终于，Redis的多线程版本横空出世，大大提高了并发，本篇就带大家来看看什么是IO多线程，和我们理解的多线程有什么区别，与Memcached的多线程又有什么区别。
目录
Redis6系列文章：
Redis系列(一)、CentOS7下安装Redis6.0.3稳定版
Redis系列(六)、数据类型之有序集合ZSet(sorted_set)
Redis系列(十)、详解Redis持久化方式AOF、RDB以及混合持久化
Redis系列(十一)、Redis6新特性之ACL安全策略（用户权限管理）
Redis系列(十二)、Redis6集群搭建及原理(主从、哨兵、集群)
Redis系列(十三)、pub/sub发布与订阅（对比List和Kafka）
Redis系列(十四)、Redis6新特性之RESP3与客户端缓存(Client side caching)
Redis系列(十五)、Redis6新特性之集群代理(Cluster Proxy)
介绍
作为Redis6版本中的其中一大新特性，IO多线程大大提升了Redis的并发性能。该功能也是在社区内被反复提起，而之前Antirez在自己的博客中也曾经做过简单的介绍：
【## Multi threading】
为什么Redis6.0之前是单线程模型
首先我们要明确一个共识，我们通常所说的Redis单线程是指获取 (socket 读)、解析、执行、内容返回 (socket 写) 等都由一个顺序串行的主线程处理，这个主线程就是我们平时说的"单线程"，而其他的清理脏数据、无用连接的释放、LRU淘汰策略等等也是有其他线程在处理的，因此其实在Redis6之前的Redis本质上也是多线程的。
为什么这些操作要放在同一个主线程中，官方给出的解释：传送门
- 通常瓶颈不在 CPU，而是在内存和网络IO；
- 多线程会带来线程不安全的情况；
- 多线程可能存在线程切换、甚至加锁解锁、死锁造成的性能损耗；
- 单线程降低了Redis内部实现复杂度；
- hash的惰性rehash，lpush等线程不安全的命令可以无锁执行；
什么是IO多线程
既然上面说单线程那么好，为什么Redis6.0又要引入多线性呢？
Redis 抽象了一套 AE 事件模型，将 IO 事件和时间事件融入一起，同时借助多路复用机制(linux上用epoll) 的回调特性，使得 IO 读写都是非阻塞的，实现高性能的网络处理能力。加上 Redis 基于内存的数据处理，这就是 “单线程，但却高性能” 的核心原因。
但 IO 数据的读写依然是阻塞的，这也是 Redis 目前的主要性能瓶颈之一，特别是在数据吞吐量特别大的时候，具体情况如下：
上图的下半部分，当 socket 中有数据时，Redis 会通过系统调用将数据从内核态拷贝到用户态，供 Redis 解析用。这个拷贝过程是阻塞的，术语称作 “同步 IO”，数据量越大拷贝的延迟越高，时间消耗也越大，糟糕的是这些操作都是单线程处理的。（写 reponse 时也是一样）
这是 Redis 目前的瓶颈之一，Redis6.0 引入的 “多线程” 机制就是对于该瓶颈的优化。核心思路是，将主线程的 IO 读写任务拆分出来给一组独立的线程执行，使得多个 socket 的读写可以并行化。
与 Memcached 从 IO 处理到数据访问多线程的实现模式有些差异。Redis 的IO多线程只是用来处理网络数据的读写和协议解析，执行命令仍然是单线程。之所以这么设计是不想 Redis 因为多线程而变得复杂，需要去控制 key、lua、事务，LPUSH/LPOP 等等的并发问题。
开启IO多线程
默认情况下，Redis多线程是禁用的，我们可以在配置文件选择开启：
vim redis.conf
- #开启IO多线程
- io-threads-do-reads yes
-
- #配置线程数量，如果设为1就是主线程模式。
- io-threads 4
官方建议：至少4核的机器才开启IO多线程，并且除非真的遇到了性能瓶颈，否则不建议开启此配置 ，且配置的线程数少于机器总线程数，如果有4核建议开启2,3个线程，如果有8核建议开6线程。 线程并不是越多越好，多于8个线程意义不大。
性能对比
因资源有限，我手边的机器渣渣配置如下，开启3个线程对比单线程：
配置：
[root@BD-T-uatredis9 ~]# free -h total used free shared buff/cache availableMem: 15G 1.0G 13G 64M 1.2G 14GSwap: 4.0G 0B 4.0G[root@BD-T-uatredis9 ~]# lscpuArchitecture: x86_64CPU op-mode(s): 32-bit, 64-bitByte Order: Little EndianCPU(s): 4On-line CPU(s) list: 0-3Thread(s) per core: 1Core(s) per socket: 1Socket(s): 4NUMA node(s): 1Vendor ID: GenuineIntelCPU family: 6Model: 79Model name: Intel(R) Xeon(R) CPU E7-4809 v4 @ 2.10GHzStepping: 1CPU MHz: 2094.952BogoMIPS: 4189.90Hypervisor vendor: VMwareVirtualization type: fullL1d cache: 32KL1i cache: 32KL2 cache: 256KL3 cache: 20480KNUMA node0 CPU(s): 0-3复制
测试命令：
使用redis-benchmark进行压测，这里模拟在4核4线程的机器上分别测试3线程和单线程在100W请求，数据大小在128b,512b,1024b，200个客户端，执行SET和GET的QPS性能对比
#三线程./redis-benchmark -h localhost -p 6380 --user default -a wyk123456 -t set,get -n 1000000 -r 1000000 --threads 3 -d 128 -c 200 -q ./redis-benchmark -h localhost -p 6380 --user default -a wyk123456 -t set,get -n 1000000 -r 1000000 --threads 3 -d 512 -c 200 -q ./redis-benchmark -h localhost -p 6380 --user default -a wyk123456 -t set,get -n 1000000 -r 1000000 --threads 3 -d 1024 -c 200 -q #单线程./redis-benchmark -h localhost -p 6381 --user default -a wyk123456 -t set,get -n 1000000 -r 1000000 -d 128 -c 200 -q ./redis-benchmark -h localhost -p 6381 --user default -a wyk123456 -t set,get -n 1000000 -r 1000000 -d 512 -c 200 -q ./redis-benchmark -h localhost -p 6381 --user default -a wyk123456 -t set,get -n 1000000 -r 1000000 -d 1024 -c 200 -q复制结果：
