实战Redis序列化性能测试(Kryo和字符串)
在Java应用的开发中，有时候需要将Java对象实例保存在Redis中，常用方法有两种：
1. 将对象序列化成字符串后存入Redis；
2. 将对象序列化成byte数组后存入Redis；
以上两种方式孰优孰劣？字符串方式来存取的好处是编码和调试更简单容易，而byte数组的优势又在哪里呢，今天我们针对这两种存储方式做一次对比试验，用数据来得出结论；
原文地址：https://blog.csdn.net/boling_cavalry/article/details/80719683
测试方法简述
本次做的是对比测试，写Redis和读Redis都会测试到，测试一共有以下四种：
1. 并发场景下对象通过fastjson转字符串，然后存入Redis；
2. 并发场景下对象通过Kyro序列化成byte数组，然后存入Redis；
3. 并发场景下从Redis取出字符串，通过fastjson转成对象；
4. 并发场景下从Redis取出byte数组，然后通过Kyro反序列化成对象；
测试环境简介
本次测试需要以下三台电脑，全部是Linux：
1. Redis服务器；
2. Web应用服务器；
3. 安装有Apache bench，用于发起性能测试，并统计出测试结果；
整体部署情况如下：
测试步骤梳理
在正式开始前，先将所有步骤整理好以免遗漏，接下来一步一步进行就可以了：
1. 部署Redis；
2. 开发基于字符串存取的web应用redis-performance-demo-string；
3. 开发基于Kyro序列化存取的web应用redis-performance-demo-kryo；
4. web应用编译构建；
5. 在测试端机器上安装Apache bench；
6. 部署应用redis-performance-demo-string；
7. 用Apache bench先web server发起请求，然后丢弃测试结果，这次请求中部分处理是在JIT之前完成的，不算数；
8. 清理Redis数据，用Apache bench先web server再次发起请求，保存测试结果；
9. 清理Redis数据，部署应用redis-performance-demo-kryo；
10. 用Apache bench先web server发起请求，然后丢弃测试结果，这次请求中部分处理是在JIT之前完成的，不算数；
11. 清理Redis数据，用Apache bench先web server再次发起请求，保存测试结果；
12. 对比结果，得出测试结论；
本章源码下载
本章实战的源码可以在github下载，地址和链接信息如下表所示：
| 名称 | 链接 | 备注 |
|---|---|---|
| 项目主页 | https://github.com/zq2599/blog_demos | 该项目在GitHub上的主页 |
| git仓库地址(https) | https://github.com/zq2599/blog_demos.git | 该项目源码的仓库地址，https协议 |
| git仓库地址(ssh) | [email protected]:zq2599/blog_demos.git | 该项目源码的仓库地址，ssh协议 |
这个git项目中有多个文件夹，本章源码在以下两个文件夹中：
1. redis-performance-demo-string：对应字符串存取对象的应用；
2. redis-performance-demo-kryo：对应kryo序列化对象的应用；
如下图所示：
应用版本
- JDK：1.8.0_161；
- Maven：3.5.0；
- SpringBoot：1.4.1.RELEASE；
- Redis：3.2.12.；
- Fastjson：1.2.47；
- Kryo：4.0.0；
- Apache bench：2.3；
- Ubuntu：16.04.3 LTS；
接下来我们开始实战吧；
部署Redis
Redis的安装和部署就不在本章展开了，以下两点请注意：
1. 关闭redis远程保护：config set protected-mode “no”；
2. 修改conf文件，关闭持久化；
开发基于字符串存取的web应用redis-performance-demo-string
这是个基于SpringBoot的简单web应用，将几处重点列举出来：
首先是application.properties文件中有Redis配置信息，请将IP和端口替换为您的Redis服务器的IP和端口：
spring.redis.database=0
spring.redis.host=192.168.31.104
spring.redis.port=6379
spring.redis.pool.maxActive=8
spring.redis.pool.maxWait=-1
spring.redis.pool.maxIdle=8
spring.redis.pool.minIdle=0
spring.redis.timeout=0
其次，是web接口对应的controller类RedisController.java：
@Controller
public class RedisController {
private static final Logger logger = LoggerFactory.getLogger(RedisController.class);
private static AtomicInteger addPersionIdGenerator = new AtomicInteger(0);
private static AtomicInteger checkPersionIdGenerator = new AtomicInteger(0);
private static final String PREFIX = "person_";
private static final int TIMES = 100;
@Autowired
private StringRedisTemplate stringRedisTemplate;
@RequestMapping(value = "/save/{key}/{value}", method = RequestMethod.GET)
@ResponseBody
public String save(@PathVariable("key") final String key, @PathVariable("value") final String value) {
try{
stringRedisTemplate.opsForValue().set(key, value);
}catch(Exception e){
e.printStackTrace();
}
return "1. success";
}
@RequestMapping(value = "/checksingle/{id}", method = RequestMethod.GET)
public void check(@PathVariable("id") final int id, HttpServletResponse response) {
checkPerson(id, response);
