小米二面：Redis为什么能支撑10万+ QPS？

大家好，我是苏三，又跟大家见面了。

前言

前段时间，有位小伙伴去小米面试，被问到一个经典题目：“Redis为什么能支撑10万+ QPS？”

他回答“因为它是内存数据库”，面试官追问：“Memcached也是内存数据库，为什么Redis能处理更复杂的数据结构还更快？”他一时语塞，直接挂了。

今天这篇文章专门跟大家一起聊聊这个话题，希望对你会有所帮助。

一、开篇：10万+ QPS是什么概念？

先看一组官方基准测试数据（普通笔记本环境下）：

• GET请求：约 103,504 QPS
• SET请求：约 100,894 QPS
• INCR请求：约 99,662 QPS

开启Pipeline后，INCR请求的QPS可飙升至 1,061,301，突破百万。

面试官想听的，绝不是“内存快”三个字。

下面我们用一张总览图揭示Redis高性能的四大支柱：

下面我们逐一深入剖析。

二、支柱一：内存为王

Redis所有数据都存储在内存中。

一次内存访问约0.1微秒，而磁盘随机IO需要10毫秒。

内存比磁盘快10万倍。

示例对比：从1000万用户中查询某个ID的信息。

MySQL即使有索引，至少需要2~3次磁盘IO（20~30ms）；

Redis直接在内存中哈希查找，耗时约0.1ms。

这就是量级的差距。

三、支柱二：极致的数据结构

Redis提供了五种核心数据结构：字符串、哈希、列表、集合、有序集合。

每种结构都不是简单的封装，而是针对场景做了深度定制。

3.1 简单动态字符串（SDS）

C语言原生字符串获取长度需要遍历(O(N))，且修改时容易造成缓冲区溢出。Redis设计了SDS结构：

struct sdshdr {
    int len;    // 已使用长度
    int free;   // 未使用长度
    char buf[]; // 字节数组
};

graph LR
    subgraph SDS结构
        A[len=5] --> B[free=2]
        B --> C[buf='H''e''l''l''o''\0'...]
    end

• **获取长度O(1)**：直接读len字段。
• 杜绝缓冲区溢出：修改前检查剩余空间，不足则自动扩容。
• 空间预分配：扩展时多分配一些空闲空间，减少内存重分配次数。

3.2 压缩列表（ziplist）

当哈希表或列表的元素较少、值较小时，Redis会用连续内存块存储，称为ziplist。

它避免了指针开销，且能充分利用CPU缓存。

• 优点：内存紧凑，访问快。
• 条件：元素个数<512且值长度<64字节时自动启用。

3.3 跳表（Skip List）

有序集合（ZSET）的底层实现之一。

跳表是多级索引链表，查找时间复杂度O(logN)，实现比平衡树简单。

跳表结构示意：

查找时从最高层开始，跳跃前进，效率极高。

3.4 渐进式rehash

Redis的哈希表扩容时，不会一次性将所有键值对迁移，而是分多次、渐进地搬迁。

这样将搬家开销平摊到后续操作中，避免了服务卡顿。

四、支柱三：单线程 + IO多路复用

Redis处理网络请求的核心线程只有一个。

为什么单线程还能那么快？

• CPU不是瓶颈：内存操作极快，CPU等待时间很少。
• 无锁竞争：没有多线程同步开销。
• IO多路复用：一个线程通过epoll监控成千上万个连接，有事件才处理。

这就是Redis能支撑高并发的核心-单线程处理逻辑，多线程处理网络IO。

五、支柱四：从单线程到多核利用

Redis 6.0之前，网络读写也是单线程，在高流量时可能成为瓶颈。

6.0后引入了IO多线程，但命令执行仍然是单线程。

• IO读：多线程并行读取客户端请求并解析协议。
• 命令执行：主线程按顺序执行命令，保证原子性。
• IO写：多线程并行将结果写回客户端。

这样充分利用了多核CPU的网络处理能力，而核心逻辑依然简单可靠。

六、其他性能助推器

Pipeline批量操作：一次性发送多条命令，减少网络往返。

Jedis jedis = new Jedis("localhost");
Pipeline p = jedis.pipelined();
for (int i = 0; i < 1000; i++) {
    p.incr("counter");
}
p.sync();

避免大Key：单个Key超过10KB可能阻塞服务。使用redis-cli --bigkeys检查。

合理持久化：压测时可关闭持久化，避免RDB/AOF干扰。

七、优缺点与适用场景

总结

Redis的10万+ QPS，是四大支柱的合力结果：

1. 内存存储：绕过磁盘IO。
2. 极致数据结构：SDS、ziplist、跳表、渐进式rehash等深度优化。
3. 单线程+IO多路复用：避免锁竞争，高效处理并发。
4. 多线程IO：提升网络吞吐，保持核心简单。

知其然，更要知其所以然。

希望这篇图文并茂的深度解析，能帮你彻底理解Redis高性能的底层逻辑。

你在面试中还遇到过哪些Redis刁钻问题？欢迎评论区交流~