Redis 性能测试概述
Redis 性能测试是评估系统性能、发现瓶颈、优化配置的重要手段。通过系统性的性能测试，可以了解 Redis 在不同负载下的表现，为生产环境部署提供数据支撑。
性能测试的重要性：
- 容量规划：确定系统能够处理的最大负载
- 性能基线：建立性能基准，监控性能变化
- 瓶颈识别：发现系统性能瓶颈和限制因素
- 配置优化：验证配置调整的效果
- 硬件选型：为硬件选择提供依据
🔧 redis-benchmark 基准测试
redis-benchmark 是 Redis 官方提供的性能测试工具：
# 基本性能测试
redis-benchmark
# 指定测试参数
redis-benchmark -h 127.0.0.1 -p 6379 -c 50 -n 100000
# 参数说明：
# -h: Redis服务器地址
# -p: Redis服务器端口
# -c: 并发连接数
# -n: 总请求数
# -d: 数据大小（字节）
# -t: 测试指定命令
# -P: 管道请求数
# -q: 静默模式，只显示结果
# -l: 循环测试
# --csv: CSV格式输出
# 测试特定命令
redis-benchmark -t set,get -n 100000 -q
# 测试不同数据大小
redis-benchmark -t set,get -n 100000 -d 100
redis-benchmark -t set,get -n 100000 -d 1000
redis-benchmark -t set,get -n 100000 -d 10000
# 管道测试
redis-benchmark -t set,get -n 100000 -P 16
# 持续测试
redis-benchmark -t ping -l
常用测试场景：
- 基础性能：测试基本读写性能
- 并发测试：测试高并发下的性能
- 数据大小：测试不同数据大小的影响
- 管道性能：测试管道技术的效果
- 持久化影响：测试持久化对性能的影响
📊 性能指标解读
理解性能测试结果中的关键指标：
| 指标 | 说明 | 单位 | 参考值 |
|---|---|---|---|
| QPS/TPS | 每秒查询/事务数 | 次/秒 | 10万+ (单机) |
| Latency | 响应延迟 | 毫秒 | < 1ms (本地) |
| P99 Latency | 99%请求延迟 | 毫秒 | < 5ms |
| Memory Usage | 内存使用率 | % | < 80% |
| CPU Usage | CPU使用率 | % | < 70% |
| Network I/O | 网络吞吐量 | MB/s | 根据网卡 |
# 示例测试结果解读
====== SET ======
100000 requests completed in 1.23 seconds
50 parallel clients
3 bytes payload
keep alive: 1
99.99% <= 1 milliseconds
100.00% <= 1 milliseconds
81300.81 requests per second
# 关键信息：
# - 完成时间：1.23秒
# - 并发数：50
# - 数据大小：3字节
# - 99.99%请求在1ms内完成
# - QPS：81,300
🔍 性能监控
实时监控 Redis 性能状态：
# 实时监控命令
redis-cli --stat
redis-cli --stat -i 1
# 查看服务器信息
INFO server
INFO memory
INFO stats
INFO cpu
INFO replication
INFO persistence
# 监控慢查询
SLOWLOG GET 10
SLOWLOG LEN
SLOWLOG RESET
# 配置慢查询阈值（微秒）
CONFIG SET slowlog-log-slower-than 10000
CONFIG SET slowlog-max-len 128
# 监控客户端连接
CLIENT LIST
INFO clients
# 监控内存使用
MEMORY USAGE key
MEMORY STATS
INFO memory
# 监控键空间
INFO keyspace
DBSIZE
监控建议： 建议设置合适的慢查询阈值，定期检查慢查询日志，及时发现性能问题。
🚀 压力测试
模拟高负载场景进行压力测试：
# 高并发测试
redis-benchmark -h 127.0.0.1 -p 6379 -c 1000 -n 1000000 -t set,get
# 大数据量测试
redis-benchmark -h 127.0.0.1 -p 6379 -c 100 -n 100000 -d 10240
