【Redis】管道&订阅发布

文章目录

背景

Redis是一种基于客户端-服务端模型以及请求/响应协议的TCP服务。一个请求会遵循以下步骤：

客户端向服务端发送命令分四步(发送命令→命令排队→命令执行→返回结果)，并监听Socket返回，通常以阻塞模式等待服务端响应。

服务端处理命令，并将结果返回给客户端。

上述两步称为：Round Trip Time(简称RTT,数据包往返于两端的时间)

如果同时需要执行大量的命令，那么就要等待上一条命令应答后再执行，这中间不仅仅多了RTT（Round Time Trip），而且还频繁调用系统IO，发送网络请求，同时需要redis调用多次read()和write()系统方法，系统方法会将数据从用户态转移到内核态，这样就会对进程上下文有比较大的影响了，性能不太好。

管道

管道(pipeline)可以一次性发送多条命令给服务端，服务端依次处理完完毕后，通过一条响应一次性将结果返回，通过减少客户端与redis的通信次数来实现降低往返延时时间。pipeline实现的原理是队列，先进先出特性就保证数据的顺序性。

本质：尽可能减少IO操作，批处理命令变种优化措施，类似Redis的原生批命令(mget和mset)

官网：https://redis.io/docs/manual/pipelining/

应用 cat test.txt | redis-cli -a 12345678 --pipe
Pipeline与原生批量命令的对比
- 原生批量命令是原子性(例如:mset,mget)，pipeline是非原子性
- 原生批量命令一次只能执行一种命令，pipeline支持批量执行不同命令
- 原生批命令是服务端实现，而pipeline需要服务端与客户端共同完成
Pipeline与事务对比
- 事务具有原子性，管道不具有原子性
- 管道一次性将多条命令发送到服务器，事务是一条一条的发，事务只有在接收到exec命令后才会执行，管道不会
- 执行事务时会阻塞其他命令的执行，而执行管道中的命令时不会
注意事项
- pipeline缓冲的指令只是会依次执行，不保证原子性，如果执行中指令发生异常，将会继续执行后续的指令
- 使用pipeline组装的命令个数不能大多，不然数据量过大客户端阳塞的时间可能过久，同时服务端此时也被迫回复一个队列答复，占用很多内存

Redis发布订阅

定义：是一种消息通信模式: 发送者(PUBLISH)发送消息，订阅者(SUBSCRIBE)接收消息，可以实现进程间的消息传递

官网：https://redis.io/docs/manual/pubsub/

作用

Redis客户端可以订阅任意数量的频道，一种通信功能

发布/订阅其实是一个轻量的队列，只不过数据不会被持久化，一般用来处理实时性较高的异步消息
常见命令
- SUBSCRIBE channel [channel ...] 订阅某个频道
  推荐先执行订阅后再发布，订阅成功之前发布的消息是收不到的
  
  订阅的客户端每次可以收到一个3 个参数的消息
  - 消息的种类
  - 始发频道的名称
  - 实际的消息内容
- PUBLISH channel message 发布消息到指定的频道
- PSUBSCRIBE pattern [pattern ...] 按照模式批量订阅
  
  订阅一个或多个符合给定模式(支持*号?号之类的)的频道
- PUBSUB subcommand [argument [argument ...]] 查看订阅与发布系统状态
  
  返回的内容是由活跃的频道组成的列表 PUBSUB CHANNELS
  
  某个频道有几个订阅者 PUBSUB NUMSUB [channel[channel ...]]
  
  只统计使用PSUBSCRIBE命令执行的，返回客户端订阅的唯一模式的数量 PUBSUB NUMPAT
- UNSUBSCRIBE[channel[channel ...]] 取消订阅
- PUNSUBSCRIBE [pattern [pattern ...]] 退订所有给定模式的频道
总结

Redis可以实现消息中间件MQ的功能，通过发布订阅实现消息的引导和分流。仅代表我个人，不推荐使用该功能，
专业的事情交给专业的中间件处理，redis就做好分布式缓存功能
缺点
- 发布的消息在Redis系统中不能持久化，因此，必须先执行订阅，再等待消息发布。如果先发布了消息，那么该消息由于没有订阅者，消息将被直接丢弃
- 消息只管发送对于发布者而言消息是即发即失的，不管接收，也没有ACK机制，无法保证消息的消费成功。
- 以上的缺点导致Redis的Pub/Sub模式就像个小玩具，在生产环境中几平无用武之地，为此Redis5.0版本新增了Stream数据结构，不但支持多播，还支持数据持久化，相比Pub/Sub更加的强大