前言

作為一名后端軟件工程師，工作中你肯定和 Redis 打過交道。但是Redis 為什么快呢？很多人只能答出Redis 因為它是基于內存實現的，但是對于其它原因都是模棱兩可。

那么今天就一起來看看是Redis 為什么快吧：

Redis 為什么這么快？

一、基于內存實現

Redis 是基于內存的數據庫，那不可避免的就要與磁盤數據庫做對比。對于磁盤數據庫來說，是需要將數據讀取到內存里的，這個過程會受到磁盤 I/O 的限制。而對于內存數據庫來說，本身數據就存在于內存里，也就沒有了這方面的開銷。

通過下面的表格我們可以知道讀取內存和讀取磁盤的性能差距。

?

?

二、高效存儲結構

為了實現從鍵到值的快速訪問，Redis 使用了一個哈希表來保存所有鍵值對。一個哈希表，其實就是一個數組，數組的每個元素稱為一個哈希桶。所以，我們常說，一個哈希表是由多個哈希桶組成的，每個哈希桶中保存了鍵值對數據。

全局哈希表

哈希桶中的 entry 元素中保存了key和value指針，分別指向了實際的鍵和值，因為其value的多樣性，哈希表中存儲的并不是具體的值，而是一個內存引用地址，在通過內存引用的地址查找到對應的具體的值。這樣一來，即使value是一個集合，也可以通過*value指針被查找到。因為這個哈希表保存了所有的鍵值對，所以，我也把它稱為全局哈希表。

哈希表的最大好處很明顯，就是讓我們可以用 O(1) 的時間復雜度來快速查找到鍵值對：我們只需要計算鍵的哈希值，就可以知道它所對應的哈希桶位置，然后就可以訪問相應的 entry 元素。但當你往 Redis 中寫入大量數據后，就可能發(fā)現操作有時候會突然變慢了。這其實是因為你忽略了一個潛在的風險點，那就是哈希表的沖突問題和 rehash 可能帶來的操作阻塞。

當你往哈希表中寫入更多數據時，哈希沖突是不可避免的問題。這里的哈希沖突，兩個 key 的哈希值和哈希桶計算對應關系時，正好落在了同一個哈希桶中。

哈希表的哈希沖突

Redis 解決哈希沖突的方式，就是鏈式哈希。鏈式哈希也很容易理解，就是指同一個哈希桶中的多個元素用一個鏈表來保存，它們之間依次用指針連接。

三、單線程避免了上下文前切換

省去了很多上下文切換的時間以及CPU消耗，不存在競爭條件，不用去考慮各種鎖的問題，不存在加鎖釋放鎖操作，也不會出現死鎖而導致的性能消耗。

四、使用基于IO多路復用機制的線程模型，可以處理并發(fā)的鏈接。

Redis采用了epoll 模型進行IO多路復用。Java中也有類似的模型比如NIO,才epoll模型之前還有selector、poll這里不多講解，epoll模型可以參考下圖：

epoll 模型

五、漸進式ReHash

Redis是當然如果這個數組一直不變，那么hash沖突會變很多，這個時候檢索效率會大打折扣，所以Redis就需要把數組進行擴容（一般是擴大到原來的兩倍），但是問題來了，擴容后每個hash桶的數據會分散到不同的位置，這里設計到元素的移動，必定會阻塞IO，所以這個ReHash過程會導致很多請求阻塞。

為了避免這個問題，Redis 采用了漸進式 rehash。

首先、Redis 默認使用了兩個全局哈希表：哈希表 1 和哈希表 2。一開始，當你剛插入數據時，默認使用哈希表 1，此時的哈希表 2 并沒有被分配空間。隨著數據逐步增多，Redis 開始執(zhí)行 rehash。

1、給哈希表 2 分配更大的空間，例如是當前哈希表 1 大小的兩倍

2、把哈希表 1 中的數據重新映射并拷貝到哈希表 2 中

3、釋放哈希表 1 的空間

在上面的第二步涉及大量的數據拷貝，如果一次性把哈希表 1 中的數據都遷移完，會造成 Redis 線程阻塞，無法服務其他請求。此時，Redis 就無法快速訪問數據了。

　　　　　　　　　　　　　　漸進式rehash

在Redis 開始執(zhí)行 rehash，Redis仍然正常處理客戶端請求，但是要加入一個額外的處理：

處理第1個請求時，把哈希表 1中的第1個索引位置上的所有 entries 拷貝到哈希表 2 中

處理第2個請求時，把哈希表 1中的第2個索引位置上的所有 entries 拷貝到哈希表 2 中

如此循環(huán)，直到把所有的索引位置的數據都拷貝到哈希表 2 中。

這樣就巧妙地把一次性大量拷貝的開銷，分攤到了多次處理請求的過程中，避免了耗時操作，保證了數據的快速訪問。

所以這里基本上也可以確保根據key找value的操作在O（1）左右。

過這里要注意，如果Redis中有海量的key值的話，這個Rehash過程會很長很長，雖然采用漸進式Rehash，但在Rehash的過程中還是會導致請求有不小的卡頓。并且像一些統(tǒng)計命令也會非?？D：比如keys

按照Redis的配置每個實例能存儲的最大的key的數量為2的32次方,即2.5億，但是盡量把key的數量控制在千萬以下，這樣就可以避免Rehash導致的卡頓問題，如果數量確實比較多，建議采用分區(qū)hash存儲。

六、緩存時間戳

我們平常使用系統(tǒng)時間戳時， 常常是不假思索地使用System.currentTimeMillis()或者new?Date() .getTime()?來獲取系統(tǒng)的毫秒時間戳。但是Redis不能這樣做，因為每一次獲取系統(tǒng)時間戳都是一次系統(tǒng)調用，而且每次去系統(tǒng)調用是比較費時間的，作為單線程的Redis是無法承受的，所以它需要對于時間戳進行一次緩存，由一個定時任務進行每毫秒更新時間戳，從而獲取時間戳都是直接從緩存就取出。

審核編輯：黃飛

?