Redis背后的神奇力量：为何它如此高效？

Redis的速度快主要有以下几个原因：

1、基于内存操作

Redis的操作都是基于内存的，数据存储在内存中，而内存的读写速度远远快于硬盘，内存的运行速度比硬盘高出几个数量级，就像从翻阅书籍变成即刻在线信息查询，访问时间大幅缩短。

p.s.CrystalDiskMark测试不了内存，所以使用其它工具测试内存，虽然测试方式及纬度不同，但结果还是可以参考看的。

机械硬盘、固态硬盘及内存的读写速度有以下对比：

• 机械硬盘：机械硬盘的读写速度相对较慢，通常在100 MB/s到200 MB/s之间，具体取决于磁盘的转速和技术规格。
• 固态硬盘：固态硬盘的读写速度远远快于机械硬盘。一般而言，SSD的读速度可以达到数百 MB/s至数千 MB/s，而写速度也在同样的范围内。
• 内存： 内存的读写速度远远超过硬盘，通常在GB/s级别。内存读写速度可以达到几千 MB/s，甚至更高。

当然在Redis官网还提到了“Redis on Flash”

官方文档：

"Redis on Flash" 是指将 Redis 数据存储在闪存（Flash Storage）上，而不是传统的随机访问存储器（RAM）上。这种做法通常被用于处理大规模的数据集，因为闪存的存储容量通常比RAM大得多。

2、单线程模型

官方文档：

可以看到官方文档：

1、Redis的单线程特性

2、Redis 的性能瓶颈通常出现在内存或网络方面，而不是 CPU 方面。

虽然 Redis 官方 FAQ 没有明确解释 Redis 单线程设计的原因，但确实在文档中指出 Redis 的性能瓶颈通常出现在内存或网络方面，而不是 CPU 方面。

Redis的工作负载主要涉及内存操作和网络通信，而不是 CPU 密集型计算，因此 CPU 通常并不是 Redis 性能的瓶颈。在大多数情况下，性能瓶颈可能更多地出现在内存访问速度或网络带宽上，这也是 Redis 在内存和网络方面进行优化的原因。

Redis的主线程是单线程的，所有操作都得按顺序执行，避免了多线程带来的额外开销和复杂性。 这种设计使得 Redis 在处理许多短期和高频的读写操作时非常高效，特别适合缓存和实时数据存储的应用场景。总结以下几点：

• Redis的工作负载主要涉及内存操作和网络通信，而不是 CPU 密集型计算，因此 CPU 通常并不是 Redis 性能的瓶颈。
• Redis 的大部分操作都是对内存的读写操作，这些操作的速度非常快。多线程模型可以提高并发性，但对于内存操作，并发性并不重要。
• 多线程模型会带来额外的开销和复杂性。例如，多线程需要进行线程调度、线程同步等操作，这些操作会占用 CPU 资源，并增加程序的复杂性。

3、I/O多路复用技术

官方文档：

可以看到Redis官方文档多处提到的“multiplexing and non-blocking I/O”。那么什么是multiplexing and non-blocking I/O呢？
I/O 多路复用技术是指一个线程可以同时监视多个I/O)操作。当某个 I/O 操作就绪时，操作系统会通知该线程。

I/O 多路复用技术可以有效地提高 I/O 效率。传统的 I/O 模型中，一个线程只能执行一个 I/O 操作。当该 I/O 操作阻塞时，该进程或线程将无法执行其他操作，这会导致 CPU 资源的浪费。

Redis采用I/O多路复用技术，并发处理连接，使得整个过程只在调用select、poll、epoll这些调用的时候才会阻塞，收发客户消息是不会阻塞的，整个进程或者线程就被充分利用起来。

如果以上说明看着费力可以看看以下内容：

I/O多路复用=餐厅服务员记录订单

假设一家忙碌的餐厅服务员，负责接待顾客点餐和为他们服务。如果每次只能处理一个桌子的订单，那就太浪费时间了？

如果同时处理多个桌子的订单，先把每个桌子上的点餐需求一个个记在心里，然后再去后厨逐个去处理。当有一个桌子的顾客在思考菜单时，你可以去另一个桌子送菜，再回来接着处理点餐。这样，你可以在等待一个桌子的订单时，同时为其他桌子服务，提高了效率。

4、高效的数据结构

Redis使用了高效的数据结构，如简单动态字符串、压缩列表、跳跃表等，这些数据结构为了追求更快的速度。

简单动态字符串（SDS）:

SDS 是 Redis 中用来表示字符串的数据结构。它是一种动态调整大小的字符串类型，可以高效地进行字符串的追加、删除和修改操作。

SDS 在内部包含字符串长度信息，使得获取字符串长度的操作更为高效。而且，SDS 的空间分配策略和惰性空间释放使得对字符串的修改操作更加迅速。

压缩列表：

压缩列表是一种用于存储列表数据的紧凑数据结构。它可以在节约内存的同时，提供对列表元素的快速访问。压缩列表会根据元素的大小动态地调整内存占用。

压缩列表采用了灵活的内存布局，可以存储不同类型的元素，并在某些情况下采用整数编码，进一步减小存储空间。

跳跃表：

跳跃表是一种有序的数据结构，用于实现有序集合和有序映射。它通过层级的链表结构，实现了快速的元素查找、插入和删除。

跳跃表通过在多个层次上建立索引，可以在O(log N)的时间内完成查找等操作，其中 N 是元素的数量。它是一种高效的有序数据结构，相较于平衡树，跳跃表的实现更加简单。

5、额外优化

Redis 通过数据压缩、惰性加载（仅在需要时加载数据）、内存淘汰（主动清除鲜少使用的数据释放空间）等技术进一步提升速度。这些精细的调优措施促成一个运转顺畅、反应灵敏的系统。