Redis数据导入工具优化过程总结

背景

使用C++开发了一个Redis数据导入工具
从oracle中将所有表数据导入到redis中；
不是单纯的数据导入，每条oracle中的原有记录，需要经过业务逻辑处理，
并添加索引（redis集合）；
工具完成后，性能是个瓶颈；

优化效果

使用了2个样本数据测试：
样本数据a表8763 条记录；
b表940279 条记录；

优化前，a表耗时11.417s；
优化后，a表耗时1.883s；

用到的工具

gprof, pstrace,time

使用time工具查看每次执行的耗时，分别包含用户时间和系统时间；
使用pstrace打印实时运行，查询进程主要的系统调用，发现耗时点；
使用gprof统计程序的耗时汇总，集中精力优化最耗时的地方；
使用简介：
1.对g++的所有编辑和连接选项都必须要加上-pg（第一天由于没有在连接处加上-pg选项，导致无法出统计报告）；
2.执行完程序后，本目录会产生gmon.out文件；
3.gprof redistool gmou.out > report,生成可读文件report，打开report集中优化最耗时的函数；

优化过程

优化前11.417s：

time ./redistool im a a.csv

real    0m11.417s

user    0m6.035s

sys     0m4.782s （发现系统调用时间过长）

文件内存映射

系统调用时间过长，主要是文件读写，初步考虑是读取文件时，调用api次数过于频繁；
读取样本采用的是文件fgets一行行的读取，采用文件内存映射mmap后，可直接使用指针操作整个文件内存快；

日志开关提前

改进了文件读写后，发现优化效果比较有限（提高了2s左右）；fgets是C的文件读取库函数，相比系统read()，是带了缓冲区了，应该不会太慢（网上有人测试，文件内存映射相比fgets()能快上一个数量级，感觉场景应该比较特殊）；

之后通过pstrace工具发现log.dat打开次数过多；原来是调试日志的开关写到了后面，导致调试日志都是会打开日志文件open("log.dat")；

将日志开关提前；改进后，3.53s

time ./redistool im a a.csv

real    0m3.530s

user    0m2.890s

sys     0m0.212s

vector空间预先分配

后续通过gprof分析，某个函数的vector内存分配次数多，并有不少复制次数：
改进以下这行代码：

vector <string> vSegment;

使用静态vector变量，并预先分配内存：

static vector <string> vSegment;

vSegment.clear();

static int nCount = 0;

if( 0 == nCount)

{

    vSegment.reserve(64);

}

++nCount;

优化后，提升至2.286s

real    0m2.286s

user    0m1.601s

sys     0m0.222s

同样，另外一个类中的成员vector也使用预先分配空间（在构造函数中)：

m_vtPipecmd.reserve(256);

优化后，提升至2.166s;

real    0m2.166s

user    0m1.396s

sys     0m0.204s

函数改写 && 内联

继续执行程序，发现SqToolStrSplitByCh()函数消耗过大，改写整个函数逻辑，并将改写后的函数内联：
优化后，提升至1.937s

real    0m1.937s

user    0m1.301s

sys     0m0.186s

去除调试符和优化监测符号

最后，去掉debug和pg调试符号后，最终效果为1.883s；

real    0m1.883s

user    0m1.239s

sys     0m0.191s

满足生产要求

以上最后几步看似毫秒级的提升，扩大到全表数据后，效果就很明显了；
优化后，生产上a表为152w，导入耗时大约326s（~6分钟）；

b表数据420w，导入耗时大约1103s（~18分钟）

Posted by: 大CC | 28JUN,2015

博客：blog.me115.com [订阅]

Github：大CC