自从2009年初始发布以来,Redis受到了巨大的欢迎并且成为拥有大型社区的部署数据存储平台之一。

虽然Radis有很令人难忘的特性,但是它也有一个严重的限制--它是为了单机模式设计的。如果用户需要超过单机的能力,就需要使用专用分区系统。不过3.0.0版本发布了一种集群系统产品,可以从根本上简化分布式Redis部署。

所有人都认可Radis很快,我们来看看Hazelcast和Redis的比较。这份报告是为了观察Redis集群方案(v3.0.7)对比Hazelcast(v3.6.1)的表现, 特别是在重负荷的情况下。

为了确保我们在比较Hazelcast和Redis时候拥有稳定的环境,我们选择使用我们通常用于测试Hazelcast性能改进的室内测试实验室。

实验室配置

测试在由HP ProLiant DL380系列服务器构成的集群上进行。每一台机器配置有双socket Xeon E5-2687W v3@3.10Ghz, 每个CPU10核,超线程可用(一共有20个物理的,40个虚拟核),并且还有768G 2133Mhz的内存(24X32GB 模块)。在操作系统方面,我们使用简单的RHEL7安装,这表示在测量中不会使用虚拟软件。每台机器使用一个40 GbE SolarFlare 网卡(Sloarflare SFN7142Q Dual Port 40 GbE)来做点对点的通信。

为了执行Redis 测试,我们决定小痾怒责Jedis做客户端,因为它很流行(在github上有3481个星)并且对集群模式有非常好的支持度。

为了排除其他影响,我们决定雇佣Infinispan开发社区创建的第三方测量工具RadarGun。因为RadarGun不提供直接可用的Redis支持,我们需要自己集成。感兴趣的人可以去github上获取RadarGun fork和Redis插件。

我们需要什么

作为测试场景,我们想要基于客户增长数和并发处理数据数来比较Hazelcast和Redis的表现。所有的测试都在测试环境的 4个节点集群上执行并观察,4个基本测试场景需要被执行:

脚本  客户端数 每个客户端的进程数

1        1            1

2        4            8

3        4            32

4        4            64

正如上文所说,我们用以下版本来执行测试:

  • Hazelcast Version 3.6.1

  • Redis Version 3.0.7, Jedis 2.8.0

吞吐量

看一下吞吐量结果,Redis在少量客户端和/或进程的情况下非常快,但是它在高并发负载下变得很慢。测量超过特定数量的线程会拖慢Redis内部结构的可扩展性。另一方面,Hazelcast在很小的负载情况下表现较差,但是在并发处理和高数量客户端或线程开始被进入的时候,测量表现要远高于Redis。

脚本  Hazelcast 结果(reqs/s)     Redis 结果(reqs/s)

1         13,954 50,634
2365,792                    645,976
3872,773702,671
41,166,204722,531

延迟性

根据结果,延迟性表现和并发性测试里有类似模式。Redis在低数据负载的时候响应比Hazelcast表现更好,而在数据负载和并发请求增加时则表现相反。在不常见的大环境(如我们在脚本4)我们可以看到Redis的平均响应时间剧烈的增长。Hazelcast响应时间虽然也随着线程数增加而增长,但是这种增长要稳定得多,而且不像Redis表现的那样是指数级。

                脚本                Hazelcast (响应时间 μs)                  Redis (响应时间 μs)
                1                  70,14                      19,37
                2                  85,83                    48,98
                3                  144,7                    225,22
                4                  217,52                      640,51

结论

尽管在基准测试中的变量来自于测试的方法,调整设置,相对来说是一种常见的模式。Redis 在低用户数量和低资源争用连接情况下是一个好的选择,而这个霸主地位将会被更多的负载集群所打破。

从这个结果来说,大量的 Redis 用户不希望看到这个。他们真的有低量的数据负载系统,还是他们有另一种更好的方式呢?我们推荐开发者和架构师在使用任何技术之前,应该尽职预言并充分测试自己的用例。