}
@RequestMapping(value = "/check", method = RequestMethod.GET)
public void check(HttpServletResponse response) {
boolean hasError = false;
for(int i=0;iboolean rlt = checkPerson(checkPersionIdGenerator.incrementAndGet(), response);
if(!rlt){
hasError = true;
break;
}
}
if(!hasError){
Helper.success(response, "check success");
}
}
@RequestMapping(value = "/add", method = RequestMethod.GET)
public void add(HttpServletResponse response) {
boolean isSuccess;
for(int i=0;iwhile (true) {
isSuccess = false;
try {
stringRedisTemplate.opsForValue().set(PREFIX + person.getId(), JSONObject.toJSONString(person));
isSuccess = true;
} catch (Exception e) {
logger.error("save redis error");
return;
}
if (isSuccess) {
break;
} else {
try {
Thread.sleep(100);
} catch (InterruptedException e) {
logger.error("1. sleep error, ", e);
}
}
}
}
Helper.success(response, "save success");
}
@RequestMapping(value = "/reset", method = RequestMethod.GET)
public void reset(HttpServletResponse response){
addPersionIdGenerator.set(0);
checkPersionIdGenerator.set(0);
Helper.success(response, "id generator reset success!");
}
/**
* 检查指定id的数据是否正常
* @param id
* @param response
*/
private boolean checkPerson(int id, HttpServletResponse response){
String raw = null;
boolean isSuccess;
while (true) {
isSuccess = false;
try {
raw = stringRedisTemplate.opsForValue().get(PREFIX + id);
isSuccess = true;
} catch (Exception e) {
logger.error("get from redis error");
}
if (isSuccess) {
break;
} else {
try {
Thread.sleep(100);
} catch (InterruptedException e) {
logger.error("1. sleep error, ", e);
}
}
}
if(null==raw){
Helper.error( response, "[" + id + "] not exist!");
return false;
}
Person person = JSONObject.parseObject(raw, Person.class);
String error = Helper.checkPerson(person);
if(null==error){
//Helper.success(response, "[" + id + "] check success!");
return true;
}else {
Helper.error(response, "[" + id + "] " + error);
return false;
}
}
} 关于该类有以下几处需要注意：
1. 字符串转对象、对象转字符串的操作都是通过Fastjson实现的；
1. add方法是用于写性能测试的主要方法，每次请求该接口，都会连续执行100次对象到字符串的转换，然后写入Redis；
2. check方法是用于读性能测试的主要方法，每次请求该接口，都会连续执行100次读取Redis，然后将字符串转换成对象；
3. add和check方法中获取Redis连接时都有可能获取失败，所以如果发生异常就sleep后再重试；
4. 成员变量addPersionIdGenerator、checkPersionIdGenerator都是用于id增长的AtomicInteger实例，这样性能测试时就不用输入id了，用这两个对象生成连续的id；
5. Helper.success和Helper.error方法会设置Response的返回码，Apache bench是根据Response的返回码是否位200来判定请求是成功还是失败；
开发基于Kyro序列化存取的web应用redis-performance-demo-kryo
在SpringBoot框架使用Kyro作为Redis序列化工具的详细过程请参考《
SpringBoot下用Kyro作为Redis序列化工具》，这里就不多说了，同样是类需要关注：
@Controller
public class RedisController {
private static final Logger logger = LoggerFactory.getLogger(RedisController.class);
private static AtomicInteger addPersionIdGenerator = new AtomicInteger(0);
private static AtomicInteger checkPersionIdGenerator = new AtomicInteger(0);
private static final String PREFIX = "person_";
private static final int TIMES = 100;
@Autowired
private RedisClient redisClient;
/**
* 检查指定id的记录
* @param id
* @param response
*/
@RequestMapping(value = "/checksingle/{id}", method = RequestMethod.GET)
public void check(@PathVariable("id") final int id, HttpServletResponse response) {
