这回终于把Redis多线程讲清楚了

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。

Tair 多线程实现 http://note.youdao.com/yws/res/69698/A1936D930F2845008AF77FE43013303C

# 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。

参考资料

• Lazy Redis is better Redis
• An update about Redis developments in 2019
• [阿里云 Redis 多线程性能提升思路解析

# 补充

# Redis 线程中经常提到 IO 多路复用，如何理解？

这是 IO 模型的一种，即经典的 Reactor 设计模式，有时也称为异步阻塞 IO。

多路指的是多个 Socket 连接，复用指的是复用一个线程。多路复用主要有三种技术：Select，Poll，Epoll。

Epoll 是最新的也是目前最好的多路复用技术。采用多路 I/O 复用技术可以让单个线程高效的处理多个连接请求（尽量减少网络 IO 的时间消耗），且 Redis 在内存中操作数据的速度非常快（内存内的操作不会成为这里的性能瓶颈），主要以上两点造就了 Redis 具有很高的吞吐量。