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。

点击并拖拽以移动

​

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。

点击并拖拽以移动

​

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);}

点击并拖拽以移动

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 64int 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;    }}

点击并拖拽以移动

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;

点击并拖拽以移动

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。

点击并拖拽以移动

​

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;}

点击并拖拽以移动

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] Donen", id);    }}

点击并拖拽以移动

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。

点击并拖拽以移动

​

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。

推荐阅读

为什么阿里巴巴的程序员成长速度这么快，看完他们的成长笔记我懂了

【算法篇】Leetcode刷题的50个小技巧，你居然不知道？

看完三件事❤️

如果你觉得这篇内容对你还蛮有帮助，我想邀请你帮我三个小忙：

点赞，转发，有你们的 『点赞和评论』，才是我创造的动力。

关注公众号 『 Java 斗帝 』，不定期分享原创知识。

同时可以期待后续文章 ing🚀