checkPerson(id, response);
}
/**
* 将最后一次检查的id加一，然后根据最新id检查记录
* @param response
*/
@RequestMapping(value = "/check", method = RequestMethod.GET)
public void check(HttpServletResponse response) {
boolean hasError = false;
for(int i=0;iboolean rlt = checkPerson(checkPersionIdGenerator.incrementAndGet(), response);
if(!rlt){
hasError = true;
break;
}
}
if(!hasError){
Helper.success(response, "check success");
}
}
/**
* 向redis增加一条记录
* @param response
*/
@RequestMapping(value = "/add", method = RequestMethod.GET)
public void add(HttpServletResponse response) {
boolean isSuccess;
for(int i=0;ifalse;
while (true){
try {
redisClient.set(PREFIX + person.getId(), person);
isSuccess = true;
} catch (Exception e) {
logger.error("save redis error, ", e);
}
if(isSuccess){
break;
}else{
try{
Thread.sleep(100);
}catch(InterruptedException e){
logger.error("1. sleep error, ", e);
}
}
}
}
Helper.success(response, "save success");
}
/**
* 将id清零
* @param response
*/
@RequestMapping(value = "/reset", method = RequestMethod.GET)
public void reset(HttpServletResponse response){
addPersionIdGenerator.set(0);
checkPersionIdGenerator.set(0);
Helper.success(response, "id generator reset success!");
}
/**
* 检查指定id的数据是否正常
* @param id
* @param response
*/
private boolean checkPerson(int id, HttpServletResponse response){
Person person = null;
boolean isSuccess;
while (true) {
isSuccess = false;
try {
person = redisClient.getObject(PREFIX + id);
isSuccess = true;
} catch (Exception e) {
logger.error("get from redis error");
}
if(isSuccess){
break;
}else{
try{
Thread.sleep(100);
}catch(InterruptedException e){
logger.error("2. sleep error, ", e);
}
}
}
if(null==person){
Helper.error( response, "[" + id + "] not exist!");
return false;
}
String error = Helper.checkPerson(person);
if(null==error){
//Helper.success(response, "[" + id + "] check success, object :\n" + JSONObject.toJSONString(person));
return true;
}else {
Helper.error(response, "[" + id + "] " + error);
return false;
}
}
} 以上代码，同样需要关注的是add和check方法，它们是性能测试时被调用的接口；
web应用编译构建
- 在应用redis-performance-demo-string的pom.xml所在目录执行命令mvn clean package -U -DskipTests，编译构架成功后，在target目录下得到文件redis-performance-demo-string-0.0.1-SNAPSHOT.jar；
- 在应用redis-performance-demo-kryo的pom.xml所在目录执行命令mvn clean package -U -DskipTests，编译构架成功后，在target目录下得到文件redis-performance-demo-kryo-0.0.1-SNAPSHOT.jar；
redis-performance-demo-string-0.0.1-SNAPSHOT.jar和redis-performance-demo-kryo-0.0.1-SNAPSHOT.jar这两个文件留在稍后部署web应用的时候使用；
在测试端机器上安装Apache bench
准备一台Linux机器作为执行性能测试的机器，在上面安装Apache bench，对于ubuntu执行以下命令即可完成安装：
apt-get install -y apache2-utils本次性能测试，我在一台树莓派3B上安装了Apache bench，作为性能测试的执行机器，如果您手里有这类设备也可以尝试，先安装64位Linux操作系统，详情参照《树莓派3B安装64位操作系统(树莓派无需连接显示器键盘鼠标)》；
部署应用redis-performance-demo-string
将前面生成的redis-performance-demo-string-0.0.1-SNAPSHOT.jar文件复制到web应用服务器上，执行命令java -jar >redis-performance-demo-string-0.0.1-SNAPSHOT.jar，即可启动应用；
redis-performance-demo-string应用预热
用Apache bench先web server发起请求，然后丢弃测试结果，因为这次请求中部分处理是在JIT之前完成的，不算数；
在Apache bench所在机器上执行如下命令即可发起序列化和写入Redis的性能测试：
ab -n 5000 -c 200 http://192.168.31.104:8080/add以上是序列化和写入Redis的测试，执行完毕后再执行下面的读Redis和反序列化的性能测试：
