vlambda博客
学习文章列表

性能测试 —— Redis 基准测试

做积极的人,而不是积极废人!

源码精品专栏

 


  • 1. 概述

  • 2. 性能指标

  • 3. 测试工具

  • 4. redis-benchmark

    • 4.1 测试环境

    • 4.2 安装工具

    • 4.3 使用指南

    • 4.4 快速测试

    • 4.5 精简测试

    • 4.6 pipeline 测试

    • 4.7 随机 KEY 测试


1. 概述

当我们希望提高性能的使用,往往想到的是异步、缓存这个两种手段。

  • 前者,例如说内存队列(例如说 JDK Queue、Disruptor 等)、分布式队列(例如说 RabbitMQ、RocketMQ、Kafka),更多适合写操作。

  • 后者,例如说内存缓存(例如说 JDK Map、EhCache 等)、分布式缓存(例如说 Redis、Memcached 等),更适合读操作。

不过,本文我们不会去聊上述所有的手段或是框架、中间件,而是聚焦本文的主角 Redis 。

日常中,我们经常能在公司、论坛、技术群里看到如下一段对话:

甲:我们的 MySQL 读取很慢啊,有什么办法解决啊?
乙:上缓存啊,Redis 额。

那么,为什么上 Redis 就一般能解决读的问题呢?为了避免将问题复杂化,我们直接看 Redis 和 MySQL 的性能对比。还是老样子,我们来对比阿里云的 MySQL 性能规格 和 Redis 性能规格 :

  • 1C 1GB 配置

    • Redis 1C 1GB 主从版,提供 80000 QPS

    • MySQL 1C 1GB 通用型,提供 465 QPS

    • 相差 172 倍左右的性能

  • 16C 128G 配置

    • Redis 16C 128G 集群版(单副本),提供 1280000 QPS

    • MySQL 16C 128G 独享版,提供 48102 QPS

    • 相差 26 倍左右的性能

当然,两者测试的方式,有一定差异,这里仅仅作为一个量级上的对比。

在开始基准测试之前,我们再来看看 Redis 大体的性能规格,从各大云厂商提供的 Redis 云服务。

  • 阿里云 Redis :https://help.aliyun.com/document_detail/26350.html

  • 华为云 Redis :暂未找到性能规格

  • 腾讯云 Redis :https://cloud.tencent.com/document/product/239/17952

  • 百度云 Redis :暂未找到性能规格

  • UCloud Redis :https://docs.ucloud.cn/database/uredis/test 只提供测试方法,不提供性能规格

  • 美团云 Redis :未提供性能规格文档

2. 性能指标

通过我们看各大厂商提供的指标,我们不难发现,主要是 QPS 。

3. 测试工具

Redis 的性能测试工具,目前主流使用的是 redis-benchmark 。为什么这么说呢?

  • 在我们 Google 搜索 “Redis 性能测试”时,清一色的文章选择的工具,清一色的都是 redis-benchmark 。

  • 我翻看了云厂商(腾讯云、UCloud 等),提供的测试方法,都是基于 redis-benchmark 。

当然,也是有其它工具:

  • memtier_benchmark :目前阿里云提供的测试方法,是基于它来实现,具体可以看看 《阿里云 Redis —— 测试工具》 。

  • YCSB :YCSB 能够测试的服务特别多,上一节 我们就介绍了对 MongoDB 的性能测试。

考虑到主流,本文使用 redis-benchmark 作为性能测试工具。

4. redis-benchmark

FROM 《Redis 有多快?》

Redis 自带了一个叫 redis-benchmark 的工具来模拟 N 个客户端同时发出 M 个请求。(类似于 Apache ab 程序)。

4.1 测试环境

  • 型号 :ecs.c5.xlarge

    艿艿:和我一样抠门(穷)的胖友,可以买竞价类型服务器,使用完后,做成镜像。等下次需要使用的时候,恢复一下。HOHO 。

  • 系统 :CentOS 7.6 64位

  • CPU :4 核

  • 内存 :8 GB

  • 磁盘 :40 GB ESSD 云盘

  • Redis :5.0.5

    不想编译安装的朋友,可以看看 《How to Install Latest Redis on CentOS 7》 文章。

4.2 安装工具

因为 redis-benchmark 是 Redis 自带的,所以不需要专门去安装,舒服~。

4.3 使用指南

redis-benchmark 的使用非常简单,只要了解它每个参数的作用,就可以非常方便的执行一次性能测试。我们来一起看看有哪些参数。执行 redis-benchmark -h 命令,返回参数列表:

