StackExchange.Redis 是一个高性能的 Redis 客户端库，主要用于 .NET 环境下与 Redis 服务器进行通信，大名鼎鼎的stackoverflow 网站就使用它。它使用异步编程模型，能够高效处理大量请求。支持 Redis 的绝大部分功能，包括发布/订阅、事务、Lua 脚本等。由 StackExchange 团队维护，质量和更新频率有保障。这篇文章就来给大家分享下 StackExchange.Redis 为什么玩的这么溜。
我将通过分析 StackExchange.Redis 中的同步调用和异步调用逻辑，来给大家一步步揭开它的神秘面纱。
Redis 客户端的 Get、Set 等操作都会封装成为 Message，操作最终会走到这个方法，我们先大致看下代码：
ConnectionMultiplexer.cs
internal T? ExecuteSyncImpl<T>(Message message, ResultProcessor<T>? processor, ServerEndPoint? server, T? defaultValue = default)
{
...
// 创建一个ResultBox对象，这个对象将会放到Message中用来承载Redis的返回值
var source = SimpleResultBox<T>.Get();
WriteResult result;
// 锁住ResultBox对象，下边会有大用
lock (source)
{
// 将Message发送到Redis服务器
result = TryPushMessageToBridgeSync(message, processor, source, ref server);
...
// 调用 Monitor.Wait 释放对 ResultBox 对象的锁，同时让当前线程停在这里
if (Monitor.Wait(source, TimeoutMilliseconds))
{
Trace("Timely response to " + message);
}
...
}
// 最终从 ResultBox 取出结果
var val = source.GetResult(out var ex, canRecycle: true);
...
return val;
...
}仔细说一下大概的处理逻辑。
注意这里用到了锁（lock），还使用了Monitor.Wait，这是什么目的呢？
Monitor.Wait 一般和 Monitor.Pulse 搭配使用，用来在线程间通信。
通过这种方式，我们就达成了一个跨线程的同步调用效果。
为什么会跨线程呢？直接调用Redis等着返回结果不行吗？
因为 StackExchange.Redis 底层使用了 System.IO.Pipelines 来优化网络IO，这个库采用了生产者/消费者的异步模式来处理网络请求和响应，发送数据和接收数据很可能是在不同的线程中。
以上就是向Redis服务器发送消息的一个宏观理解，但是这里有一个隐藏的问题：
异步情况下怎么把Redis的返回结果和消息对应上？
我们继续跟踪向 Redis 服务器发送 Message 的代码，也就是深入 TryPushMessageToBridgeSync 的内部。
一路跟随，代码会走到这里：
PhysicalBridge.cs
internal WriteResult WriteMessageTakingWriteLockSync(PhysicalConnection physical, Message message)
{
...
bool gotLock = false;
try
{
...
// 获取单写锁，同时只能写一个Message
gotLock = _singleWriterMutex.Wait(0);
if (!gotLock)
{
gotLock = _singleWriterMutex.Wait(TimeoutMilliseconds);
if (!gotLock) return TimedOutBeforeWrite(message);
}
...
// 继续调用内部方法写数据
WriteMessageInsideLock(physical, message);
...
// 刷新网络管道，将数据通过网络发出去
physical.FlushSync(false, TimeoutMilliseconds);
}
catch (Exception ex) { ... }
finally
{
if (gotLock)
{
_singleWriterMutex.Release();
}
}
}这里边用信号量做了一个锁，保证同时只有一个写操作。
那么为什么要保证同时只能一个写操作呢？
我们继续跟踪代码：
private WriteResult WriteMessageToServerInsideWriteLock(PhysicalConnection connection, Message message)
{
...
// 把消息添加到队列
connection.EnqueueInsideWriteLock(message);
// 把消息写到网络接口
message.WriteTo(connection);
...
}这里有两个操作，一是将Message添加到队列，二是向网络接口写数据。
保证同时只有一个写操作，或者加锁的目的，就是让它俩一起完成，能对应起来，不会错乱。
那么我们还要继续问：写队列和写网络对应起来有什么用？
这个问题不好回答，我们先来看看这两个操作都是干什么用的？
为什么要把Message写入队列？
同步IO可以直接拿到当前消息的返回结果，但是 System.IO.Pipelines 底层是异步操作，当处理结果从Redis返回时，我们需要把它对应到一个Messge上。加入队列就是为了方便找到对应的消息。至于为什么用队列，而不用集合，因为队列能够很好的满足这个需求，下边会有说明。
写队列代码在这里：
PhysicalConnection.cs
internal void EnqueueInsideWriteLock(Message next)
{
...
bool wasEmpty;
lock (_writtenAwaitingResponse)
{
...
