转载

Redis数据导入工具优化过程总结

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)

正文到此结束
Loading...