实验室配置

测试在由HP ProLiant DL380系列服务器构成的集群上进行。每一台机器配置有双socket Xeon E5-2687W v3@3.10Ghz， 每个CPU10核，超线程可用（一共有20个物理的，40个虚拟核），并且还有768G 2133Mhz的内存（24X32GB 模块）。在操作系统方面，我们使用简单的RHEL7安装，这表示在测量中不会使用虚拟软件。每台机器使用一个40 GbE SolarFlare 网卡（Sloarflare SFN7142Q Dual Port 40 GbE)来做点对点的通信。

为了执行Redis 测试，我们决定选择Jedis做客户端，因为它很流行（在github上有3481个星）并且对集群模式有非常好的支持度。

为了排除其他影响，我们决定雇佣Infinispan开发社区创建的第三方测量工具RadarGun。因为RadarGun不提供直接可用的Redis支持，我们需要自己集成。感兴趣的人可以去github上获取RadarGun fork和Redis插件。

我们需要什么

作为测试场景，我们想要基于客户增长数和并发处理数据数来比较Hazelcast和Redis的表现。所有的测试都在测试环境的 4个节点集群上执行并观察，4个基本测试场景需要被执行：

脚本  客户端数 每个客户端的进程数

1        1            1

2        4            8

3        4            32

4        4            64

正如上文所说，我们用以下版本来执行测试：

• Hazelcast Version 3.6.1

• Redis Version 3.0.7， Jedis 2.8.0

吞吐量

看一下吞吐量结果，Redis在少量客户端和/或进程的情况下非常快，但是它在高并发负载下变得很慢。测量超过特定数量的线程会拖慢Redis内部结构的可扩展性。另一方面，Hazelcast在很小的负载情况下表现较差，但是在并发处理和高数量客户端或线程开始被进入的时候，测量表现要远高于Redis。

脚本  Hazelcast 结果(reqs/s)     Redis 结果(reqs/s)

1	13,954	50,634
2	365,792	645,976
3	872,773	702,671
4	1,166,204	722,531

 

延迟性

根据结果，延迟性表现和并发性测试里有类似模式。Redis在低数据负载的时候响应比Hazelcast表现更好，而在数据负载和并发请求增加时则表现相反。在不常见的大环境（如我们在脚本4）我们可以看到Redis的平均响应时间剧烈的增长。Hazelcast响应时间虽然也随着线程数增加而增长，但是这种增长要稳定得多，而且不像Redis表现的那样是指数级。

脚本	Hazelcast (响应时间 μs)	Redis (响应时间 μs)
1	70,14	19,37
2	85,83	48,98
3	144,7	225,22
4	217,52	640,51

结论
 

尽管在基准测试中的变量来自于测试的方法，调整设置，相对来说是一种常见的模式。Redis 在低用户数量和低资源争用连接情况下是一个好的选择，而这个霸主地位将会被更多的负载集群所打破。

从这个结果来说，大量的 Redis 用户不希望看到这个。他们真的有低量的数据负载系统，还是他们有另一种更好的方式呢？我们推荐开发者和架构师在使用任何技术之前，应该尽职预言并充分测试自己的用例。

一定要下载完整的基准（ PDF 格式），并查看新的 Redis 为 Hazelcast 用户对应的白皮书。