_writtenAwaitingResponse.Enqueue(next);
}
...
}入队列需要先加锁，因为可能是多线程环境下操作，Queue自身不是线程安全的。
再看一下把消息写到网络接口，这个的目的就是把消息发送到Redis服务器，看一下代码：
PhysicalConnection.cs
internal static void WriteUnifiedPrefixedString(PipeWriter? maybeNullWriter, byte[]? prefix, string? value)
{
...
// writer 就是管道的写入接口
var span = writer.GetSpan(3 + Format.MaxInt32TextLen);
span[0] = (byte)'$';
int bytes = WriteRaw(span, totalLength, offset: 1);
writer.Advance(bytes);
if (prefixLength != 0) writer.Write(prefix);
if (encodedLength != 0) WriteRaw(writer, value, encodedLength);
WriteCrlf(writer);
...
}源码最底层是通过 System.IO.Pipelines 中的 PipeWriter 把 Message 命令发送到Redis服务器的，这段代码比较复杂，大家先大概知道做什么用的就行了。
到此，向Redis发送消息就处理完成了。
现在我们已经大概了解向Redis服务器发送消息的过程：在最上层通过Monitor模拟了同步操作，在最底层使用了高效的异步IO，为了适配同步和异步，写操作内含了两个子操作：写队列和写网络。
但是我们仍然不能回答一个问题：写队列和写网络为什么要放到一个锁中执行？或者说为什么要保证同时只能一个写操作？
要回答这个问题，我们还得继续看程序对Redis响应结果的处理。
Redis 客户端与 Redis 服务器建立连接时，会创建一个死循环，持续的从 System.IO.Pipelines 的管道中读取Redis 服务器返回的消息，并进行相应的处理。最上层方法就是这个 ReadFromPipe：
PhysicalConnection.cs
private async Task ReadFromPipe()
{
...
while (true)
{
...
// 没有新数据从Redis服务器返回时，ReadAsync会等在这里
readResult = await input.ReadAsync().ForAwait();
...
var buffer = readResult.Buffer;
...
if (!buffer.IsEmpty)
{
// 这里边解析数据，并赋值到相关对象上
handled = ProcessBuffer(ref buffer);
}
}
}对返回数据的处理重点在这个 ProcessBuffer 方法中。它会先对数据进行一个简单的解析，然后再调用 MatchResult，从字面义上看就是匹配结果，匹配到那个结果呢？
private int ProcessBuffer(ref ReadOnlySequence<byte> buffer)
{
...
var reader = new BufferReader(buffer);
var result = TryParseResult(_protocol >= RedisProtocol.Resp3, _arena, in buffer, ref reader, IncludeDetailInExceptions, this);
...
MatchResult(result);
...
}还记得我们在上边向Redis发送Message前，先创建了一个 ResultBox 对象，匹配的就是它。
怎么找到对应的 ResultBox 对象呢？
看下边的代码，程序从队列中取出了一个Message 实例，就是要匹配到这个 Message 实例关联的ResultBox。
private void MatchResult(in RawResult result)
{
...
// 从队列中取出最早的一条Redis操作消息
lock (_writtenAwaitingResponse)
{
if (!_writtenAwaitingResponse.TryDequeue(out msg))
{
throw new InvalidOperationException("Received response with no message waiting: " + result.ToString());
}
}
...
// 将Redis返回的结果设置到取出的消息中
if (msg.ComputeResult(this, result))
{
_readStatus = msg.ResultBoxIsAsync ? ReadStatus.CompletePendingMessageAsync : ReadStatus.CompletePendingMessageSync;
// 完成Redis操作
msg.Complete();
}
...
