柳皓亮,王麗,周陽辰

　　(中國科學院電子學研究所蘇州研究院 存儲計算組， 江蘇 蘇州 215123)

　　摘要：Redis是一個非關系型數(shù)據(jù)庫，屬于內(nèi)存級數(shù)據(jù)庫。但是由于數(shù)據(jù)量的不斷增大，單機的Redis物理內(nèi)存遠遠無法滿足大數(shù)據(jù)的需要，因此需要搭建分布式的Redis，可以動態(tài)擴展內(nèi)存，彌補單機Redis物理內(nèi)存不夠的缺點。本次測試旨在對Redis各方面性能有深入的了解，為今后的工作打好基礎。本次實驗的目的主要是搭建Redis Cluster和TwemProxy Redis兩種集群，分別對其進行性能測試，測試出集群性能的拐點，找出性能的瓶頸有哪些，并對兩套集群進行比較，以便于在不同業(yè)務場景下?lián)駜?yōu)選擇。

　　關鍵詞：Redis Cluster；TwemProxy Redis；性能測試

1存儲測試分析

　　本次存儲測試是用Java程序調(diào)用Jedis提供的API向集群里面灌入數(shù)據(jù)。首先研究灌入少量數(shù)據(jù)后兩種集群的數(shù)據(jù)分布在哪些節(jié)點上，然后研究灌入大量數(shù)據(jù)后兩種集群的落盤情況。

　　1.1Redis Cluster

　?。?）少量數(shù)據(jù)儲存分析

　　用程序向某一個節(jié)點灌入30條數(shù)據(jù)，結果發(fā)現(xiàn)每個節(jié)點擁有部分數(shù)據(jù)，數(shù)據(jù)存儲得很分散。由此可知，數(shù)據(jù)落盤時把一份數(shù)據(jù)分成多份存儲在不同的Redis節(jié)點上，進行分片存儲，通過調(diào)研得知這種分配方式是通過sharding算法分配［1］的。

　?。?）大量數(shù)據(jù)存儲分析

　　首先查看單節(jié)點未插入數(shù)據(jù)前的rdb大小為18 B；然后，用Java程序插入10萬條數(shù)據(jù)，查看rdb大小為1 289 892 B，然后改用Java程序向Redis Cluster集群中灌入10萬條數(shù)據(jù)，查看每個節(jié)點rdb文件大小分別為214 912 B、216 586 B、215 939 B、214 145 B和213 757 B。由此可見，單機的rdb大小約等于每個Redis節(jié)點rdb大小之和，并且每個節(jié)點rdb大小相對均衡。綜上所述，這種落盤方式把一份數(shù)據(jù)平均分配到每一個節(jié)點上，也就是說每一個節(jié)點的rdb文件共同組成一份完整的數(shù)據(jù)。

　　1.2TwemProxy Redis

　?。?）少量數(shù)據(jù)存儲分析

　　向集群中插入20條key為0~19的數(shù)據(jù)，查看數(shù)據(jù)在各個Redis節(jié)點分布情況，結果發(fā)現(xiàn)某個節(jié)點存儲第0~9的數(shù)據(jù)，另一個節(jié)點存儲11~19的數(shù)據(jù)，最后一個節(jié)點沒有存儲數(shù)據(jù)。經(jīng)過多次相同參數(shù)測試，每次落盤結果相同，由此可見TwemProxy［2］根據(jù)相應算法將數(shù)據(jù)落盤到各個節(jié)點中，并且分配算法是對一段連續(xù)的數(shù)據(jù)進行落盤，而不是對每一條數(shù)據(jù)進行選擇存入到哪個節(jié)點中的操作，這樣可以減少路由開銷。

　　（2）大量數(shù)據(jù)存儲分析

　　首先查看單機Redis節(jié)點未插入數(shù)據(jù)前的rdb文件大小為84 B； 然后插入10萬條數(shù)據(jù)，查看rdb文件大小為1.6 MB；接著改用Java程序向TwemProxy Redis［2］集群中灌入10萬條數(shù)據(jù)，查看各各節(jié)點rdb文件大小分別為0.49 MB、0.62 MB和0.51 MB。由此可見，單機的rdb大小約等于每個Redis節(jié)點rdb大小之和，并且每個節(jié)點rdb大小相對均衡。由此可見，這種落盤方式把一份數(shù)據(jù)平均分配到每一個節(jié)點上，也就是說每一個節(jié)點的rdb文件共同組成一份完整的數(shù)據(jù)。

