CYQ.Data 对于分布式缓存Redis、MemCache高可用的改进及性能测试

背景：

随着.NET Core 在 Linux 下的热动，相信动不动就要分布式或集群的应用的需求，会慢慢火起来。

所以这段时间一直在研究和思考分布式集群的问题，同时也在思考把几个框架的思维相对提升到这个Level。

最近大力重构了框架两个点：一个是分布式缓存，一个是数据库主从备。

今天，先分享分布式缓存的改进的两个点：

1、高可用：能动态增加或减少Redis、MemCache的实例，而不影响程序。

2、高性能：保障在高并发下的稳定性及性能。

1、Redis、MemCache 分布式下的高可用。

要实现分布下应用下的高可用，就两种方法：

1、建立集群，内部调度，对外只提供一个接口。

优点：对所有不同的开发语言和客户端都通用。

缺点：建立相对复杂，需要有专业的运维知识，而且对于提供出口的服务器，也要再做一次主备，整体硬件成本高。

2、由客户端进行调度。

优点：比较简单，不需要专业知识，上千个Redis实例，随时就动起来。

缺点：如果项目有混合多种后端语言开发的，还得有多种客户端实现。

 

而 CYQ.Data <http://github.com/cyq1162/cyqdata/> 就是.NET Core
下集成了操作Redis的一种客户端实现。

下面来看简单的使用过程：

1、指定配置外链：

原有的配置
<add key="RedisServers" value="127.0.0.1:6379,127.0.0.1:6380 - pwd123456"/>
<add key="RedisServersBak" value="127.0.0.1:6381 - pwd123456"/>
将配置写在原的config中，1是不适合大量的实例，要写很长；2是当修改时，会引发（Window下）程序重启（关键是NetCore下还不重启）。

改进后配置（文件后缀可以指定*.ini，*.txt）：
<add key="RedisServers" value="redis.ini"/> <add key="RedisServersBak" value="
redisbak.txt"/>
对应的redis.init 文件（一行一个实例）：
127.0.0.1:6379 127.0.0.1:6380 - pwd123456 127.0.0.1:6381 - pwd123456 127.0.0.1:
6382 - pwd123456 127.0.0.1:6383 - pwd123456
...
可以无限加
将配置外置后，程序会自动监控文件的变化，每次修改都会即时生效，内部自动调整算法，真正实现高可用。

接下来，你就可以无限的找服务器，启动N多个实例，想加就加，想减就减。

一个高可用的分布式缓存就是这么简单了，当然了，以后要复杂，那就慢慢学习了。

2、关于一致性Hash及主备的说明：

在框架内部的算法中，如果节点失败，会检测有没有设置备用节点：

如果没有，会直接失败。

如果有，会从备用实例中获取来维持服务，如果备用也实例也失败，而本次请求失败（下一次请求会更换备用节点）。

这样可以避免在高并发的情况下产生滚雪球的情景，由一个点失败最终导致把所有的服务器都压倒。

PS：在CYQ.Data 中，Redis 和 MemCache 的底层实现是一样的，所以使用方式都是一样的。

2、Redis、MemCache 分布式下的性能测试。

对于原有的代码改进重构，大约变化了50%左右的代码。

本次在性能上的优化：除了底层Socket小调整，就是命令的合并操作，以及队列池的优化，以及多线程下的稳定保障。

其实，Web are 只是个客户端，要说高性能，其实都是比较出来，只要比别人的快一些，好像就真的高性能了。

所以，测试都需要有个比较的对象。

目前测试的是本机，Win7，Redis 老版本 2.4.6。

1、先自己和自己比：新改动的版本和旧版本比较：

旧版本的测试数据：



新版本的测试数据：



跑在Linux下时（1核2G内存的CentOS7，Redis 版本 3.2.12）：



经过整体的代码改动，性能还是整体提升不少的，还支持了高可用的扩展。

只是离官方传说的10w/s，还差了几倍，我猜如果把5个命令打包一起发送，应该就差不多了。

2、看看其它客户端的：

一开始我是没做比较测试，只是刚好在网上看到另一个客户端，写着就是高性能Redis客户端。

看到上面的测试数据，我有点惊讶，这有6w的数据是怎么飘出来的：
SET_JSON using 1 threads run 100000 [use time 5.76s 17,370.26/sec] SET_JSON
using 4 threads run 100000 [use time 1.87s 53,407.17/sec] SET_JSON using 8
threads run100000 [use time 1.65s 60,517.8/sec]
但上面没写明是在window还是linux也没写版本，