ab -n 5000 -c 200 http://192.168.31.104:8080/check192.168.31.104是部署redis-performance-demo-string应用的应用服务器IP地址，8080是应用启动后监听的端口；
正式压测redis-performance-demo-string并保存结果
- 先清理预热时残留的数据，在Redis服务器上执行redis-cli进入命令行，然后执行flushall清除该Redis所有数据，注意：该命令会删除Redis上全部数据，请慎用！！！；
- 通过浏览器访问地址：http://192.168.31.104:8080/reset，将生成id的全局变量重新设置为0；
- 测试序列化和写入，在Apache bench所在机器再次执行ab -n 150000 -c 200 http://192.168.31.104:8080/add，等测试结束后，记录测试结果中的三个关键信息如下：
| 名称 | 数值 | 含义 |
|---|---|---|
| Requests per second | 399.18 | 每秒吞吐率，单位时间内能处理的最大请求数 |
| Time per request | 501.033 | 用户平均请求等待时间，毫秒 |
| Time per request (mean, across all concurrent requests) |
2.505 | 服务器平均请求等待时间； 它是吞吐率的倒数； 它也等于”用户平均请求等待时间”除以”并发用户数” |
4. 去Redis服务器执行命令info，得到Redis内存使用大小为3.30G(used_memory_human)；
5. 去Redis服务器执行命令dbsize，得到记录数为15000000，符合预期；
6. 测试反序列化和读取，在Apache bench所在机器执行ab -n 150000 -c 200 http://192.168.31.104:8080/check，等测试结束后，记录测试结果中的三个关键信息如下：
| 名称 | 数值 | 含义 |
|---|---|---|
| Requests per second | 425.22 | 每秒吞吐率，单位时间内能处理的最大请求数 |
| Time per request | 470.341 | 用户平均请求等待时间，毫秒 |
| Time per request (mean, across all concurrent requests) |
2.352 | 服务器平均请求等待时间； 它是吞吐率的倒数； 它也等于”用户平均请求等待时间”除以”并发用户数” |
部署应用redis-performance-demo-kryo
将前面生成的redis-performance-demo-kryo-0.0.1-SNAPSHOT.jar文件复制到web应用服务器上，执行命令java -jar >redis-performance-demo-kryo-0.0.1-SNAPSHOT.jar，即可启动应用；
redis-performance-demo-kryo应用预热
用Apache bench先web server发起请求，然后丢弃测试结果，因为这次请求中部分处理是在JIT之前完成的，不算数；
在Apache bench所在机器上执行如下命令即可发起序列化和写入Redis的性能测试：
ab -n 5000 -c 200 http://192.168.31.104:18080/add以上是序列化和写入Redis的测试，执行完毕后再执行下面的读Redis和反序列化的性能测试：
ab -n 5000 -c 200 http://192.168.31.104:18080/check192.168.31.104是部署redis-performance-demo-kryo应用的应用服务器IP地址，18080是应用启动后监听的端口；
正式压测redis-performance-demo-kryo并保存结果
- 先清理预热时残留的数据，在Redis服务器上执行redis-cli进入命令行，然后执行flushall清除该Redis所有数据，注意：该命令会删除Redis上全部数据，请慎用！！！；
- 通过浏览器访问地址：http://192.168.31.104:18080/reset，将生成id的全局变量重新设置为0；
- 测试序列化和写入，在Apache bench所在机器再次执行ab -n 150000 -c 200 http://192.168.31.104:18080/add，等测试结束后，记录测试结果中的三个关键信息如下：
| 名称 | 数值 | 含义 |
|---|---|---|
| Requests per second | 381.06 | 每秒吞吐率，单位时间内能处理的最大请求数 |
| Time per request | 524.851 | 用户平均请求等待时间，毫秒 |
| Time per request (mean, across all concurrent requests) |
2.624 | 服务器平均请求等待时间； 它是吞吐率的倒数； 它也等于”用户平均请求等待时间”除以”并发用户数” |
4. 去Redis服务器执行命令info，得到Redis内存使用大小为3.20G：
5. 去Redis服务器执行命令dbsize，得到记录数为15000000，符合预期；
5. 测试反序列化和读取，在Apache bench所在机器执行ab -n 50000 -c 500 http://192.168.31.104:18080/check，等测试结束后，记录测试结果中的三个关键信息如下：
| 名称 | 数值 | 含义 |
|---|---|---|
| Requests per second | 386.49 | 每秒吞吐率，单位时间内能处理的最大请求数 |
| Time per request | 517.484 | 用户平均请求等待时间，毫秒 |
| Time per request (mean, across all concurrent requests) |
2.587 | 服务器平均请求等待时间； 它是吞吐率的倒数； 它也等于”用户平均请求等待时间”除以”并发用户数” |
至此，性能测试已经完毕，我们把关键的QPS和内存大小拿来对比一下，如下表所示：
| 名称 | string | Kryo |
|---|---|---|
| 每秒吞吐率（序列化和写入Reids） | 399.18 | 381.06 |
| 每秒吞吐率（反序列化和读取Reids） | 425.22 | 386.49 |
| 所占内存大小 | 3.30G | 3.20G |
从以上对比可以发现：
1. 两种序列化方案的数据存入Redis后，kryo占用内存小于string，但是优势并不明显；
2. 不论是读还是写，kryo方案的吞吐率低于sting方案，这和之前预期的不同，但是网上已经有很多实践证明kryo方案的速度优于字符串方案，所以除了kryo本身的优势，对于kryo方案的集成以及redis连接管理等因素对吞吐率都有影响，SpringBoot的StringRedisTemplate看来是个优秀的处理工具；
测试的硬件环境与生产环境有着不小差别，所以数据仅供参考，也可能是我的测试代码质量堪忧所致（囧），如果您发现其中的问题，期待您的及时指正；