1 unstable release
| 0.1.0 | Jun 23, 2024 |
|---|
#1788 in Database interfaces
1MB
11K
SLoC
Rutin是使用rust构建的redis-like数据库。该项目仍处于早期阶段，但单机功能的框架已经大体确立（日后会追加多机功能，包括主从复制，哨兵机制等）。目前，数据库支持TLS连接，部分Key，String，List操作，Subcribe/Publish功能，以及RDB与AOF持久化操作。Rutin支持且仅支持RESP3协议。
1）IO（使用多线程+协程，提高CPU利用率）
在Redis中使用了事件循环来处理多个连接，在单线程模式下，Redis无法利用多核优势，即使在多线程模式下，Redis也只是利用多线程提升IO性能，但命令仍然需要由主线程来执行。这样做虽然减少了同步以及上下文切换的开销（数据的操作只由主线程执行），但也导致CPU的利用率不足。在一般情况下，这是可以接受的，因为Redis是IO密集型应用并且大部分命令都不是计算昂贵的，所以Redis大部分时间是在等待读数据或等待写数据，执行命令的时间只占小部分。
为了让数据库在保持高效IO前提下，也能够充分利用CPU支持一些计算昂贵的操作，Rutin使用tokio（一个异步运行时，使用协程实现）来处理客户端的请求。具体地，tokio会根据CPU数量创建线程池，每个线程池都有自己的异步任务队列，由tokio进行管理和调度。当收到的客户端连接请求时，Rutin会创建一个异步任务来处理该连接（开销是非常轻量的），在等待IO时（或者需要长时间等待的命令，如BLPOP）时，线程会转去执行其它异步任务，不会被阻塞，当任务队列为空时，当前线程会窃取其它线程的任务，因此可以充分利用CPU
2）存储引擎（读写锁+锁分片提升并发性能）
Redis通过主线程来执行命令，因此存储引擎不需要考虑并发问题，而Rutin使用多线程来执行命令，需要考虑并发安全问题。Rutin使用DashMap库的哈希表作为键值对的基本存储引擎，该哈希表使用读写锁保证并发安全。对于锁的争用的问题，DashMap采用锁的分片来减轻争用，默认的锁的分片为cpu的核心数目，只有当多个的CPU都在对同一片锁分区进行操作（至少一个操作是写操作）时才会引起锁争用，因此DashMap对于随机的键的写并发也有着优异的性能表现（见Benchmark）
3）独特的异步命令
协程非常适于编写非阻塞的代码，并且不会造成过多的开销，因此Rutin对于一些耗时或者需要长时间阻塞的命令提供了异步版本，例如NBKeys，NBLPop。客户端在发送该请求之后可以继续发送其它请求，当阻塞命令完成之后，服务端会返回结果给客户端。客户端在发送其它请求时，如果突然收到阻塞请求的返回结果可能会造成用户的困惑，因此对于这些异步命令，Rutin都提供了redict参数将结果返回到指定的连接。
4）持久化（RDB，AOF）
Rutin支持RDB，AOF以及RDB与AOF混合持久化。对于RDB持久化，Redis使用写时复制进行数据的”拷贝“，实际上数据在只有一份，Rutin使用bytes库的Bytes类型达到类似的效果，对象只有在编码后才会实际占用更多的内存。为了避免编码时占用大量内存并且保持一定的性能高效，Rutin使用一个256MB的缓冲区缓冲编码的数据然后再写入文件中。对于AOF持久化，Redis使用rewrite机制防止AOF无限膨胀，Rutin也实现了AOF rewrite（即RDB与AOF混合持久化）。注意：开启AOF后会降低写命令的的执行速度（Rutin和Redis都是如此）
5）事件机制（几乎0成本的抽象）
在Rutin中，每个键都可以被绑定任意数量的事件，目前事件分为Track，MayUpdate，IntentionLock三类。
例如某一连接处理BLPop list1请求时，如果list1为空，线程不会轮询，而是向list1映射的object注册MayUpdate事件（实际上是保存一个用于向当前连接通信的Sender（这里使用的是flume库的通道，克隆Sender几乎没有开销，只是简单地增加引用计数）），然后.await等待消息传来。当另一个客户端处理BLPush list1 v1时，会检查该键是否有update事件，如果没有，则什么都不做；如果有（即当前的情况），则遍历所有Sender（不同的Sender对应着不同的连接）并发送该键（即发送list1），然后清空事件。处理BLPop list1的连接收到键后，再次查看数据库中list1，返回弹出的值。
6) 事务
目前，rutin通过Lua脚本支持事务，满足Isolation和Consistency，但不保证Atomicity和Durability。用户可以通过SCRIPT REGISTER命令注册一个带有名称的脚本， 然后通过EVALNAME命令执行该脚本，也可以直接使用EVAL命令执行临时脚本。
事务的Isolation主要通过事件机制的IntentionLock事件实现。在rutin中，每个处理命令的Handler都有其唯一的ID，而rutin中的每个Lua环境（rutin会在运行时动态创建Lua环境）都拥有自己的Handler。当执行脚本时，首先会对事务中涉及的键值对设置IntentionLock事件，IntentionLock事件拥有一个target_id字段，只有ID符合要求的handler，才能修改该键值对（但允许访问），其余handler会在获取写锁后马上释放，并等待允许再次获取写锁的通知（等待是异步的，因此不会阻塞线程），每个键值对可能有多个等待的handler，这些等待的handler都是按序的，因此对于单个键值对的命令也会按序执行。当事务执行完毕后，会分别向每个键值对中首个等待的handler，发送通知，允许其获取写锁，当该handler使用完写锁后，会继续通知下一个handler，以此类推，直到最后一个handler获取写锁后，由它负责释放IntentionLock事件。在此期间，任何希望想要获取写锁的handler仍然需要按序等待通知（即使事务已经结束了），如果其中有某个handler再次设置了IntentionLock事件，则会修改事件的target_id，然后按同样的方式继续
