最近在迁移线上 Redis 到 Pika 的过程中,因为业务需要,需要对项目中原有对 pika 读取操作的代码进行优化,最后结果就是读取百万级的数据由原来的30降低到10分钟左右。
Pika 是DBA需求,基础架构组开发的大容量、高性能、持久化、支持多数据结构的类Redis存储系统,目前已经开源,最新版本为 Pika 2.2 版本。它所使用的 nemo 引擎本质上是对Rocksdb的改造和封装,使其支持多数据结构的存储,并在 nemo 引擎之上封装redis接口,使其完全支持 Redis 协议。Pika 兼容 string、hash、list、zset、set 等多数据结构,使用磁盘而非内存存储数据解决了 Redis 由于存储数据量巨大而导致内存不够用的容量瓶颈。这段话摘自官网,感兴趣的小伙伴请转 pika
因为慢啊……,主要是因为单线程的 Redis 是基于内存的,即便是单线程性能也是相当强悍的。Pika 的话是基于磁盘的,相对来说就有点先天不足了,所以多线程访问才能真正发挥它的性能。
业务场景:用户信息已 Hash 的形式存放在 Pika 中,需要根据 Hash 的 Key 获取用户信息,并将用户信息写入文件,数据量在百万级。
将数据分批,然后将分好批的数据分配给创建的线程,执行获取用户信息,并写入文件的逻辑。下面只是大概的业务逻辑,
public class Test {
public void businessService() {
ExecutorService executor = Executors.newFixedThreadPool(10);
for (int i = 0;i < 100; i++) {
executor.submit(new Task());
}
executor.shutdown();
try {
// 等待所有线程
boolean loop;
do {
loop = !executor.awaitTermination(2, TimeUnit.SECONDS);
} while(loop);
} catch (InterruptedException e) {
e.printStackTrace();
}
System.out.println("mina thread is over");
}
/**
* 要执行的业务逻辑
*/
class Task implements Runnable {
@Override
public void run() {
// getDataFromPika();
// writeDataToFile();
}
}
}
将数据读取到阻塞队列中(ArrayBlockingQueue),然后多线程从 ArrayBlockingQueue 中读取数据,写入文件中。线程结束的逻辑就是在队列中读取到特定字符,结束线程。下面是大概的业务逻辑。
public class Test {
private ArrayBlockingQueue<String> queue = new ArrayBlockingQueue<>(1000);
public void businessService() {
// 读取数据,放入到队列中
while (true) {
queue.put("data");
}
ExecutorService executor = Executors.newFixedThreadPool(10);
// 创建线程
for (int i = 0;i < 100; i++) {
executor.submit(new Task());
}
for (int i = 0;i < 100; i++) {
queue.put("STOP");
}
executor.shutdown();
}
/**
* 要执行的业务逻辑
*/
class Task implements Runnable {
@Override
public void run() {
while (true) {
// getDataFromPika();
// writeDataToFile();
if (queue.take() == "STOP") {
break;
}
}
}
}
}
在优化代码是踩了不少坑,原因还是在于自己不够细心,程序员敲代码这活还是比较细的,稍不留意,被自己坑半天。
作 者:haifeiWu 原文链接:https://www.hchstudio.cn/article/2019/5b7c/ 版权声明:非特殊声明均为本站原创作品,转载时请注明作者和原文链接。