Usage: redis-benchmark [-h <host>] [-p <port>] [-c <clients>] [-n <requests>] [-k <boolean>]

 -h <hostname>      Server hostname (default 127.0.0.1)
 -p <port>          Server port (default 6379)
 -s <socket>        Server socket (overrides host and port)
 -a <password>      Password for Redis Auth
 -c <clients>       Number of parallel connections (default 50)
 -n <requests>      Total number of requests (default 100000)
 -d <size>          Data size of SET/GET value in bytes (default 3)
 --dbnum <db>       SELECT the specified db number (default 0)
 -k <boolean>       1=keep alive 0=reconnect (default 1)
 -r <keyspacelen>   Use random keys for SET/GET/INCR, random values for SADD
  Using this option the benchmark will expand the string __rand_int__
  inside an argument with a 12 digits number in the specified range
  from 0 to keyspacelen-1. The substitution changes every time a command
  is executed. Default tests use this to hit random keys in the
  specified range.
 -P <numreq>        Pipeline <numreq> requests. Default 1 (no pipeline).
 -e                 If server replies with errors, show them on stdout.
                    (no more than 1 error per second is displayed)
 -q                 Quiet. Just show query/sec values
 --csv              Output in CSV format
 -l                 Loop. Run the tests forever
 -t <tests>         Only run the comma separated list of tests. The test
                    names are the same as the ones produced as output.
 -I                 Idle mode. Just open N idle connections and wait.
  • 😈 实际 redis-benchmark -h 命令并不是类似很多命令 --help 返回参数列表,仅仅是因为 redis-benchmark -h 命令是一条错误的命令,所以返回参数列表,提示我们应该怎么做。

  • 连接 Redis 服务相关

    • -p :Redis 服务端口,默认为 6379 。

    • -a :Redis 认证密码。

    • --dbnum :选择 Redis 数据库编号。

    • k :是否保持连接。默认会持续保持连接。

  • 请求相关参数

    • 默认情况下,使用 rand_int 作为 KEY 。

    • 通过设置 -r 参数,可以设置 KEY 的随机范围。例如说,-r 10 生成的 KEY 范围是 [0, 9) 。

    • 🔥 重要:一般情况下,我们会自动如下参数,以达到不同场景下的性能测试。

    • -c :并发的客户端数(每个客户端,等于一个并发)。

    • -n :总共发起的操作(请求)数。例如说,一次 GET 命令,算作一次操作。

    • -d :指定 SET/GET 操作的数据大小,单位:字节。

    • -r :SET/GET/INCR 使用随机 KEY ,SADD 使用随机值。

    • -P :默认情况下,Redis 客户端一次请求只发起一个命令。通过 -P 参数,可以设置使用 pipelining功能,一次发起指定个请求,从而提升 QPS 。

    • -l :循环,一直执行基准测试。

    • -t :指定需要测试的 Redis 命令,多个命令通过逗号分隔。默认情况下,测试 PING_INLINE/PING_BULK/SET/GET 等等命令。如果胖友只想测试 SET/GET 命令,则可以 -t SET,GET 来指定。

    • -I :Idle 模式。仅仅打开 N 个 Redis Idle 个连接,然后等待,啥也不做。不是很理解这个参数的目的,目前猜测,仅仅用于占用 Redis 连接。

  • 输出相关:

    • -e :如果 Redis Server 返回错误,是否将错误打印出来。默认情况下不打印,通过该参数开启。

    • -q :精简输出结果。即只展示每个命令的 QPS 测试结果。如果不理解的胖友,跑下这个参数就可以很好的明白了。

    • --csv :按照 CSV 的格式,输出结果。

4.4 快速测试

redis-benchmark

在安装 Redis 的服务器上,直接执行,不带任何参数,即可进行测试。测试结果如下:

