每秒 1w+分布式事务--dtm 的 Redis 存储性能测试分析

[dongfuye1]

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

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

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

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