Redis 之所以能实现极高的性能（单机可达 10万+ QPS），核心在于其架构设计和底层机制的高度优化。以下是其关键原理：
1. 纯内存操作
- 核心原因：数据完全存储在内存中，读写无需磁盘 I/O（比磁盘快 10万倍以上）。
- 对比：传统数据库（如 MySQL）需要频繁读写磁盘，而 Redis 直接操作内存，速度差异巨大。
2. 高效数据结构
Redis 为不同场景设计了特定数据结构，减少计算复杂度：
- String：简单键值，直接存取。
- Hash：存储对象字段，支持单个字段操作，避免全量序列化。
- Sorted Set：跳表（SkipList） + 哈希表，实现 O(logN) 的排序和范围查询。
- HyperLogLog：仅用 12KB 内存即可估算十亿级数据量。
- Stream：支持消息队列的复杂场景，高效持久化消息。
3. 单线程模型
- 避免锁竞争：单线程处理所有请求，无需上下文切换和锁开销。
- 原子性：每个操作天然原子，无需额外同步（如
INCR计数器）。 - 非阻塞设计：虽然单线程，但通过 I/O 多路复用（epoll/kqueue）处理并发连接，网络 I/O 不阻塞主线程。
4. I/O 多路复用
- 原理：通过
epoll（Linux）或kqueue（BSD）监听大量连接，单线程处理多请求。 - 对比：传统多线程模型每个连接需一个线程，线程切换消耗 CPU。
- 示例：10万并发连接下，Redis 仍能保持低延迟。
5. 优化的网络协议
- RESP 协议：简单的文本协议（如
*3\r\n$3\r\nSET\r\n$5\r\nkey1\r\n$5\r\nvalue\r\n），解析速度快。 - 批处理支持：通过
Pipeline批量发送命令，减少网络往返时间（RTT）。
6. 避免不必要的计算
- 惰性删除（Lazy Free）：删除大 Key 时异步处理，不阻塞主线程。
- 渐进式 Rehash：哈希表扩容时逐步迁移数据，避免一次性操作导致卡顿。
7. 持久化优化
- RDB 快照：通过
fork子进程生成内存快照，主进程无阻塞。 - AOF 日志：支持
appendfsync everysec平衡性能与数据安全。
性能瓶颈与注意事项
- CPU 密集型操作：复杂 Lua 脚本或大 Key 操作可能阻塞主线程。
- 内存限制：数据量超出物理内存时，性能急剧下降（依赖 Swap 会变慢）。
- 网络延迟：跨机房部署或高并发下网络可能成为瓶颈。
总结
Redis 的极致性能源于 内存速度 + 高效数据结构 + 单线程无锁设计 + I/O 多路复用 的协同作用。它牺牲了部分通用性（如复杂事务、强一致性），换取了超高的吞吐量和低延迟，完美契合缓存、实时计算等场景。