文章目录

Redis网络模型
- 用户空间与内核空间
- 阻塞IO
- 非阻塞IO
- IO多路复用
- - 事件通知机制
  - web服务流程
- 信号驱动IO
- 异步IO
- - 异步与同步
- 网络模型

Redis网络模型

用户空间与内核空间

服务器大多采用的是Linux系统，使用的应用都是需要通过Linux内核与硬件交互。

为了避免用户应用导致冲突甚至内核崩溃，用户应用于内核的空间是分离的：

进程的寻址空间(如一台32位的电脑，则其寻址空间为0~2 $^3$ $^2$ ，其空间大小为4G)会划分为两个部分：内核空间、用户空间。
用户空间只能执行受限的命令(Ring3)，而且不能直接调用系统资源，必须通过内核提供的接口来访问。
内核空间可以执行特殊命令(Ring0)，调用一切系统资源。

Linux为了提高IO效率，在用户空间和内核空间都加入缓冲区：

在写数据的时候，会把用户缓冲数据拷贝到内核缓冲区，然后写入设备。
在读数据的时候，要从设备读取数据到内核缓冲区，然后拷贝到用户缓冲区。

阻塞IO

IO流的模型

阻塞IO即用户进程在两个阶段都必须阻塞等待。

阶段一：

用户进程尝试读取数据。
此时数据尚未到达，内核需要等待数据。
此时用户进程处于阻塞状态。

阶段二：

数据到达并拷贝到内核缓冲区(数据已就绪)。
将内核数据拷贝到用户缓冲区。
拷贝过程中，用户进程依然阻塞等待。
拷贝完成，用户进程解除阻塞，并开始处理数据。

由此可以看出，这种IO模型的性能是很低的。

非阻塞IO

非阻塞IO的recvfrom操作会立即返回结果而非阻塞用户进程。

阶段一：

用户进程尝试读取数据。
此时数据尚未到达，内核需要等待数据。
返回异常给用户进程。
用户进程拿到error后，再次尝试读取。
循环往复，直到数据就绪。

阶段二：

将内核数据拷贝到用户缓冲区。
拷贝过程中，用户进程依然阻塞等待。
拷贝完成，用户进程解除阻塞，处理数据。

可以看到，非阻塞IO模型中，用户进程在第一个阶段是非阻塞，第二个阶段是阻塞状态。虽然是非阻塞，但性能并没有得到提高。而且忙等机制会导致CPU空转，CPU使用率暴增。

IO多路复用

无论是阻塞IO还是非阻塞IO，用户应用在一阶段都需要调用recvfrom来获取数据，差别在于无数据时的处理方案：

如果调用recvfrom时，恰好没有数据，阻塞IO会使CPU阻塞，非阻塞IO使CPU空转，都不能充分发挥CPU的作用。
如果调用recvfrom时，恰好有数据，则用户进程可以直接进入第二阶段，读取并处理数据。

而在单线程情况下，只能依次处理IO事件，如果正在处理的IO事件恰好未就绪（数据不可读或不可写），线程就会被阻塞，所有IO事件都必须等待，性能自然会很差。

① 等待数据就绪。

② 读取数据。

要提高效率有几种办法？

方案一：使用多线程。
方案二：数据就绪了，用户应用就去读取数据。

文件描述符：简称FD，是一个从0开始递增的无符号整数，用来关联Linux中的一个文件。在Linux中，一切皆为文件，例如常规的文本文件、视频、硬件设备等，也包括网络套接字(Socket)。

IO多路复用：是利用单个线程来同时监听多个FD，并在某个FD可读、可写时得到通知，从而避免无效的等待，充分利用CPU资源。

常见的监听FD的方式、通知的方式的实现有：select、poll、epoll。

那这三种实现的有什么差异呢？

select和poll只会通知用户进程有FD就绪，但不确定具体是哪个FD，需要用户进程逐个遍历FD来确认。
epoll则会在通知用户进程FD就绪的同时，将已就绪的FD写入用户空间。

select

select是Linux中最早的I/O多路复用实现方案：

执行流程：

将需要监听的fd大小的对应位数的比特位标记成1(默认初始化为0)，执行select函数。
在执行select函数时，将fd_set集合拷贝传递到内核空间。
传递完成之后，内核空间会遍历监听fd_set集合直至fd的最大位(被标记的fd)，是否有数据就绪(已就绪的保留，未就绪的重置为0)。

