Redis資料匯入工具優化過程總結

背景

使用C++開發了一個Redis資料匯入工具
從oracle中將所有表資料匯入到redis中；
不是單純的資料匯入，每條oracle中的原有記錄，需要經過業務邏輯處理，
並新增索引（redis集合）；
工具完成後，效能是個瓶頸；

優化效果

使用了2個樣本資料測試：
樣本資料a表8763 條記錄；
b表940279 條記錄；

優化前，a表耗時11.417s；
優化後，a表耗時1.883s；

用到的工具

gprof, pstrace,time

使用time工具檢視每次執行的耗時，分別包含使用者時間和系統時間；
使用pstrace列印實時執行，查詢程式主要的系統呼叫，發現耗時點；
使用gprof統計程式的耗時彙總，集中精力優化最耗時的地方；
使用簡介：
1.對g++的所有編輯和連線選項都必須要加上-pg（第一天由於沒有在連線處加上-pg選項，導致無法出統計報告）；
2.執行完程式後，本目錄會產生gmon.out檔案；
3.gprof redistool gmou.out > report,生成可讀檔案report，開啟report集中優化最耗時的函式；

優化過程

優化前11.417s：

time ./redistool im a a.csv
real    0m11.417s
user    0m6.035s
sys     0m4.782s （發現系統呼叫時間過長）

檔案記憶體對映

系統呼叫時間過長，主要是檔案讀寫，初步考慮是讀取檔案時，呼叫api次數過於頻繁；
讀取樣本採用的是檔案fgets一行行的讀取，採用檔案記憶體對映mmap後，可直接使用指標操作整個檔案記憶體快；

日誌開關提前

改進了檔案讀寫後，發現優化效果比較有限（提高了2s左右）；fgets是C的檔案讀取庫函式，相比系統read()，是帶了緩衝區了，應該不會太慢（網上有人測試，檔案記憶體對映相比fgets()能快上一個數量級，感覺場景應該比較特殊）；

之後通過pstrace工具發現log.dat開啟次數過多；原來是除錯日誌的開關寫到了後面，導致 除錯日誌都是會開啟日誌檔案open(“log.dat”)；
將日誌開關提前；改進後，3.53s

time ./redistool im a a.csv
real    0m3.530s
user    0m2.890s
sys     0m0.212s

vector空間預先分配

後續通過gprof分析，某個函式的vector記憶體分配次數多，並有不少複製次數：
改進以下這行程式碼：

vector <string> vSegment;

使用靜態vector變數，並預先分配記憶體：

static vector <string> vSegment;
vSegment.clear();
static int nCount = 0;
if( 0 == nCount)
{
    vSegment.reserve(64);
}
++nCount;

優化後，提升至2.286s

real    0m2.286s
user    0m1.601s
sys     0m0.222s

同樣，另外一個類中的成員vector也使用預先分配空間（在建構函式中)：

m_vtPipecmd.reserve(256);

優化後，提升至2.166s;

real    0m2.166s
user    0m1.396s
sys     0m0.204s

函式改寫 && 內聯

繼續執行程式，發現SqToolStrSplitByCh()函式消耗過大，改寫整個函式邏輯，並將改寫後的函式內聯：
優化後，提升至1.937s

real    0m1.937s
user    0m1.301s
sys     0m0.186s

去除除錯符和優化監測符號

最後，去掉debug和pg除錯符號後，最終效果為1.883s；

real    0m1.883s
user    0m1.239s
sys     0m0.191s

滿足生產要求

以上最後幾步看似毫秒級的提升，擴大到全表資料後，效果就很明顯了；
優化後，生產上a表為152w，匯入耗時大約326s（~6分鐘）；
b表資料420w，匯入耗時大約1103s（~18分鐘）

推薦支援

如果你覺得本文對你有所幫助，請點選以下【推薦】按鈕, 讓更多人閱讀；