====== PING_INLINE ======
  100000 requests completed in 1.18 seconds
  50 parallel clients
  3 bytes payload
  keep alive: 1

100.00% <= 0 milliseconds
84388.19 requests per second

====== PING_BULK ======
  100000 requests completed in 1.17 seconds
  50 parallel clients
  3 bytes payload
  keep alive: 1

100.00% <= 0 milliseconds
85106.38 requests per second

====== SET ======
  100000 requests completed in 1.18 seconds
  50 parallel clients
  3 bytes payload
  keep alive: 1

99.95% <= 1 milliseconds
99.95% <= 2 milliseconds
99.95% <= 3 milliseconds
100.00% <= 3 milliseconds
85034.02 requests per second

====== GET ======
  100000 requests completed in 1.17 seconds
  50 parallel clients
  3 bytes payload
  keep alive: 1

99.95% <= 1 milliseconds
99.99% <= 2 milliseconds
100.00% <= 2 milliseconds
85106.38 requests per second

====== INCR ======
  100000 requests completed in 1.19 seconds
  50 parallel clients
  3 bytes payload
  keep alive: 1

99.95% <= 2 milliseconds
99.96% <= 3 milliseconds
100.00% <= 3 milliseconds
84317.03 requests per second

====== LPUSH ======
  100000 requests completed in 1.17 seconds
  50 parallel clients
  3 bytes payload
  keep alive: 1

100.00% <= 0 milliseconds
85763.29 requests per second

====== RPUSH ======
  100000 requests completed in 1.15 seconds
  50 parallel clients
  3 bytes payload
  keep alive: 1

100.00% <= 0 milliseconds
87260.03 requests per second

====== LPOP ======
  100000 requests completed in 1.17 seconds
  50 parallel clients
  3 bytes payload
  keep alive: 1

100.00% <= 0 milliseconds
85689.80 requests per second

====== RPOP ======
  100000 requests completed in 1.16 seconds
  50 parallel clients
  3 bytes payload
  keep alive: 1

100.00% <= 0 milliseconds
86281.27 requests per second

====== SADD ======
  100000 requests completed in 1.17 seconds
  50 parallel clients
  3 bytes payload
  keep alive: 1

99.95% <= 2 milliseconds
99.96% <= 3 milliseconds
100.00% <= 3 milliseconds
85106.38 requests per second

====== HSET ======
  100000 requests completed in 1.14 seconds
  50 parallel clients
  3 bytes payload
  keep alive: 1

100.00% <= 0 milliseconds
87719.30 requests per second

====== SPOP ======
  100000 requests completed in 1.16 seconds
  50 parallel clients
  3 bytes payload
  keep alive: 1

100.00% <= 0 milliseconds
85836.91 requests per second

====== LPUSH (needed to benchmark LRANGE) ======
  100000 requests completed in 1.15 seconds
  50 parallel clients
  3 bytes payload
  keep alive: 1

99.92% <= 1 milliseconds
100.00% <= 1 milliseconds
86805.56 requests per second

====== LRANGE_100 (first 100 elements) ======
  100000 requests completed in 2.03 seconds
  50 parallel clients
  3 bytes payload
  keep alive: 1

99.95% <= 1 milliseconds
99.95% <= 2 milliseconds
99.96% <= 3 milliseconds
99.99% <= 4 milliseconds
100.00% <= 4 milliseconds
49261.09 requests per second

====== LRANGE_300 (first 300 elements) ======
  100000 requests completed in 4.58 seconds
  50 parallel clients
  3 bytes payload
  keep alive: 1

6.06% <= 1 milliseconds
99.78% <= 2 milliseconds
99.94% <= 3 milliseconds
99.98% <= 4 milliseconds
100.00% <= 5 milliseconds
100.00% <= 5 milliseconds
21815.01 requests per second

====== LRANGE_500 (first 450 elements) ======
  100000 requests completed in 6.51 seconds
  50 parallel clients
  3 bytes payload
  keep alive: 1

0.04% <= 1 milliseconds
83.91% <= 2 milliseconds
99.93% <= 3 milliseconds
99.97% <= 4 milliseconds
99.98% <= 5 milliseconds
99.99% <= 6 milliseconds
100.00% <= 7 milliseconds
100.00% <= 7 milliseconds
15372.79 requests per second