}为什么从队列取出的 Message 就一定能对应到 Redis 服务器当前返回的结果呢？
要破案了，还记得上边的那个未解问题吗：为什么要保证同时只能一个写操作？
我们每次操作Redis都是：先把Message压入队列，然后再发送到Redis服务器，这两个操作紧密的绑定在一起；而Redis服务器是单线程顺序处理的，最先返回的就是最早压入队列的。加上每次只有一个写操作的控制，我们就能保证最先写入队列的（也就是最先发到Redis服务器的）Message，就能对应到最先从Redis服务器返回的数据。
上面这段程序中的 msg.ComputeResult 就是用来将 Redis 最新返回的数据赋值到最新从队列中拿出来的 Message 实例中。
现在 Message 实例 已经获取到了 Redis返回结果，还记得之前的发送线程一直在挂起等待吗？
下边的 msg.Complete 就是来让发送线程恢复执行的，看这个代码 ：
Message.cs（Message）
public void Complete()
{
...
// ResultBox激活继续处理
currBox?.ActivateContinuations();
}还有一层封装，继续看这个代码：
ResultBox.cs（SimpleResultBox）。
void IResultBox.ActivateContinuations()
{
lock (this)
{
// 通知等待Redis响应的线程，Redis返回结果了，请继续你的表演
Monitor.PulseAll(this);
}
...
}Monitor.PulseAll 一出，发送线程立马恢复执行，向调用方返回执行结果。
一次同步调用就这样完成了。
异步API和同步API使用相同的通信底层，包括写队列和写网络管道的处理，只是在处理返回值的方式上存在不同。大家可以看一下异步和同步调试堆栈的对比图：
执行到 PhysicalBridge.WriteMessageInsideLock 这一步时处理就同步了。这一步的代码上边也贴过了，这里再给大家看看：其中的主要逻辑就是写队列和写网络管道。
private WriteResult WriteMessageToServerInsideWriteLock(PhysicalConnection connection, Message message)
{
...
// 把消息添加到队列
connection.EnqueueInsideWriteLock(message);
// 把消息写到网络接口
message.WriteTo(connection);
...
}我们再简单看看异步API中是如何发送消息的，看代码：
internal Task<T?> ExecuteAsyncImpl<T>(Message? message, ResultProcessor<T>? processor, object? state, ServerEndPoint? server)
{
...
// 创建一个Task执行状态跟踪对象
TaskCompletionSource<T?>? tcs = null;
// 创建一个ResultBox对象，这个对象将会放到Message中用来承载Redis的返回值
// 异步这里特别将 ResultBox 和 TaskCompletionSource 绑定到了一起
// 获取到Redis服务器返回的数据后，TaskCompletionSource 的执行状态将被更新为完成
IResultBox<T?>? source = null;
if (!message.IsFireAndForget)
{
source = TaskResultBox<T?>.Create(out tcs, state);
}
// 将Message消息发送到 Redis服务器
var write = TryPushMessageToBridgeAsync(message, processor, source!, ref server);
...
// 返回Task，调用方可以 await
return tcs.Task;
}相比同步API，这里多创建了一个 TaskCompletionSource 的实例，它用来跟踪异步任务的执行状态，程序会在接收到Redis服务器的返回数据时，将 TaskCompletionSource 的状态更新为完成执行。
里边的代码我就不展开讲了，大家有兴趣的可以按照上方我截图的调用堆栈去跟踪下。
异步API和同步API使用同一个死循环方法：ReadFromPipe，程序启动时也只有这一个死循环在运行。
代码上边都讲过了，这里只说下最后“ResultBox激活继续处理”的部分，这个 ResultBox 和同步调用的 ResultBox 略有不同，看代码：
void IResultBox.ActivateContinuations()
{
...
ActivateContinuationsImpl();
}
private void ActivateContinuationsImpl()
{
var val = _value;
...
TrySetResult(val);
...
