問題初現
某基於node.js開發的業務系統向外提供了一個dubbo服務，提供向第三方緩存查詢、設置多項業務數據並聚合操作結果。在QPS達到800時（兩臺虛擬機，每臺機器4Core8G4node進程），在監控平臺上出現了非常多的slow rt警告，平均接口響應達到60+ms，請求報警率達到80%+。
爲找到造成該服務吞吐量過低的罪魁禍首，業務人員在請求日誌中打點了所有查詢緩存的操作，結果顯示每個請求查詢緩存耗時在50-100ms之間跳動。查詢了redis-server的監控數據發現，不存在server端的慢查詢，在整個監控區間內服務端處理時間在40us徘徊，因此排除了redis-server的處理能力不足原因；
通過登錄內網機器進行不斷測試到對應redis server機器的端到端時延發現內部局域網的帶寬、時延與抖動足夠正常，都不是造成該問題的原因。
因此，錯誤原因定位到了調用redis client的業務代碼以及redis client的I/O性能。
本文中提到的node redis client採用的基於node-redis封裝的二方包，因此問題排查也基於node-redis這個模塊。
瓶頸在哪
爲了在本地模擬線上環境的併發，可以做一個不是很嚴謹的測試：
async ()=>{
let dd = Date.now()
let arr = []
for(let i=0;i<200;i++){
arr.push(new Promise((res,rej)=>{
let hrtime = process.hrtime();
client.send_command('get',['key'], function(e,r) {
let diff = process.hrtime(hrtime);
let cost = (diff[0] * NS_PER_SEC + diff[1])/1000000;
console.log(`final: ${cost} ms`)
res();
});
}));
}
await Promise.all(arr)
console.log('ops/sec:',200*1000/(Date.now() - dd),Date.now() - dd);
}會發現每個請求的rt都會比前一個請求來的大
最後一個請求的rt竟然達到了257 ms！雖然在node單進程像示例代碼那樣併發執行200次get請求是非常少見而且愚蠢的（關於示例代碼的優化在在下節講述），但是針對這個示例必須找到請求delay增加的原因。
爲此繼續分析，redis client採用的是單連接模式，底層採用的非阻塞網絡I/O，socket.recv()在node層面是通過監聽socket的data事件完成的，因此先分析redis-client讀性能如何：
上圖每段日誌的含義分別表示：
){kind=link}
){kind=link}
- data events trigger times: socket data事件觸發的次數
- data event start from prevent event: data事件距離上次觸發的時間間隔
- data events exec time(ms): 本次事件處理函數執行時間上圖只是截取了最初的請求日誌，發現當第6次觸發data事件時，竟然距離上次觸發事件隔了35ms，在隨後的請求中會復現這種現象，因此這也就導致了在併發200次查詢請求時，每個請求的rt都會隨之增大，並且有些響應之間間隔了30ms。
從表象看造成問題在於redis-server發送的響應不是一個數據塊，而是多個數據塊導致觸發socket的data事件過多，而且data事件抖動過大導致響應之間存在30ms的突變（data事件是無法同時觸發兩次的，每次data事件處理函數執行完後才能繼續觸發下一個data事件）；當然也有可能和socket寫入（即發送req）有關，如緩存請求等。爲了繼續探查，監控與socket寫入相關的接口 _write(),記錄每次寫入socket的數據時距離上一次寫入的間隔：
可見，在使用redis-client發送請求時，write方法也不是瓶頸。
){kind=link}
採用同樣方法，對socket的push()（該方法觸發socket的data事件）進行監控，發現socket的數據到達間隔抖動非常大：
因此，造成redis-client併發請求下響應rt抖動較大的情況與單連接下響應數據到達本地的時刻有關，具體可能與底層libuv的緩存策略有關（筆者並未再往下探查）。
){kind=link}
){kind=link}
在一個node實例中通過一個單連接與redis server通信，在高併發下會出現排隊等待響應的情況，並且有可能會出現響應rt雪崩效應（如上文demo所示），因此需要儘可能減少或緩存客戶端的請求數量，進行批量發送。
調優
1. pipeline(涉及到寫模式及時序)
2. script
對於pipeline方式，redis server是默認支持的。通俗點說，pipeline可以合併一系列請求一次發送，並將這些請求對應的結果一次性拿到。因此這種方式可以有效減少響應次數，從而減少socket觸發data事件的次數，儘可能快的拿到響應體。
需要強調的是，在node中，是通過底層socket的_writev實現一次發送多條redis命令的，_writev又叫做聚合寫，它支持將不同緩衝區的多條數據通過一次系統調用寫入目標流，因此性能上比每次寫單個緩衝區的單個數據來的好得多。在node的Writeable對象中，有cork和uncork方法，通過這兩個方法可以在node write stream中緩存多條數據，通過_writev一次性發送。
){kind=link}
關於 _writev的數據結構
redis在拿到數據後，根據resp協議解析出命令集合緩存在隊列中，直到收到exec命令，開始批量執行命令集，並將所有命令執行的結果轉換爲數組返回給redis client。這樣就可以通過一次寫、一次讀實現高性能I/O。
async ()=>{
let dd = Date.now()
let batch = await client.batch();
for(let i=0;i<200;i++){
batch.get('vdWeex_com.koudai.weidian.buyer_1');
}
let rt = await batch.exec();
process.exit();
}而對於script方法，則是由redis client傳入script命令，在server端執行script邏輯，批量執行命令，並返回結果。同樣是一次寫、一次讀。
收穫
1. node socket默認採用writev 集合寫
2. 無依賴批量請求採用pipeline
3. eval script解決有依賴批量請求
4. redis高性能體現在服務端處理能力，但瓶頸往往出現在客戶端，因此增強客戶端I/O能力與併發並行多客戶端纔是高併發解決方案