测算Redis处理实际生产请求的QPS/TPS

Benchmark工具

redis发布版本中自带了redis-benchmark性能测试工具;

示例：

使用50个并发连接，发出100000个请求，每个请求的数据为2kb，

测试host为127.0.0.1 端口为6379的redis服务器性能：

./redis-benchmark -h 127.0.0.1 -p 6379 -c 50 -n 100000 -d 2

...

====== SADD ======

100000 requests completed in 2.27 seconds

500 parallel clients

3 bytes payload

keep alive: 1

4.66% <= 1 milliseconds

14.15% <= 2 milliseconds

23.87% <= 3 milliseconds

33.59% <= 4 milliseconds

43.13% <= 5 milliseconds

52.69% <= 6 milliseconds

62.08% <= 7 milliseconds

71.43% <= 8 milliseconds

80.66% <= 9 milliseconds

89.10% <= 10 milliseconds

95.23% <= 11 milliseconds

98.76% <= 12 milliseconds

99.59% <= 13 milliseconds

99.78% <= 14 milliseconds

99.87% <= 15 milliseconds

99.95% <= 16 milliseconds

99.99% <= 17 milliseconds

100.00% <= 17 milliseconds

44150.11 requests per second

我们关注结果最后一行：每秒44150.11个请求，既QPS4.4万；

但这里的数据都只是测试数据，测出来的QPS不能代表实际生产的处理能力；

测算redis处理实际生产请求的QPS/TPS

在实际生产中，我们需要关心这个指标，在我们的应用场景中，

redis能够处理的最大的(QPS/TPS)是多少？

测量redis QPS的方式有两种：

估计生产的报文大小，使用benchmark工具指定-d数据块大小来模拟；

使用redis-cli中info统计信息计算差值；

redis-cli的info命令中有一项total_commands_processed表示：从启动到现在处理的所有命令总数，可以通过统计两次info指令间的差值来计算QPS：

//返回redis-cli info中total_commands_processed的结果

long getCmdProcessNum(redisContext *c)

{

string strVal;

getInfo(c,strVal);

map mpVal;

parserInfo(strVal,mpVal);

map::iterator iter = mpVal.find("total_commands_processed");

if(iter != mpVal.end())

{

return atol(iter->second.c_str());

}

cout << "[err] not found total_commands_processed" << endl;

return 0;

}

在实际生产中，运行这个程序来统计实际的QPS。

运行示例：

/opt/app/redisTPS#./redisTPS

Time: 1 Process:40962 TPS:40839.48

Time: 1 Process:43741 TPS:43610.17

Time: 1 Process:38935 TPS:38779.88

Time: 1 Process:31724 TPS:31597.61

Time: 1 Process:32169 TPS:32008.96

Time: 1 Process:31634 TPS:31476.62

Time: 1 Process:46007 TPS:45823.71

Time: 1 Process:50460 TPS:50258.96

Time: 1 Process:47309 TPS:47167.50

Time: 1 Process:50511 TPS:50359.92

...

Posted by: 大CC | 14MAR,2015

博客：blog.me115.com [订阅]

微博：新浪微博