正文

我遇到了这个项目，它的目标是成为一个比Redis有着更好性能和更易用的克隆版。我发现它很有趣，因为它主要的卖点之一就是它是在多线程模式下运行（而不是像Redis那样是单线程）。他们使用memtier_benchmark（Redis项目的一部分）来测试性能。所以我很好奇，如果我使用C#来构建自己的Redis克隆版，会有怎么样的性能？

我构建的第一个版本非常简单。我的想法是使用高抽象的API来编写它，看看它的性能到底怎么样。为了使事情变得有趣，下面是它的测试方案：

• 客户端：memtier_benchmark将在aws的c6g.2xlarge实例上运行，使用8核32G内存
• 服务端：测试的实例将在aws的c6g.4xlarge上运行，使用16核64G内存
  客户端要运行的命令如下所示：

memtier_benchmark –s $SERVER_IP -t 8 -c 16 --test-time=30 --distinct-client-seed -d 256 --pipeline=30

上面的命令说明我们将使用8个线程（客户端实例上的CPU核心数），每个线程创建32个链接，20%的场景写入，80的场景读取，数据大小为256字节，将不断的把更多的数据推送到测试的实例中。
服务端使用以下命令运行：

dotnet run –c Release

以下是此测试在服务器的实例：

我选择30秒作为测试的持续时间，以收集更多的信息让我们感受正在发生的事情（比如GC周期），同时保持测试的持续时间足够短，这样我不会感觉到无聊。
以下是简单版本的测试结果：

因此，使用C#构建的简单版本，即使什么优化都不做，也有几乎100w/s的性能。从另外的角度来说，延时并不是那么的好。P99延时将近100ms。
现在我用数字和漂亮的图表引起了你的注意，让我向你展示我正在运行的实际代码。这是一个不到100行代码的“Redis克隆”。

using System.Collections.Concurrent;
using System.Net.Sockets;

var listener = new TcpListener(System.Net.IPAddress.Any, 6379);
listener.Start();
var redisClone = new RedisClone();

while (true)
{
    var client = listener.AcceptTcpClient();
    var _ = redisClone.HandleConnection(client); // run async
}

public class RedisClone
{
    ConcurrentDictionary<string, string> _state = new();

    public async Task HandleConnection(TcpClient client)
    {
        using var _ = client;
        using var stream = client.GetStream();
        using var reader = new StreamReader(stream);
        using var writer = new StreamWriter(stream)
        {
            NewLine = "\r\n"
        };

        try
        {
            var args = new List<string>();
            while (true)
            {
                args.Clear();
                var line = await reader.ReadLineAsync();
                if (line == null) break;

                if (line[0] != '*')
                    throw new InvalidDataException("Cannot understand arg batch: " + line);

                var argsv = int.Parse(line.Substring(1));
                for (int i = 0; i < argsv; i++)
                {
                    line = await reader.ReadLineAsync();
                    if (line == null || line[0] != '$')
                        throw new InvalidDataException("Cannot understand arg length: " + line);
                    var argLen = int.Parse(line.Substring(1));
                    line = await reader.ReadLineAsync();
                    if (line == null || line.Length != argLen)
                        throw new InvalidDataException("Wrong arg length expected " + argLen + " got: " + line);

                    args.Add(line);
                }
                var reply = ExecuteCommand(args);
                if(reply == null)
                {
                    await writer.WriteLineAsync("$-1");
                }
                else
                {
                    await writer.WriteLineAsync($"${reply.Length}\r\n{reply}");
                }
                await writer.FlushAsync();
            }
        }
        catch (Exception e)
        {
            try
            {
                string? line;
                var errReader = new StringReader(e.ToString());
                while ((line = errReader.ReadLine()) != null)
                {
                    await writer.WriteAsync("-");
                    await writer.WriteLineAsync(line);
                }
                await writer.FlushAsync();
            }
            catch (Exception)
            {
                // nothing we can do
            }
        }
    }

    string? ExecuteCommand(List<string> args)
    {
        switch (args[0])
        {
            case "GET":
                return _state.GetValueOrDefault(args[1]);
            case "SET":
                _state[args[1]] = args[2];
                return null;
            default:
                throw new ArgumentOutOfRangeException("Unknown command: " + args[0]);
        }
    }
}

只是关于实现的几个注意事项。我实际上并没有做太多事情。大部分代码用于解析 Redis 协议。代码充满了内存分配。每个命令解析都是使用多个字符串拆分和连接来完成的。对客户端的回复需要更多的连接。系统的“存储”实际上只是一个简单的 ConcurrentDictionary，没有任何避免锁竞争或高成本的东西。
我们处理I/O的方式非常糟糕，而且......我想你明白我的想法，对吧？我的目标是看看如何使用这个（非常简单的）示例来获得更高的性能，而不必处理很多额外的细节。
鉴于我最初的尝试已经接近100万QPS，这是一个非常好的开始，即使我自己这么说。
我想采取的下一步是处理这里多余的内存分配。我们也许可以在内存分配这方面做得更好，虽然我的目标只是尝试。但我将在下一篇文章中这样做。