可能是我机器太渣了，3线程比单线程的QPS提升有120%~140%，网友测试的在4线程下QPS提升了100%。。
网友的测试结果：
- Redis Server: 阿里云 Ubuntu 18.04，8 CPU 2.5 GHZ, 8G 内存，主机型号 ecs.ic5.2xlarge
- Redis Benchmark Client: 阿里云 Ubuntu 18.04，8 2.5 GHZ CPU, 8G 内存，主机型号 ecs.ic5.2xlarge
注意，数据仅供验证参考，不能作为线上指标：
- 本测试只是使用早期的
unstble分支的性能，不排除稳定版的性能会更好。- 本测试并没有针对严谨的延时控制和不同并发的场景进行压测。
源码解析
刚才提到IO多线程只是在网络数据的读写上是多线程了，具体流程如下：
流程：
- 主线程获取 socket 放入等待列表
- 将 socket 分配给各个 IO 线程（并不会等列表满）
- 主线程阻塞等待 IO 线程读取 socket 完毕
- 主线程以单线程执行命令 （如果命令没有接收完毕，会等 IO 下次继续）
- 主线程阻塞等待 IO 线程将数据回写 socket 完毕（一次没写完，会等下次再写）
- 解除绑定，清空等待队列
- IO 线程要么同时在读 socket，要么同时在写，不会同时读或写；
- IO 线程只负责读写 socket 解析命令，不负责执行命令，由主线程串行执行命令；
- IO 线程数可配置，默认为 1；
- 上面的过程是完全无锁的，因为在 IO 线程处理的时主线程会等待全部的 IO 线程完成，所以不会出现 data race 的场景。
源码：
https://github.com/redis-io/redis/blob/6.0/src/networking.c
redis-server 逻辑首先执行 initThreadedIO()函数对 线程进行初始化，当然，也包括 根据配置 server.io_threads_num 控制线程个数，其中主线程的处理逻辑为 IOThreadMain() 函数
/* networking.c: line 2666 */void *IOThreadMain(void *myid) { /* The ID is the thread number (from 0 to server.iothreads_num-1), and is used by the thread to just manipulate a single sub-array of clients. */ // 线程 ID，跟普通线程池的操作方式一样，都是通过 线程ID 进行操作 long id = (unsigned long)myid; while(1) { /* Wait for start */ // 这里的等待操作比较特殊，没有使用简单的 sleep，避免了 sleep 时间设置不当可能导致糟糕的性能，但是也有个问题就是频繁 loop 可能一定程度上造成 cpu 占用较长 for (int j = 0; j < 1000000; j++) { if (io_threads_pending[id] != 0) break; } /* Give the main thread a chance to stop this thread. */ if (io_threads_pending[id] == 0) { pthread_mutex_lock(&io_threads_mutex[id]); pthread_mutex_unlock(&io_threads_mutex[id]); continue; } serverAssert(io_threads_pending[id] != 0); // debug 模式 if (tio_debug) printf("[%ld] %d to handle\n", id, (int)listLength(io_threads_list[id])); /* Process: note that the main thread will never touch our list * before we drop the pending count to 0. */ // 根据线程 id 以及待分配列表进行 任务分配 listIter li; listNode *ln; listRewind(io_threads_list[id],&li); while((ln = listNext(&li))) { client *c = listNodeValue(ln); // 判断读写类型 if (io_threads_op == IO_THREADS_OP_WRITE) { writeToClient(c,0); } else if (io_threads_op == IO_THREADS_OP_READ) { // 这里需要注意重复调用了 readQueryFromClient，不过不用担心，有 CLIENT_PENDING_READ 标识可以进行识别 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] Done\n", id); }}复制handleClientsWithPendingReadsUsingThreads() 待处理任务分配
/* networking.c: line 2871 *//* When threaded I/O is also enabled for the reading + parsing side, the readable handler will just put normal clients into a queue of clients to process (instead of serving them synchronously). This function runs the queue using the I/O threads, and process them in order to accumulate the reads in the buffers, and also parse the first command available rendering it in the client structures. */int handleClientsWithPendingReadsUsingThreads(void) { // 是否开启 线程读 if (!io_threads_active || !server.io_threads_do_reads) return 0; int processed = listLength(server.clients_pending_read); if (processed == 0) return 0; if (tio_debug) printf("%d TOTAL READ pending clients\n", processed); /* Distribute