于是，我就下载了它的客户端（它自带Test运行程序），

然后连上我的redis，运行了一下：

实际上它的数据是这样的：



这是我打开的姿势不对么，还是对环境有特定的要求？

3、和Redis自带的redis-benchmark.exe工具进行比较。

想找找 Redis 在Window平台测试相关的文章，发现都是Redis原生的测试工具的介绍，于是，也用它测试了一下：



发现原生的果然强悍，最高的时候可以飘到6w，看来用C就是不一样。

搞的我都怀疑，你们都是在用并发测试，而我只是用多线程。

 4、用了传说中性能好到要收费的：StackExchange.Redis



感觉也差不多啊，收费我还是支持的。

关键是这货相同的NetCore代码，放Linux CentOS7 跑不动：

竟然连不上了，直接返回错误了：
{"success":false,"msg":"It was not possible to connect to the redis server(s).
InternalFailure (None, last-recv: 803) on 127.0.0.1:6379/Interactive, Idle,
last: GET, origin: ReadFromPipe, outstanding: 2, last-read: 0s ago, last-write:
0s ago, unanswered-write: 0s ago, keep-alive: 60s, state: ConnectedEstablished,
mgr: 9 of 10 available, in: 0, last-heartbeat: never, global: 0s ago, v:
2.0.571.20511"}
总结：

CYQ.Data 经过重构升级后，整体提升了不少。

这里要了解一下：CYQ.Data 集成的分布式缓存操作，和其它单独的客户端是不一样的。

因为其它客户端是把所有的Redis命令都实现了，你可以其它客户端操作完整的Redis。

而 CYQ.Data 只是：

Get、Set、DEL、Contains、Clear。

统一了所有类型并保持最简单的缓存操作接口。

最后，献上测试代码：
AppConfig.Cache.RedisServers = "127.0.0.1:6379";//,127.0.0.1:6380 -
c123456,127.0.0.1:6381 - c123456,127.0.0.1:6382 - c123456,127.0.0.1:6383 -
c123456";//AppConfig.Cache.RedisServers = "redis.txt"; //
AppConfig.Cache.RedisServersBak = "redis.bak.txt"; int readCount = 100000,
userDBCount =1; ThreadPool.SetMaxThreads(1000, 1000); new ThreadRun(1,
readCount, userDBCount).Start();new ThreadRun(4, readCount,
userDBCount).Start();new ThreadRun(8, readCount, userDBCount).Start(); new
ThreadRun(10, readCount, userDBCount).Start(); new ThreadRun(20, readCount,
userDBCount).Start();new ThreadRun(50, readCount, userDBCount).Start(); new
ThreadRun(100, readCount, userDBCount).Start(); new ThreadRun(200, readCount,
userDBCount).Start();new ThreadRun(500, readCount, userDBCount).Start(); new
ThreadRun(1000, readCount, userDBCount).Start(); new ThreadRun(2000, readCount,
userDBCount).Start();new ThreadRun(5000, readCount, userDBCount).Start(); new
ThreadRun(2000, readCount, userDBCount).Start(); new ThreadRun(2000, readCount,
userDBCount).Start();new ThreadRun(500, readCount, userDBCount).Start(); new
ThreadRun(200, readCount, userDBCount).Start(); new ThreadRun(100, readCount,
userDBCount).Start();new ThreadRun(50, readCount, userDBCount).Start(); new
ThreadRun(20, readCount, userDBCount).Start(); new ThreadRun(10, readCount,
userDBCount).Start();new ThreadRun(8, readCount, userDBCount).Start(); new
ThreadRun(4, readCount, userDBCount).Start(); new ThreadRun(1, readCount,
userDBCount).Start(); CacheManage.RedisInstance.Clear();//操作对象
Console.WriteLine("End");
Console.WriteLine(CacheManage.RedisInstance.WorkInfo);
Console.WriteLine(CacheManage.RedisInstance.CacheInfo.ToJson(false, false));
----------------------------------------------------------public class
ThreadRun {int threadCount, setOrReadCount, useDBCount; CacheManage cache;
public ThreadRun(int threadCount, int setOrReadCount, int useDBCount) { cache =
CacheManage.RedisInstance;//操作对象 cache.Clear(); this.threadCount = threadCount;
this.setOrReadCount = setOrReadCount; this.useDBCount = useDBCount; }
System.Diagnostics.Stopwatch gloWatch= new System.Diagnostics.Stopwatch(); int
runEndCount =0; bool isEnd = false; public void Start() {
AppConfig.Cache.RedisUseDBCount= useDBCount; gloWatch.Start(); for (int i = 0;
i < threadCount; i++) { ThreadPool.QueueUserWorkItem(new
WaitCallback(ThreadStart), setOrReadCount / threadCount); } while (!isEnd) {
Thread.Sleep(10); } } public void ThreadStart(object readCount) { string rndKey
= Guid.NewGuid().ToString().Substring(0, 5); int max = (int)readCount; for (int
i =0; i < max; i++) { string key = rndKey + "key" + i; if(cache.Set(key,
Guid.NewGuid().ToString())) { } else { Console.WriteLine("Set 失败 key :" +
key); } } Interlocked.Increment(ref runEndCount); if (runEndCount >=
threadCount && !isEnd) { isEnd = true; //gloWatch.Stop(); //Ng 2000ms //x 1000ms
long t = gloWatch.ElapsedMilliseconds; Console.WriteLine(string.Format("
ThreadCount : {0} , Run : {1} Time {2} ms ,{3} requests per second.",
threadCount, setOrReadCount, t.ToString(), setOrReadCount *1000 / t)); } } }
 

• « 上一篇：hadoop学习笔记（八-2）：MapReduce
• » 下一篇：为什么Kafka速度那么快