2使用Java代碼測試吞吐率

　　主要從3個方面進行測試，當value類型分別是String類型、list類型和map類型時，統(tǒng)計吞吐率的走勢，找出拐點，并分析原因［2］。

　　2.1Redis Cluster

　?。?）String插入測試——吞吐率隨value大小變化情況：當吞吐量一定時并且插入的是String類型數(shù)據(jù)時，如果value值在1 KB以內(nèi)時，吞吐率基本保持不變；如果 value值大于1 KB，吞吐率隨value增大而減小。當value值達到10 KB且請求總量為1萬條時，共100 MB的數(shù)據(jù)，內(nèi)存遠遠沒有被打滿，即此時內(nèi)存的使用率仍比較低，所以此時Redis數(shù)據(jù)存儲瓶頸［3］并不是內(nèi)存。同時監(jiān)控了網(wǎng)卡和IO，發(fā)現(xiàn)均處于正常水平，所以也不是這兩方面的原因。所以可以推出，此時吞吐率下降是由于Redis本身不能夠承受過大的value值。

　?。?）String插入測試——吞吐率隨吞吐量變化情況：當value大小一定時，吞吐量的增大對吞吐率沒有影響。

　?。?）String獲取測試——吞吐率隨value大小變化關系：結果與（2）相同。

　?。?）List插入測試——吞吐率隨List大小變化情況：當List元素大小和吞吐量一定時，吞吐率隨list的size增大而減小，size從10增加大100時吞吐率下降了一半。由此可見，Redis Cluster對List的支持效果并不好，性能有待提升，不建議在以后的項目階段用Redis Cluster存儲List。

　?。?）List插入測試——吞吐率隨List元素字節(jié)大小變化情況： List的元素字節(jié)大小變化對吞吐率沒有影響。

　?。?）List插入測試——吞吐率隨吞吐量大小的變化關系：吞吐率與吞吐量無關。

　?。?）Map插入測試——吞吐率隨Map size大小變化關系：當吞吐量和元素字節(jié)一定時，吞吐率隨Map的size增大而減小。

　?。?）Map插入測試——吞吐率隨Map的value大小變化情況：當吞吐量和Map的size一定時，吞吐率隨Map元素字節(jié)增大而減小。

　　2.2TwemProxy Redis

　　TwemProxy Redis［2］采用單條讀寫和批量讀寫兩種方式進行壓力測試，測試結果如下。

　　（1）String單條插入測試——吞吐率隨value大小變化情況：value值在1 KB以內(nèi)且總請求量為1萬時吞吐率基本保持不變；當value值大于1 KB時, 吞吐率隨value增大而減小，單條TwemProxy Redis的插入吞吐率明顯比Redis Cluster低。

　?。?）String批量插入測試——吞吐率隨value大小變化情況：當吞吐量一定時，value值小于100 B時，吞吐率隨value增大而增大；當value值大于100 B時，吞吐率隨value增大而減小。由此可見，批量插入存在極值點，此外批量插入的吞吐率遠遠高于TwemProxy Redis和Redis Cluster的單條插入。

　?。?）String單條獲取測試——吞吐率隨value大小變化關系：測試結果與（1）的結果相同。由此可見，TwemProxy Redis的單條讀寫效率一致。

　　（4）String批量獲取測試——吞吐率隨value大小變化關系：結果與（2）相同。

　　（5）String單條插入測試——吞吐率隨吞吐量的變化關系：吞吐率與吞吐量無關，TwemProxy Redis吞吐率只有Redis Cluster的一半，明顯吞吐率很低。

　?。?）String批量插入測試——吞吐率隨吞吐量的變化關系：隨著吞吐量的增加，吞吐率也在增加。但在測試時將請求量給到10萬條后，程序宕掉并且集群服務停止工作，說明pipeline批量打包的數(shù)據(jù)量有限，即性能是有限的。但是可以通過打包多次解決這個問題，批量插入的吞吐率明顯高于TwemProxy Cluster和Redis Cluster的單條插入吞吐率。

　?。?）List和Map類型的單條插入測試吞吐率變化：吞吐率變化與Redis Cluster的相同，但是吞吐率低于Redis Cluster。

　　(8)List和Map類型的單條插入測試吞吐率變化：吞吐率變化與Redis Cluster的相同，但是吞吐率高于TwemProxy Cluster和Redis Cluster的單條吞吐率。

3結論

　?。?） TwemProxy Redis的批量讀寫吞吐率遠遠高于Redis Cluster單條的吞吐率，Redis Cluster單條讀寫的吞吐率略高于TwemPrxoy Redis單條吞吐率。

　?。?） Redis Cluster和TwemPrxoy Redis對List和Map集合的吞吐率很低，不建議存儲這兩種類型的數(shù)據(jù)。

　?。?）當需要進行TwemProxy Redis批量操作時，需要通過程序保證一次批量讀寫的數(shù)據(jù)量不宜過大，否則底層服務會宕掉。

參考文獻

　?。?］ 王敏，陳亞光.數(shù)據(jù)庫系統(tǒng)輔助測試工具［J］.微型機與應用，2013，32（3）：1315，18.

　?。?］ 夏文忠,鄒雯奇.基于X86平臺的高性能數(shù)據(jù)庫集群技術的研究［J］.微型機與應用,2015,34(1):3639,46.

　?。?］ 張蕾,侯瑞春,丁香乾，等.會話保持機制在集群系統(tǒng)中的應用研究［J］.微型機與應用,2015,34(9):3234,50.