再使用redis的过程中，发现使用缓存尽管好，可是有些地方还是比較难权衡，缓存对象大了，存储对象时的序列化工作非常繁重，消耗大量cpu；那么切分成非常小的部分吧，存取的次数变多了，redisclient的交互次数上不去，这是一个矛盾。要是有一个client能支持很多其它的交互次数，那么在完毕既定指标的前提下，岂不是能够让我们的建模工作变的更宽松一些？
于是參照redis协议，花了5天时间，做了一个具备基本功能的redisclient。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。client和随意一个redisserver仅仅建立一个连接。由于是异步调用，不是必需建立很多其它连接。
3.底层支持pipeline，不管是异步调用，还是堵塞调用，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，所以不管哪种调用都是隐性的使用pipeline。可是，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，则通常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毕的，我们在调用redis api的时候根本不用管这些，仅仅管调用就可以。仅仅只是是建议採用连续的异步操作，由于这样效率最高。
4.支持shard模式。採用一致性算法的分片。
5.shard模式下仍然支持pipeline。由于对pipeline的支持是做在通信层的，所以，在不论什么模式下都支持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执行在本机的虚拟机上，虚拟机单核单线程，2G内存，ubuntu server。
測试场景1（模拟堵塞调用的场景）：
80个线程，进行简单的get、set，
每秒运行的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);
}
}}
測试场景2（模拟异步调用，连续5次get和set）：
每秒可运行的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);
}
}
}
到眼下为止，仅仅实现了十几命令。
接下来，准备优先实现用户自己定义shard key。使数据依照用户的意图去分片。以最大化pipeline的使用。
其次，继续实现经常使用命令。
源代码：
https://github.com/zhmt/ezredis