Benchmark
以下测试中，Rutin没有开启AOF，Redis没有开启多线程和AOF。在单机功能完善之后，可能会更新测试结果
| -r代表生成随机键的范围，-P代表一个Pipline的请求数量，-n代表请求的总数 | Rutin | Redis | 结论 |
|---|---|---|---|
| redis-benchmark -t get -r 1 -P 1 -n 100000 | throughput summary: 103734.44 requests per second latency summary (msec): avg min p50 p95 p99 max 0.445 0.072 0.391 0.839 1.279 8.207 |
throughput summary: 94339.62 requests per second latency summary (msec): avg min p50 p95 p99 max 0.485 0.096 0.439 0.895 1.239 3.231 |
性能差异不大。get, 请求单个键，无pipline，性能差异的关键在于单个请求的处理速度。 |
| redis-benchmark -t get -r 1 -P 200 -n 1000000 | throughput summary: 7633588.00 requests per second latency summary (msec): avg min p50 p95 p99 max 0.979 0.384 0.943 1.431 1.679 1.999 |
throughput summary: 3030303.00 requests per second latency summary (msec): avg min p50 p95 p99 max 2.843 0.832 2.831 3.887 4.383 4.727 |
Rutin性能约为Redis的3.38倍。get, 请求单个键，每个pipline携带200个请求，相当于一次CPU耗时操作。 |
| redis-benchmark -t set -r 1 -P 1 -n 100000 | throughput summary: 101729.40 requests per second latency summary (msec): avg min p50 p95 p99 max 0.456 0.064 0.415 0.847 1.151 3.583 |
throughput summary: 109289.62 requests per second latency summary (msec): avg min p50 p95 p99 max 0.426 0.072 0.391 0.799 1.047 2.399 |
性能差异不大。set, 请求单个键，无pipline。 |
| redis-benchmark -t set -r 1 -P 200 -n 1000000 | throughput summary: 2000000.00 requests per second latency summary (msec): avg min p50 p95 p99 max 4.736 0.992 4.759 6.935 7.855 8.439 |
throughput summary: 2777778.00 requests per second latency summary (msec): avg min p50 p95 p99 max 3.215 0.648 3.303 4.319 4.695 4.983 |
**Rutin性能约为Redis的0.719倍。**set，请求单个键。无pipline。由于写锁是互斥的，因此对单个键的多次请求会产生锁的争用，影响性能 |
| redis-benchmark -t set -r 10000 -P 1 -n 100000 | throughput summary: 100603.62 requests per second latency summary (msec): avg min p50 p95 p99 max 0.458 0.088 0.415 0.855 1.143 2.695 |
throughput summary: 104166.67 requests per second latency summary (msec): avg min p50 p95 p99 max 0.447 0.072 0.399 0.847 1.143 2.927 |
性能差异不大。set，随机请求键，无pipline。 |
| redis-benchmark -t set -r 10000 -P 200 -n 1000000 | throughput summary: 6024096.50 requests per second latency summary (msec): avg min p50 p95 p99 max 1.241 0.480 1.183 1.831 2.255 3.143 |
throughput summary: 2159827.25 requests per second latency summary (msec): avg min p50 p95 p99 max 4.364 0.768 4.311 5.567 7.663 10.087 |
**Rutin性能约为Redis的3倍。**set，请求多个键，每个pipline携带200个请求。由于减少了锁的争用，因此性能得以提升，最优情况下（完全没有锁的争用）应该与get命令的效率一致 |
结论：
- 处理单个请求时，Rutin与Redis的效率相当。
- 批处理多个随机键请求时，Rutin的效率明显优于Redis。
- 批处理单个键的写请求时；Rutin的效率劣于Redis。
TODO
- 完善五个基本类型的命令
- 支持数据溢出到磁盘
- 支持WASM脚本
- 支持JSON，protobuf协议
- 追加多机功能（主从复制，哨兵机制，选举主节点等）
Dependencies
~36–53MB
~1M SLoC