ignite redis_Ignite性能测试以及与redis的对比分析

最新推荐文章于 2026-07-11 19:22:38 发布

原创最新推荐文章于 2026-07-11 19:22:38 发布 · 991 阅读

本内容遵循CC 4.0 BY-SA版权协议

本文通过性能测试对比Apache Ignite与Redis在client模式下的读写性能。测试结果显示，Ignite在增加线程数时性能提升明显，但超过一定阈值后开始下降。相比之下，Redis的读写性能与Ignite相近，可能由于未进行优化。测试环境包括4核CPU、8GB内存的服务器和相同配置的客户端。尽管预期Redis性能优于Ignite，但实际测试数据并未反映出这一差距，引发对测试方法和环境的疑问。

测试方法

为了对Ignite做一个基本了解，做了一个性能测试，测试方法也比较简单主要是针对client模式，因为这种方法和使用redis的方式特别像。测试方法很简单主要是下面几点：

不作参数优化，默认配置进行测试
在一台linux服务器上部署Ignite服务端，然后自己的笔记本作客户端
按1，10，20，50，100，200线程进行测试

测试环境说明

服务器：

[09:36:56] ver. 1.7.0#20160801-sha1:383273e3[09:36:56] OS: Linux 2.6.32-279.el6.x86_64 amd64[09:36:56] VM information: Java(TM) SE Runtime Environment 1.7.0_07-b10 Oracle Corporation Java HotSpot(TM) 64-Bit Server VM 23.3-b01[09:36:56] Configured plugins:[09:36:56]   ^-- None[09:36:56] [09:36:56] Security status [authentication=off, tls/ssl=off]

CPU:4核

内存8GB

网卡100M

虚拟机

客户机：

[13:05:32] ver. 1.7.0#20160801-sha1:383273e3[13:05:32] OS: Windows 7 6.1 amd64[13:05:32] VM information: Java(TM) SE Runtime Environment 1.8.0_40-b26 Oracle Corporation Java HotSpot(TM) 64-Bit Server VM 25.40-b25[13:05:32] Initial heap size is 128MB (should be no less than 512MB, use -Xms512m -Xmx512m).[13:05:34] Configured plugins:[13:05:34]   ^-- None[13:05:34] [13:05:35] Security status [authentication=off, tls/ssl=off][13:05:51] Performance suggestions for grid  (fix if possible)[13:05:51] To disable, set -DIGNITE_PERFORMANCE_SUGGESTIONS_DISABLED=true[13:05:51]   ^-- Decrease number of backups (set 'backups' to 0)