the clients across N different lists. */ // 将待处理任务进行分配，分配方式为 RR (round robin) 即基于任务到达时间片进行分配 listIter li; listNode *ln; listRewind(server.clients_pending_read,&li); int item_id = 0; 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++; } /* Give the start condition to the waiting threads, by setting the start condition atomic var. */ // 设定任务个数参数 io_threads_op = IO_THREADS_OP_READ; for (int j = 0; j < server.io_threads_num; j++) { int count = listLength(io_threads_list[j]); io_threads_pending[j] = count; } /* Wait for all threads to end their work. */ // 等待所有线程任务都处理完毕 while(1) { unsigned long pending = 0; for (int j = 0; j < server.io_threads_num; j++) pending += io_threads_pending[j]; if (pending == 0) break; } if (tio_debug) printf("I/O READ All threads finshed\n"); /* Run the list of clients again to process the new buffers. */ // 继续运行，等待新的处理任务 listRewind(server.clients_pending_read,&li); while((ln = listNext(&li))) { client *c = listNodeValue(ln); c->flags &= ~CLIENT_PENDING_READ; if (c->flags & CLIENT_PENDING_COMMAND) { c->flags &= ~ CLIENT_PENDING_COMMAND; processCommandAndResetClient(c); } processInputBufferAndReplicate(c); } listEmpty(server.clients_pending_read); return processed;}复制readQueryFromClient() 函数
/* networking.c: line 1791 */void readQueryFromClient(connection *conn) { client *c = connGetPrivateData(conn); int nread, readlen; size_t qblen; /* Check if we want to read from the client later when exiting from the event loop. This is the case if threaded I/O is enabled. */ // 加入多线程模型已经启用 if (postponeClientRead(c)) return; // 如果没有启用多线程模型，则走下面继续处理读逻辑 // ....还有后续老逻辑}复制 函数 postponeClientRead() 将任务放入处理队列，而根据上面 IOThreadMain() 和 handleClientsWithPendingReadsUsingThreads() 的任务处理逻辑进行处理
/* networking.c: line 2852 */int postponeClientRead(client *c) { // 如果启用多线程模型，并且判断全局配置中是否支持多线程读 if (io_threads_active && server.io_threads_do_reads && // 这里有个点需要注意，如果是 master-slave 同步也有可能被认为是普通 读任务，所以需要标识 !(c->flags & (CLIENT_MASTER|CLIENT_SLAVE|CLIENT_PENDING_READ))) { c->flags |= CLIENT_PENDING_READ; // 将任务放入处理队列 listAddNodeHead(server.clients_pending_read,c); return 1; } else { return 0; }}复制对比Memcached
前些年memcached 是各大互联网公司常用的缓存方案，因此redis 和 memcached 的区别基本成了面试官缓存方面必问的面试题，最近几年memcached用的少了，基本都是 redis。不过随着Redis6.0加入了多线程特性，类似的问题可能还会出现，接下来我们只针对多线程模型来简单比较一下它们。
首先看一下Memcached的线程模型：
如上图所示：Memcached 服务器采用 master-woker 模式进行工作，服务端采用 socket 与客户端通讯。主线程、工作线程 采用 pipe管道进行通讯。主线程采用 libevent 监听 listen、accept 的读事件，事件响应后将连接信息的数据结构封装起来，根据算法选择合适的工作线程，将连接任务携带连接信息分发出去，相应的线程利用连接描述符建立与客户端的socket连接 并进行后续的存取数据操作。
Redis6.0与Memcached多线程模型对比：
相同点：都采用了 master线程-worker 线程的模型
不同点：Memcached 执行主逻辑也是在 worker 线程里，模型更加简单，实现了真正的线程隔离，符合我们对线程隔离的常规理解。而 Redis 把处理逻辑交还给 master 线程，虽然一定程度上增加了模型复杂度，但也解决了线程并发安全等问题。
尾巴
大家都会拿Redis和memcached对比，但Redis不是memcached，它只是做到like memcached的多线程，而不是跟memcached一样的完全隔离的多线程模型。Redis中因为有lua脚本，事务，Lpush等等复杂性，需要考虑的问题很多，不管怎么样，最新版的Redis6带给我们的IO多线程着实是个惊喜，互联网大厂们应该很快就会纷纷上线此功能了！
参考
https://ruby-china.org/topics/38957
http://www.web-lovers.com/redis-source-6-rc-mult-thread.html
https://zhuanlan.zhihu.com/p/76788470
http://calixwu.com/2014/11/memcached-yuanmafenxi-xianchengmoxing.html
希望本文对你有帮助，请点个赞鼓励一下作者吧~ 谢谢！