====== LRANGE_600 (first 600 elements) ======
  100000 requests completed in 8.66 seconds
  50 parallel clients
  3 bytes payload
  keep alive: 1

0.03% <= 1 milliseconds
62.47% <= 2 milliseconds
98.11% <= 3 milliseconds
99.86% <= 4 milliseconds
99.94% <= 5 milliseconds
99.97% <= 6 milliseconds
99.98% <= 7 milliseconds
100.00% <= 8 milliseconds
100.00% <= 8 milliseconds
11551.35 requests per second

====== MSET (10 keys) ======
  100000 requests completed in 1.11 seconds
  50 parallel clients
  3 bytes payload
  keep alive: 1

99.95% <= 2 milliseconds
99.96% <= 3 milliseconds
100.00% <= 3 milliseconds
90009.01 requests per second

基本可以看到,常用的 GET/SET/INCR 等命令,都在 8W+ QPS 以上,美滋滋。

4.5 精简测试

redis-benchmark -t set,get,incr -n 1000000 -q
  • 通过 -t 参数,设置仅仅测试 SET/GET/INCR 命令

  • 通过 -n 参数,设置每个测试执行 1000000 次操作。

  • 通过 -q 参数,设置精简输出结果。

执行结果如下:

[root@iZuf6hci646px19gg3hpuwZ ~]# redis-benchmark -t set,get,incr -n 1000000 -q
SET: 85888.52 requests per second
GET: 85881.14 requests per second
INCR: 86722.75 requests per second

是不是一下子精简很多?!

4.6 pipeline 测试

在一些业务场景,我们希望通过 Redis pipeline 功能,批量提交命令给 Redis Server ,从而提升性能。那么,我们就来测试下

redis-benchmark -t set,get,incr -n 1000000 -q -P 10
  • 通过 -P 参数,设置每个 pipeline 执行 10 次 Redis 命令。

执行结果如下:

SET: 625782.19 requests per second
GET: 827814.62 requests per second
INCR: 745712.19 requests per second

相比 「4.5 精简测试」 来说,性能有了 8-10 倍左右的提升,无敌!

4.7 随机 KEY 测试

本小节,我们主要来看看 -r 参数的使用。为了更好的对比,我们来先看看未使用的 -r 的情况,然后再测试使用 -r 的情况。

未使用

redis-benchmark -t set -n 1000 -q

我们来查看 Redis 中,有哪些 KEY :

$ redis-cli flushdb # 用于清空 Redis 中的数据

$ redis-cli keys \*
1) "key:__rand_int__"
  • 只有一个以 key: 开头,结尾是 rand_int" 的 KEY 。这说明,整个测试过程,使用的都是这个 KEY 。

使用

$ redis-cli flushdb # 用于清空 Redis 中的数据

$ redis-benchmark -t set -n 1000 -q -r 10
  • 通过 -r 10 参数,设置 KEY 的随机范围为 -r 10 。

我们来查看 Redis 中,有哪些 KEY :

$ redis-cli keys \*
 1) "key:000000000001"
 2) "key:000000000009"
 3) "key:000000000004"
 4) "key:000000000005"
 5) "key:000000000002"
 6) "key:000000000008"
 7) "key:000000000003"
 8) "key:000000000007"
 9) "key:000000000006"
10) "key:000000000000"
  • 可以看到以 key: 开头,结果是 [0, 9) 范围内的KEY 。

这样,是不是对 -r 参数,有了理解落。通过 -r 参数,我们可以测试随机 KEY 的情况下的性能。

5. 彩蛋

总的来说,Redis 的性能基准测试还是比较简单的。这里在推荐几篇文章:

  • 《Redis 有多快?》

  • Prometheus Exporter for Redis 可以使用 Prometheus 监控 Redis 性能指标。

  • 《Redis 的性能幻想与残酷现实》




已在知识星球更新源码解析如下:

性能测试 —— Redis 基准测试


如果你喜欢这篇文章,喜欢,转发。

生活很美好,明天见(。・ω・。)ノ♡