CPU:4核，i5-4210u

内存8GB

笔记本win7

64位网卡：100M

测试代码

package org.j2server.j2cache.cache.iginte;import java.util.Arrays;import org.apache.ignite.Ignite;import org.apache.ignite.IgniteCache;import org.apache.ignite.Ignition;import org.apache.ignite.cache.CacheMode;import org.apache.ignite.configuration.CacheConfiguration;import org.apache.ignite.configuration.IgniteConfiguration;import org.apache.ignite.spi.discovery.tcp.TcpDiscoverySpi;import org.apache.ignite.spi.discovery.tcp.ipfinder.vm.TcpDiscoveryVmIpFinder;public class IgniteTest {    //测试的数据行数    private static final Integer test_rows = 50000;    private static final Integer thread_cnt = 10;    private static final String cacheName = "Ignite Cache";    private static Ignite ignite;    private static boolean client_mode = false;        static {        getIgnite();    }        public static void main(String[] args) {        MultiThread();    }        private static Ignite getIgnite() {        if (ignite == null) {            TcpDiscoverySpi spi = new TcpDiscoverySpi();            TcpDiscoveryVmIpFinder ipFinder = new TcpDiscoveryVmIpFinder();            ipFinder.setAddresses(Arrays.asList("192.168.49.204"));            spi.setIpFinder(ipFinder);                        CacheConfiguration cacheConfiguration = new CacheConfiguration();            cacheConfiguration.setCacheMode(CacheMode.PARTITIONED);            cacheConfiguration.setBackups(1);            IgniteConfiguration cfg = new IgniteConfiguration();            cfg.setClientMode(client_mode);            cfg.setDiscoverySpi(spi);            cfg.setCacheConfiguration(cacheConfiguration);            ignite = Ignition.start(cfg);        }        System.out.println("是否客户端模式：" + client_mode);        return ignite;    }    private static void MultiThread() {        System.out.println("==================================================================");        System.out.println("开始测试多线程写入[线程数："+thread_cnt+"]");        Long startTime = System.currentTimeMillis();                Thread[] threads = new Thread[thread_cnt];        Ignite ignite = getIgnite();                IgniteCache cache = ignite.getOrCreateCache(cacheName);        for (int i = 0; i < threads.length; i++) {            threads[i] = new Thread(new TestThread(true, cache));        }        for (int i = 0; i< threads.length; i++) {            threads[i].start();        }                for(Thread thread : threads){            try {                thread.join();            } catch (InterruptedException e) {                 e.printStackTrace();            }        }                Long endTime=System.currentTimeMillis(); //获取结束时间               float interval = endTime-startTime == 0 ? 1 : endTime-startTime;        float tpms = (float)test_rows/interval;        System.out.println("程序运行时间： "+ interval+"ms");          System.out.println("每毫秒写入:"+tpms+"条。");        System.out.println("每秒写入:"+tpms*1000+"条。");                     System.out.println("==================================================================");        System.out.println("开始测试多线程读取[线程数："+thread_cnt+"]");        startTime = System.currentTimeMillis();        Thread[] readthreads = new Thread[thread_cnt];        for (int i = 0; i < readthreads.length; i++) {            readthreads[i] = new Thread(new TestThread(false, cache));        }        for (int i = 0; i< readthreads.length; i++) {            readthreads[i].start();        }                for(Thread thread : readthreads){            try {                thread.join();            } catch (InterruptedException e) {                 e.printStackTrace();            }        }                endTime=System.currentTimeMillis(); //获取结束时间                interval = endTime-startTime == 0 ? 1 : endTime-startTime;        tpms = (float)test_rows/interval;        System.out.println("程序运行时间： "+ interval+"ms");          System.out.println("每毫秒读取:"+tpms+"条。");        System.out.println("每秒读取:"+tpms*1000+"条。");    }        static class TestThread implements Runnable {        private boolean readMode = true;        private IgniteCache cache;        public TestThread(boolean readMode, IgniteCache cache){            this.readMode = readMode;            this.cache = cache;        }                @Override        public void run() {            for (int i = 0; i < test_rows/thread_cnt; i++) {                if (this.readMode) {                    cache.get(Integer.toString(i));                } else {                    DataClass dc = new DataClass();                    dc.setName(Integer.toString(i));                    dc.setValue(i);                    dc.setStrValue("asdfadsfasfda");                    cache.put(Integer.toString(i), dc);                }            }        }    }}import java.io.Serializable;public class DataClass implements Serializable{    private String name;    private long value;    private String strValue;    public String getName() {        return name;    }    public void setName(String name) {        this.name = name;    }    public long getValue() {        return value;    }    public void setValue(long value) {        this.value = value;    }    public String getStrValue() {        return strValue;    }    public void setStrValue(String strValue) {        this.strValue = strValue;    }}