当有数据就绪或等待超时，内核空降会将监听状态的fd_set集合拷贝传递到用户空间，覆盖掉原来的fd_set集合中的数据，并告知用户空间有几个数据已经就绪。
用户空间遍历新的fd_set集合，并读取已就绪的数据。

select模式存在的问题：

需要将整个fd_set从用户空间拷贝到内核空间，select结束还要再次拷贝回用户空间。
select无法得知具体是哪个fd就绪，需要遍历整个fd_set。
fd_set监听的fd数量不能超过1024。

poll

poll模式对select模式做了简单改进，但性能提升不明显。

IO流程：

① 创建pollfd数组，向其中添加关注的fd信息，数组大小自定义。

② 调用poll函数，将pollfd数组拷贝到内核空间，转链表存储，无上限。

③ 内核遍历fd，判断是否就绪。

④ 数据就绪或超时后，拷贝pollfd数组到用户空间，返回就绪fd数量n。

⑤ 用户进程判断n是否大于0。

⑥ 大于0则遍历pollfd数组，找到就绪的fd。

poll与select对比：

select模式的fd_set大小固定为1024，而pollfd在内核中采用链表模式，理论上无上限。
监听的FD越多，每次遍历消耗的时间也越久，性能反而会下降。

epoll

epoll模式是对select和poll的改进，其提供了三个函数：

流程图：

对比这三种方式，总结出select与poll存在的问题，以及epoll是如何解决这些问题的。

select存在的问题：

能监听的FD最大不超过1024。
每次select都需要把所有要监听的FD都拷贝到内核空间。
每次都要遍历所有FD来判断就绪转态。

poll模式的问题：

poll利用链表解决了select中监听FD上限的问题，但依然要遍历所有的FD，如果监听过多，性能会下降。

epoll的优化：

基于epoll实例中的红黑树保存要监听的FD，理论上无上限，而且增删改查效率都非常高。
每个FD只需要执行一次epoll_ctl添加到红黑树，以后每次epol_wait无需传递任何参数，无需重复拷贝FD到内核空间。
利用ep_poll_callback机制来监听FD状态，无需遍历所有FD，因此性能不会随监听的FD数量增多而下降。

事件通知机制

当FD有数据可读时，调用epoll_wait就可以得到通知。但是事件通知的模式有两种：

LT(LevelTriggered)：当FD有数据可读时，会重复通知多次，直至数据处理完成(是Epoll的默认模式)。
ET(EdgeTriggered)：当FD有数据可读时，只会通知一次，不管数据是否处理完成。

两种模式的优缺点：

LT：事件通知频率较高，会有重复通知，影响性能。
ET：仅通知一次，效率高。可以基于非阻塞IO循环读取解决数据读取不完整问题。

select和poll仅支持LT模式，epoll可以自由选择LT和ET两种模式。

web服务流程

基于epoll模式的web服务基本流程图：

信号驱动IO

信号驱动IO是与内核建立SIGIO的信号关联并设置回调，当内核有FD就绪时，会发出SIGIO信号通知用户，期间用户应用可以执行其它业务，无需阻塞等待。

阶段一：

用户进程调用sigaction，注册信号处理函数。
内核返回成功，开始监听FD。
用户进程不阻塞等待，可以执行其它业务。
当内核数据就绪后，回调用户进程的SIGIO处理函数。

阶段二：

收到SIGIO回调信号。
调用recvfrom，读取。
内核将数据拷贝到用户空间。
用户进程处理数据。

SIGIO的不足：

当有大量IO操作时，信号较多，SIGIO处理函数不能及时处理可能导致信号队列溢出，而且内核空间与用户空间的频繁信号交互性能也较低。

异步IO

异步与同步

IO操作是同步还是异步，关键看数据在内核空间与用户空间的拷贝过程（即数据读写的IO操作），也就是阶段二是同步还是异步。

异步IO的整个过程是非阻塞的(并不代表不阻塞就是异步)，用户进程调用完异步API后就可以做其他事情，内核等待数据就绪并直接拷贝到用户空间后才会提交信号，通知用户进程。

阶段一：

用户进程调用aio_read，创建信号回调函数。
内核等待数据就绪。
用户进程无需阻塞，可以做其他事情。

阶段二：

内核数据就绪。
内核数据拷贝到用户缓冲区。
拷贝完成之后，内核递交信息触发aio_read中的回调函数。
用户进程处理数据。

由此，可以得知，用户进程在两个阶段都是非阻塞状态的。

网络模型

问题一：Redis是单线程还是多线程？

如果仅仅只是在Redis核心业务部分(即命令处理)，则主要为单线层。
如果是对于整个Redis，则为多线程。并且在Redis版本迭代中，在两个重要的时间节点上引入了多线程的支持。
- Redis4.0：引入多线程异步处理一些耗时较久的任务，如异步删除命令–unlink。
- Redis6.0：在核心网络模型中加入多线程，进一步提高了对于多线程CPU的利用率。
因此，对于Redis的核心网络编程中，在Redis6.0之前确实都是单线程，是利用epoll(对于Linux系统)这样的IO多路复用技术在事件循环中不断处理客户端情况。

问题二：为什么Redis要选择单线程？