每秒1w+分布式事务--dtm的Redis存储性能测试分析

## 概述 之前dtm给出了Mysql作为存储引擎的性能测试报告，在一个普通配置的机器上，2.68w IOPS，4核8G机器上，能够支持大约每秒900+分布式事务，能够满足大部分公司的业务需求。 此次带来的是Redis存储引擎的测试报告，在一个普通配置的机器上，能够达到大约10800每秒的分布式事务能力，对比Mysql存储，有10倍左右的性能提升，满足绝大部分公司的业务需求。 下面我们来详细说明测试的步骤，并分析其中影影响性能的各个因素。 ## 测试环境 下面的服务器都来自阿里云，地区为东京（外网访问比较方便） Redis服务器：ecs.hfc6 4核8G CPU主频为3.1 GHz/3.5 GHz 内网收发包50万PPS ubuntu 20.04 两台应用服务器：ecs.hfc6 8核16G CPU主频为3.1 GHz/3.5 GHz 内网收发包80万PPS ubuntu 20.04 redis5.x ## 测试步骤： ### 准备好Redis 注意：涉及应用服务器的，那么两台服务器都需要进行相关操作 在应用服务器上面准备好Redis，这次因为考虑到极限性能，因此不采用docker安装，而是采用apt install 安装，运行如下命令 ``` sh apt update apt install -y redis # 修改/etc/redis/redis.conf，找到其中的bind，改为bind 0.0.0.0 systemctl restart redis-server ``` ### 配置应用服务器 ``` sh apt update apt install -y git git clone https://github.com/dtm-labs/dtm.git && cd dtm && git checkout 5907f99 && cd bench && make ``` ### 配置dtm 修改 dtm目录下的conf.sample.yml，配置使用Redis，例如： ``` Store: Driver: 'redis' Host: 'redis ip' Port: 6379 # 另外再把ExamplesDB里面的配置删除，因为我们没有安装mysql ``` ### 启动bench服务器 ` LOG_LEVEL=warn go run bench/main.go redis ` ### 启动测试 ` ab -n 1000000 -c 10 "http://127.0.0.1:8083/api/busi_bench/benchEmptyUrl" ` ### 获得结果 我这看到ab的结果显示，每秒完成的操作数量两台应用服务器加总为10875 ## Redis性能分析 我们首先来看Redis本身的性能，影响它的因素是哪些，先看下面的这些测试数据： ` redis-benchmark -n 300000 SET 'abcdefg' 'ddddddd' ` 每秒完成的请求数10w ` redis-benchmark -h 内网其他主机IP -p 6379 -n 300000 SET 'abcdefg' 'ddddddd' ` 每秒完成的请求数10w 从这上面的两个结果看，本地Redis测试和远程Redis测试，性能差异并不明显。我也测试过其他更多的命令，也未发现明显差异，因此下面主要就测试本地Redis性能，不再比较本地和远程的差别。 ` redis-benchmark -n 300000 EVAL "redis.call('SET', 'abcdedf', 'ddddddd')" 0 ` Lua脚本每秒完成的请求数10w ` redis-benchmark -n 300000 EVAL "redis.call('SET', KEYS[1], ARGS[1])" 1 'aaaaaaaaa' 'bbbbbbbbbb' ` Lua脚本每秒完成的请求数10w ` redis-benchmark -n 3000000 -P 50 SET 'abcdefg' 'ddddddd' ` 走Pipeline的话，每秒完成的请求数150w，这个性能对比单个Set操作有大幅提升。从这个数据和单个操作的对比看，Redis本身内存操作开销不大，很多的开销花在了网络IO上，因此批量任务能够大幅提升吞吐量 ` redis-benchmark -n 300000 EVAL "for k=1, 10 do; redis.call('SET', KEYS[1], ARGS[1]); end" 1 'aaaaaaaaa' 'bbbbbbbbbb' ` 我们在Lua内部，连续执行10次Set，每秒完成的请求数6.1w，和只执行1次Set差别没有很大。这个结果在我们的预期之内，因为前面Pipeline的结果显示Redis的内存操作开销大幅小于网络。 ## dtm性能分析 dtm需要跟踪全局分布式事务的进度，我们以Saga举例，大概涉及以下操作： - 保存事务信息，含全局事务、事务分支、还有查找过期事务的索引，dtm用一个Lua脚本来完成这些操作 - 每个事务分支完成时，修改事务分支状态。由于修改状态时，需要确认全局事务未回滚，避免回滚中的事务还往前执行，因此dtm也用一个Lua脚本来完成 - 全局事务完成，修改全局事务为成功，此时也需要避免已超时回滚中的事务被覆盖，也是一个Lua脚本 那么一个具备两个事务分支的全局事务在Redis上的理论开销大约是4个Lua脚本的开销，那么从前面每秒能够完成大约6w个简单Lua脚本来看，每秒最理想能够完成1.5w个分布式事务。由于实际的Lua脚本比我们测试的更复杂，传输的数据量更大，因此最终每秒完成1.08w个事务，已经是差不多的性能极限值。当达到1.08w每秒的事务性能时，观测到Redis的CPU已经是100%，到了性能瓶颈。 ## 展望 每秒1w事务已经是非常高的性能，足够应对绝大多数的场景。包括消息队列、秒杀等。 当Redis能够支撑这么大的事务量时，如果是长时间这么大的事务量，那么redis的存储空间很快就不够了，后续可能添加选项，允许及时清理掉已完成的事务 未来dtm的性能是否还能提高？我们可以从两方面看： 一个是在目前单进程的情况下，dtm能够达到1w事务每秒，在redis6.0上，官方的数据显示，4CPU性能大约提升150%，这样的话dtm预计能够支撑2.5w事务每秒。 另一个是dtm往集群的方向发展，提供集群能力，允许动态扩容等。这方面需要看未来的使用情况，再做相关规划。 ## 项目地址 关于分布式事务更多的理论知识与实践，可以访问以下项目和公众号： [https://github.com/dtm-labs/dtm](https://github.com/dtm-labs/dtm) 关注【分布式事务】公众号，获取更多分布式事务相关知识，同时可以加入我们的社群