测试数据

最终测试的结果还是有点意思，随着线程的增长读写性能大幅提升，但是到了200的时候就开始下降。下面是测试数据：

[12:53:40] Topology snapshot [ver=20, servers=1, clients=1, CPUs=8, heap=2.8GB]==================================================================开始测试多线程写入[线程数：1]程序运行时间： 49066.0ms每毫秒写入:1.0190356条。每秒写入:1019.0356条。==================================================================开始测试多线程读取[线程数：1]程序运行时间： 51739.0ms每毫秒读取:0.966389条。每秒读取:966.389条。[12:56:22] Topology snapshot [ver=22, servers=1, clients=1, CPUs=8, heap=2.8GB]==================================================================开始测试多线程写入[线程数：10]程序运行时间： 6215.0ms每毫秒写入:8.045053条。每秒写入:8045.0527条。==================================================================开始测试多线程读取[线程数：10]程序运行时间： 6526.0ms每毫秒读取:7.661661条。每秒读取:7661.661条。[12:57:04] Topology snapshot [ver=24, servers=1, clients=1, CPUs=8, heap=2.8GB]==================================================================开始测试多线程写入[线程数：20]程序运行时间： 4353.0ms每毫秒写入:11.486331条。每秒写入:11486.331条。==================================================================开始测试多线程读取[线程数：20]程序运行时间： 3768.0ms每毫秒读取:13.269639条。每秒读取:13269.639条。[12:57:34] Topology snapshot [ver=26, servers=1, clients=1, CPUs=8, heap=2.8GB]==================================================================开始测试多线程写入[线程数：50]程序运行时间： 2657.0ms每毫秒写入:18.818216条。每秒写入:18818.217条。==================================================================开始测试多线程读取[线程数：50]程序运行时间： 2138.0ms每毫秒读取:23.386343条。每秒读取:23386.344条。[12:58:00] Topology snapshot [ver=28, servers=1, clients=1, CPUs=8, heap=2.8GB]==================================================================开始测试多线程写入[线程数：100]程序运行时间： 2095.0ms每毫秒写入:23.866348条。每秒写入:23866.348条。==================================================================开始测试多线程读取[线程数：100]程序运行时间： 1764.0ms每毫秒读取:28.344671条。每秒读取:28344.672条。[12:59:19] Topology snapshot [ver=30, servers=1, clients=1, CPUs=8, heap=2.8GB]==================================================================开始测试多线程写入[线程数：200]程序运行时间： 2333.0ms每毫秒写入:21.431633条。每秒写入:21431.633条。==================================================================开始测试多线程读取[线程数：200]程序运行时间： 2049.0ms每毫秒读取:24.402147条。每秒读取:24402.146条。

用图形看看比较直观

不使用客户端模式

只不过我发现如果不使用client_mode，也就是都是server模式时写入性能还是很强的，但是读取有点搓。

[14:15:02] Topology snapshot [ver=22, servers=2, clients=0, CPUs=8, heap=2.8GB]是否客户端模式：false==================================================================开始测试多线程写入[线程数：1]是否客户端模式：false程序运行时间： 828.0ms每毫秒写入:60.386475条。每秒写入:60386.477条。==================================================================开始测试多线程读取[线程数：1]程序运行时间： 28819.0ms每毫秒读取:1.7349665条。每秒读取:1734.9666条。[14:08:55] Topology snapshot [ver=10, servers=2, clients=0, CPUs=8, heap=2.8GB]是否客户端模式：false==================================================================开始测试多线程写入[线程数：10]是否客户端模式：false程序运行时间： 813.0ms每毫秒写入:61.500614条。每秒写入:61500.613条。==================================================================开始测试多线程读取[线程数：10]程序运行时间： 5965.0ms每毫秒读取:8.38223条。每秒读取:8382.2295条。[14:09:48] Topology snapshot [ver=12, servers=2, clients=0, CPUs=8, heap=2.8GB]是否客户端模式：false==================================================================开始测试多线程写入[线程数：20]是否客户端模式：false程序运行时间： 812.0ms每毫秒写入:61.576355条。每秒写入:61576.355条。==================================================================开始测试多线程读取[线程数：20]程序运行时间： 5157.0ms每毫秒读取:9.6955595条。每秒读取:9695.56条。[14:10:25] Topology snapshot [ver=14, servers=2, clients=0, CPUs=8, heap=2.8GB]是否客户端模式：false==================================================================开始测试多线程写入[线程数：50]是否客户端模式：false程序运行时间： 686.0ms每毫秒写入:72.8863条。每秒写入:72886.3条。==================================================================开始测试多线程读取[线程数：50]程序运行时间： 4321.0ms每毫秒读取:11.571396条。每秒读取:11571.3955条。[14:11:01] Topology snapshot [ver=16, servers=2, clients=0, CPUs=8, heap=2.8GB]是否客户端模式：false==================================================================开始测试多线程写入[线程数：100]是否客户端模式：false程序运行时间： 830.0ms每毫秒写入:60.240963条。每秒写入:60240.965条。==================================================================开始测试多线程读取[线程数：100]程序运行时间： 3963.0ms每毫秒读取:12.616705条。每秒读取:12616.705条。[14:13:58] Topology snapshot [ver=20, servers=2, clients=0, CPUs=8, heap=2.8GB]是否客户端模式：false==================================================================开始测试多线程写入[线程数：200]是否客户端模式：false程序运行时间： 1014.0ms每毫秒写入:49.309666条。每秒写入:49309.664条。==================================================================开始测试多线程读取[线程数：200]程序运行时间： 3179.0ms每毫秒读取:15.728216条。每秒读取:15728.216条。

