流水线模型，有很多轮训等待开销.

Tair多线程实现原理

相较于6.0版本的多线程，Tair的多线程实现更加优雅.

如下图，Tair的 Main Thread负责客户端连接建立等，IO Thread负责请求读取、响应发送、命令解析等，Worker Thread线程专门用于事件处理.

IO Thread 读取用户的请求并进行解析，之后将解析结果以命令的形式放在队列中发送给Worker Thread处理.

Worker Thread 将命令处理完成后生成响应，通过另一条队列发送给IO Thread.

为了提高线程的并行度， IO Thread 和 Worker Thread 之间采用无锁队列和管道进行数据交换，整体性能会更好.

小结

Redis 4.0引入Lazy Free线程，解决了诸如大键删除导致服务器阻塞问题，在6.0版本引入了I/O Thread线程，正式实现了多线程，但相较于Tair，并不太优雅，而且性能提升上并不多，压测看，多线程版本性能是单线程版本的2倍，Tair多线程版本则是单线程版本的3倍.

在作者看来，Redis多线程无非两种思路，I/O threading和Slow commands threading，正如作者在其博客中所说:

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作者更倾向于采用集群方式来解决I/O threading，尤其是在6.0版本发布的原生Redis Cluster Proxy背景下，使得集群更加易用。此外，作者更倾向于slow operations threading（比如4.0版本发布的Lazy Free）来解决多线程问题。后续版本，是否会将IO Thread实现的更加完善，采用Module实现对慢操作的优化，着实值得期待.

原文地址:https://mp.weixin.qq.com/s?__biz=MzA4ODUzMDg5NQ==&mid=2650001977&idx=1&sn=646d1a9dd26e7f52c1d7580dcd4c2c18&utm_source=tuicool&utm_medium=referral 。

最后此篇关于Redis的多线程到底该怎么理解的文章就讲到这里了,如果你想了解更多关于Redis的多线程到底该怎么理解的内容请搜索CFSDN的文章或继续浏览相关文章，希望大家以后支持我的博客！ 。