再使用redis的过程中，发现使用缓存虽然好，但是有些地方还是比较难权衡，缓存对象大了，存储对象时的序列化工作很繁重，消耗大量cpu；那么切分成很小的部分吧，存取的次数变多了，redis客户端的交互次数上不去，这是一个矛盾。要是有一个客户端能支持更多的交互次数，那么在完成既定指标的前提下，岂不是可以让我们的建模工作变的更宽松一些？

于是参照redis协议，花了5天时间，做了一个具备基本功能的redis客户端。它的特性：

1.支持异步调用，在getA之后不用等结果，能继续getB，getC，等等。等要做的redis操作都做完了，再来检查结果。

2.单连接，支持断线重连。客户端和任意一个redis服务器只建立一个连接。因为是异步调用，没必要建立更多连接。

3.底层支持pipeline，无论是异步调用，还是阻塞调用，底层使用的都有概率使用到pipeline。对pipeline的支持是在通信层做的，所以无论哪种调用都是隐性的使用pipeline。但是，连续的异步操作，本线程内的操作就有可能使用pipeline。而同步调用，则一般是线程之间的操作使用pipeline。更重要的是，这一切都是在底层完成的，我们在调用redis api的时候根本不用管这些，只管调用即可。只不过是建议采用连续的异步操作，因为这样效率最高。

4.支持shard模式。采用一致性算法的分片。

5.shard模式下仍然支持pipeline。因为对pipeline的支持是做在通信层的，所以，在任何模式下都支持pipeline。

最后看一下，在我机器上跑的结果吧：

机器配置：双核cpu，主频2GHz，8g内存，mac osx

redis运行在本机的虚拟机上，虚拟机单核单线程，2G内存，ubuntu server。

测试场景1（模拟阻塞调用的场景）：

80个线程，进行简单的get、set，

每秒执行的get和set总数为：130000次以上。

public class ShardClientTest {

	public static void main(String[] args) throws IOException,
			InterruptedException {
		final int T = 80;
		final int CONTINUOUS = 1;
		final int N = 20000000;

		EzSelector selector = new EzSelector();
		List<BiTuple<String, Integer>> list = new ArrayList<>();
		list.add(new BiTuple<>("10.211.55.5", 6379));

		final ShardClient conn = new ShardClient(selector, list);

		final AtomicLong count = new AtomicLong();
		for (int n = 0; n < T; n++) {
			Thread t = new Thread() {
				public void run() {
					try {
						for (int i = 0; i < N; i++) {
							try {
								Result ret = null;
								for (int cc = 0; cc < CONTINUOUS; cc++) {
									ret = conn.asyncSet(i + "", i + ":" + cc);
									// System.out.println(ret.get());
								}
								ret.get();

								Result ret6 = null;
								for (int cc = 0; cc < CONTINUOUS; cc++) {
									ret6 = conn.asyncGet(i + "");
									// System.out.println(ret6.get());
								}
								ret6.get();

								count.addAndGet(CONTINUOUS * 2);
							} catch (Exception e) {
								e.printStackTrace();
							} finally {
							}
						}
					} catch (Exception e) {
						e.printStackTrace();
					}
				};
			};
			t.start();
		}

		while (true) {
			long start = count.get();
			Thread.sleep(1000);
			System.out.println(count.get() - start);
		}
	}

}

每秒可执行的get和set总数是330000次左右

package zhmt.ezredis;

import java.io.IOException;
import java.util.concurrent.atomic.AtomicLong;

import zhmt.eznet.EzSelector;
import zhmt.eznet.EzSocketOption;
import zhmt.eznet.SharedRpcConnection.Result;
import zhmt.ezredis.AsyncClient;

public class RedisClientTest {
	public static void main(String[] args) throws IOException,
			InterruptedException {
		final int T = 100;
		final int CONTINUOUS = 5;
		final int N = 20000000;

		EzSelector selector = new EzSelector();
		final RedisClient conn = new AsyncClient(selector,
				new EzSocketOption("10.211.55.5", 6379));

		final AtomicLong count = new AtomicLong();
		for (int n = 0; n < T; n++) {
			Thread t = new Thread() {
				public void run() {
					try {
						for (int i = 0; i < N; i++) {
							try {
								Result ret = null;
								for (int cc = 0; cc < CONTINUOUS; cc++) {
									ret = conn.asyncSet(i + "", i + ":" + cc);
									// System.out.println(ret.get());
								}
								ret.get();

								Result ret6 = null;
								for (int cc = 0; cc < CONTINUOUS; cc++) {
									ret6 = conn.asyncGet(i + "");
									// System.out.println(ret6.get());
								}
								ret6.get();

								count.addAndGet(CONTINUOUS * 2);
							} catch (Exception e) {
								e.printStackTrace();
							} finally {
							}
						}
					} catch (Exception e) {
						e.printStackTrace();
					}
				};
			};
			t.start();
		}

		while (true) {
			long start = count.get();
			Thread.sleep(1000);
			System.out.println(count.get() - start);
		}
	}
}

到目前为止，只实现了十几命令。

接下来，准备优先实现用户自定义shard key。使数据按照用户的意图去分片。以最大化pipeline的使用。

其次，继续实现常用命令。

源码：

https://github.com/zhmt/ezredis

JAVA实现的异步redis客户端,布布扣,bubuko.com

JAVA实现的异步redis客户端