用图形看看比较直观

从这个数据可以看出来，在这种都是服务端的模式下，写入性能基本稳定，在达到200线程时出现衰减；而读取则基本是线性的，到100线程差不多也就到顶了。

与redis的对比

原本是想和redis作一个对比测试的，先是做了redis的测试。redis客户端用的jedis2.8.1，同时服务端用的是redis3.2.2，其他的环境和上面的一样。

结果测试数据发现redis和ignite使用客户端模式时竟然很相近。所以我怀疑是因为我对redis不了解redis没作优化导致的？但是Ignite我也是直接启动的，一点优化也没作，还是说测试的代码写法不对呢？

下面是redis的测试代码

import redis.clients.jedis.Jedis;public class redis {    private static final String ip = "192.168.49.200";    private static final String auth = "your pwd";    private static final Integer port = 6379;    //测试的数据行数    private static final Integer test_rows = 50000;    //线程数    private static final Integer thread_cnt = 200;        public static void main(String[] args) {        MultiThread();    }        private static void MultiThread() {        System.out.println("==================================================================");        System.out.println("开始测试多线程写入[线程数："+thread_cnt+"]");        Long startTime = System.currentTimeMillis();                Thread[] threads = new Thread[thread_cnt];        for (int i = 0; i < threads.length; i++) {            threads[i] = new Thread(new TestThread(true));        }        for (int i = 0; i< threads.length; i++) {            threads[i].start();        }                for(Thread thread : threads){            try {                thread.join();            } catch (InterruptedException e) {                 e.printStackTrace();            }        }                Long endTime=System.currentTimeMillis(); //获取结束时间               float interval = endTime-startTime == 0 ? 1 : endTime-startTime;        float tpms = (float)test_rows/interval;        System.out.println("程序运行时间： "+ interval+"ms");          System.out.println("每毫秒写入:"+tpms+"条。");        System.out.println("每秒写入:"+tpms*1000+"条。");                     System.out.println("==================================================================");        System.out.println("开始测试多线程写入[线程数："+thread_cnt+"]");        startTime = System.currentTimeMillis();        Thread[] readthreads = new Thread[thread_cnt];        for (int i = 0; i < readthreads.length; i++) {            readthreads[i] = new Thread(new TestThread(false));        }        for (int i = 0; i< readthreads.length; i++) {            readthreads[i].start();        }                for(Thread thread : readthreads){            try {                thread.join();            } catch (InterruptedException e) {                 e.printStackTrace();            }        }                endTime=System.currentTimeMillis(); //获取结束时间                interval = endTime-startTime == 0 ? 1 : endTime-startTime;        tpms = (float)test_rows/interval;        System.out.println("程序运行时间： "+ interval+"ms");          System.out.println("每毫秒读取:"+tpms+"条。");        System.out.println("每秒读取:"+tpms*1000+"条。");    }        static class TestThread implements Runnable {        private boolean readMode = true;        public TestThread(boolean readMode){            this.readMode = readMode;        }                @Override        public void run() {            Jedis j = new Jedis(ip,port);            j.auth(auth);            for (int i = 0; i < test_rows/thread_cnt; i++) {                if (this.readMode) {                    j.get("foo"+i);                } else {                    j.set("foo"+i, "bar"+i);                }            }            j.disconnect();        }    }}

对比结果视图

结束

原本我想着redis估计得秒了ignite，毕竟redis是这么多系统正在使用的内存数据库。ignite本身含有这么多功能按理性能肯定是比不上才对，而且ignite组成集群后是需要进行数据分块存取和备份的，而测试环境中redis则是单实例情况，这让我没太想明白啊。。还望有高手指点。。

看网上许多人测试的数据redis少点的4万+，据说可以到10万+。但我自己的测试环境差了点反正最多也没过3万，这到底会是什么原因呢？

不管如何这是一次简单的测试与尝试，结果与预期有点偏差，继续学习深入了解吧。

专注于技术热点大数据，人工智能，JAVA、Python、 C 、GO、Javascript等语言最新前言技术，及业务痛点问题分析，请关注【编程我最懂】共同交流学习。

标签

#ignite redis