前言
今天看到一个文章，说有个哥们写了一个多线程版的redis KeyDB 。我当时就震惊了，这哥们脑袋有病啊，就一个简单的内存操作，竟然用多线程？你知道多线程带来的系统线程切换和同步对整体性能影响有多大？今天我就简单的分析下这个问题。
一个简单的实际业务例子
我们举个简单的例子，计算电商网站中某一个商品的点击次数，我们需要做的就是 在这个商品已有的点击次数上加1就行，那么这个操作涉及到的指令有三个：1 将商品的已有次数加到操作栈上，2 调用自增指令，将次数加一并将结果推送到操作栈上 3 将操作栈上的结果写入存储商品次数的位置上。
这个业务用到的指令数
这样的业务每一次只需要三个指令就可以完成。
淘宝访问量
淘宝网站每天的访问量大致是5千万，假设这些访问量都是在白天发生，白天是12个小时，平均每秒是1157点击。
也就是对应淘宝来说，我每秒中需要执行1157次缓存操作。OK，那我们现在来看操作系统是怎么做这事的。
操作系统怎么做这个事
虽然一个进程在运行过程中不能全部占有cpu，但是系统会给他一个时间，这个时间内，cpu就是你的。这个时间在linux中的最小值是1毫秒。也就是说我一个进程如果占有cpu资源，那么最少能占用1毫秒。ok，那么1毫秒cpu能执行多少指令呢？
我主机的cpu是4核心，3.3Ghz。1GHz 就是每秒 十亿次运算，如果每次运算能完成两个浮点操作，就叫 2G FLOPS（每秒二十亿次浮点操作），那我一个cpu的可以执行的浮点操作是 3.320亿次浮点运算 每秒，即 每秒处理 66亿次浮点运算，那每一毫秒可以执行 6.6千万浮点运算*。
见证奇迹的时刻
我一个普通电脑，每一个最小的时间单位1ms，可以执行6.6千万浮点运算。你淘宝一秒需要处理1157次点击，对应的指令数是 1157/*3=3471， 你认为需要几个cpu可以处理这样的业务。
我这个只是举个例子，真实的情况会更快，具体原因如下
- 系统为了整体的执行效率，分配给进程的cpu时间远远大于1ms，可能10ms，可能50ms，而且根据调度策略的不同，分配的时间差异很大。
- cpu一般有专门的指令执行类似的自增操作，也就是类似我上面的例子，原来三个指令，现在只需要一个指令。参考 CAS
延伸
作为进程级别的缓存，应该将重心多放在减少网络延迟上，而不是多线程这边。redis虽然是单线程了，但是人家有自己的思想，可以降低整体的网络延迟，并且性能不错，今天可以参考 备胎是怎么上位的-redis高可用浅析