# 混合命令测试
redis-benchmark -h 127.0.0.1 -p 6379 -c 50 -n 100000 -t set,get,incr,lpush,rpush,lpop,rpop,sadd,hset,spop,lrange,mset
# 管道压力测试
redis-benchmark -h 127.0.0.1 -p 6379 -c 50 -n 100000 -P 100
# 持续压力测试
redis-benchmark -h 127.0.0.1 -p 6379 -c 50 -t set,get -l
# 自定义脚本压力测试
redis-benchmark -h 127.0.0.1 -p 6379 -c 50 -n 100000 -P 16 --eval script.lua
压力测试关注点：
- 系统稳定性：长时间高负载下的稳定性
- 性能衰减：负载增加时的性能变化
- 资源消耗：CPU、内存、网络使用情况
- 错误率：高负载下的错误发生率
- 恢复能力：负载降低后的恢复速度
📈 性能分析工具
使用专业工具进行深入的性能分析：
# 1. Redis 内置工具
# 延迟监控
redis-cli --latency
redis-cli --latency-history
redis-cli --latency-dist
# 内存分析
redis-cli --memkeys
redis-cli --bigkeys
redis-cli --hotkeys
# 2. 系统监控工具
# top/htop - CPU和内存监控
top -p $(pgrep redis-server)
# iostat - I/O监控
iostat -x 1
# netstat - 网络连接监控
netstat -an | grep :6379
# 3. 专业监控工具
# Redis Insight - 官方GUI工具
# Grafana + Prometheus - 监控仪表板
# Redis Exporter - Prometheus导出器
# 4. 自定义监控脚本
#!/bin/bash
while true; do
echo "$(date): $(redis-cli info stats | grep instantaneous_ops_per_sec)"
sleep 1
done
⚙️ 性能优化建议
基于测试结果进行性能优化：
配置优化：
- 内存配置：设置合适的 maxmemory 和淘汰策略
- 持久化配置：根据需求调整 RDB 和 AOF 参数
- 网络配置：调整 TCP backlog 和超时设置
- 客户端配置：优化连接池和超时参数
# 性能优化配置示例
# redis.conf
# 内存优化
maxmemory 2gb
maxmemory-policy allkeys-lru
# 网络优化
tcp-backlog 511
timeout 0
tcp-keepalive 300
# 持久化优化
save 900 1
save 300 10
save 60 10000
stop-writes-on-bgsave-error no
# AOF优化
appendonly yes
appendfsync everysec
no-appendfsync-on-rewrite yes
auto-aof-rewrite-percentage 100
auto-aof-rewrite-min-size 64mb
# 客户端优化
maxclients 10000
# 慢查询优化
slowlog-log-slower-than 10000
slowlog-max-len 128
应用层优化：
- 使用连接池减少连接开销
- 合理使用管道技术
- 避免大key和热key问题
- 选择合适的数据结构
- 实施缓存预热策略
📋 性能测试最佳实践
制定科学的性能测试策略：
测试准备：
- 环境准备：使用与生产环境相似的硬件配置
- 数据准备：准备真实的测试数据
- 基线建立：建立性能基线和目标
- 工具选择：选择合适的测试工具
测试注意事项：
- 测试环境应尽可能接近生产环境
- 多次测试取平均值，避免偶然因素
- 监控系统资源使用情况
- 记录测试配置和结果
- 分析性能瓶颈和优化点
# 性能测试报告模板
## 测试环境
- Redis版本：6.2.6
- 服务器配置：8核16GB
- 网络环境：千兆网络
- 操作系统：Ubuntu 20.04
## 测试配置
- 并发数：50
- 请求数：100,000
- 数据大小：100字节
- 测试命令：SET, GET
## 测试结果
- SET QPS：85,000
- GET QPS：95,000
- 平均延迟：0.5ms
- P99延迟：2.1ms
- CPU使用率：45%
- 内存使用率：60%
## 优化建议
1. 调整连接池大小
2. 启用管道技术
3. 优化数据结构选择