}
public bool TrySetResult(TResult result)
{
// 设置异步任务执行完成
bool rval = _task.TrySetResult(result);
...
return rval;
}最重要的就是 _task.TrySetResult 这句，这里的 _task 就是发起异步调用时创建的 TaskCompletionSource 实例，TrySetResult 的作用就是设置异步任务执行完成，对应的 await 代码就可以继续向下执行了。
await client.SetAsync("hello", "fireflysoft.net");
// 继续执行下边的代码
...通过对同步API、异步API的执行逻辑分析，我这里总结了一张图，可以让大家快速的理清其中的处理逻辑。
我再用文字描述下这个执行逻辑：
1、无论是同步调用还是异步调用，StackExchange.Redis 底层都是先会创建一个 Message 对象；每个 Message 对象都会关联一个ResultBox对象（同步和异步调用对应的ResultBox对象略有不同），这个对象用来承载Redis执行结果；
2、然后程序会把Message存入队列、发送到网络IO管道，写队列和写网络IO放到了一个互斥锁中，同时只有一个Message写入，这是为了保证收到Redis响应时正好对应队列中的第一条数据。
执行完这些操作后，API会等待，但是同步调用和异步调用等待的方式不同，同步会挂起线程等待其它线程同步结果，异步会使用await等待Task执行结果；
3、Redis 命令被发送到网络，抵达Redis服务器
4、接收到Redis服务器的响应数据，这些数据会放到网络IO管道中。
5、有一个线程持续监听IO管道中收到的数据，一旦拿到数据，就去队列中取出一个Message，把服务器返回的数据写到这个Message的ResultBox中。
给ResultBox赋值完，程序还会通知等待的API继续执行，同步调用是通过线程通信的方式通知，异步调用是通过更新Task的执行结果状态来通知。
最后API从ResultBox中取出数据返回给调用方。
无论是同步调用还是异步调用，它们的底层通信方式都统一到了管道技术，这是 StackExchange.Redis 性能出类拔萃的根基，这部分就专门来介绍下。
这里说的管道技术指的是使用System.IO.Pipelines库，这个库提供了一种高效的方式来优化流式数据处理，具备更高的吞吐量、更低的延迟。具体用途：网络上，可以用来构建高性能的TCP或UDP服务器；对于大文件的读写操作，使用Pipelines可以减少内存占用，提高处理速度。
PipeWriter和PipeReader是System.IO.Pipelines中的核心组件，它们用于构建管道处理数据流。这里分享个例子：
using System;
using System.IO.Pipelines;
using System.Text;
using System.Threading.Tasks;
class Program
{
static async Task Main(string[] args)
{
// 创建一个管道
var pipe = new Pipe();
// 启动一个任务来写入数据
var writing = FillPipeAsync(pipe.Writer);
// 启动一个任务来读取数据
var reading = ReadPipeAsync(pipe.Reader);
await Task.WhenAll(reading, writing);
}
private static async Task FillPipeAsync(PipeWriter writer)
{
for (int i = 0; i < 5; i++)
{
// 写入一些数据到管道中
string message = $"Message {i}";
byte[] messageBytes = Encoding.UTF8.GetBytes(message);
// 将数据写入管道
Memory<byte> memory = writer.GetMemory(messageBytes.Length);
messageBytes.CopyTo(memory);
writer.Advance(messageBytes.Length);
// 通知管道有数据写入
FlushResult result = await writer.FlushAsync();
if (result.IsCompleted)
{
break;
}
// 模拟一些延迟
await Task.Delay(500);
}
// 告诉管道我们已经完成写入
await writer.CompleteAsync();
}
private static async Task ReadPipeAsync(PipeReader reader)
{
while (true)
{
// 读取管道中的数据
ReadResult result = await reader.ReadAsync();
var buffer = result.Buffer;
// 处理读取到的数据
foreach (var segment in buffer)
{
string message = Encoding.UTF8.GetString(segment.Span);
Console.WriteLine($"Read: {message}");
}
// 告诉管道我们已经处理了这些数据
reader.AdvanceTo(buffer.End);
// 如果没有更多数据可以读取，退出循环
if (result.IsCompleted)
{
break;
}
}
// 告诉管道我们已经完成读取
await reader.CompleteAsync();
}
}在这个示例中，我们创建了一个 Pipe 对象，并分别启动了两个任务来写入和读取数据：
通过这种方式，我们可以高效地处理流式数据，同时利用管道的优势来提高吞吐量和降低延迟。
其实在很多的高性能IO库中，使用的都是管道技术，比如Java的NIO、Windows的IOCP、Linux的epoll，本质上都是通过一个类似管道的东西来统筹管理数据传输，减少不必要的调用和检查，达到高效通信的目的。
以上就是本文的主要内容，如有问题，欢迎讨论交流！