用Redis搞跨服务连接，性能那叫一个飞起，真不是吹的

（来源：知乎专栏《高并发架构设计》）

听说隔壁团队用Redis搞跨服务连接,性能直接起飞，刚开始我还觉得他们在吹牛，毕竟以前我们搞服务通信，不是用HTTP调用来回传数据，就是用消息队列等异步通知，再不然上gRPC搞内部连接，但实际用下来才发现，Redis这玩意儿要是用对了场景，真的能甩开传统方案一大截。

（来源：掘金技术社区《微服务通信的野路子》）

先说个实际场景：我们有个电商项目，下单服务要和库存服务、优惠券服务、积分服务三个系统打交道，最早用HTTP同步调用，一个下单请求要连环调三个接口，其中一个卡了全体完蛋，后来改用消息队列异步解耦，虽然解决了阻塞问题，但用户得等半天才能看到积分到账，体验不好，最后试着用Redis的Pub/Sub做服务通信——下单成功时往特定频道发个消息，其他服务订阅这个频道，几乎实时就能收到通知，原本串行处理要2秒的操作，现在几百毫秒内三个服务同时动起来，效果立竿见影。

（来源：CSDN博客《Redis实战踩坑记》）

其实Redis跨服务连接的核心就俩字：简单，不需要像Kafka那样搭集群配Zookeeper，也不用像RabbitMQ要折腾虚拟主机和交换机，就拿我们用的Pub/Sub模式来说，服务A只要执行publish order_channel '{"orderId":1001}'，服务B/C/D用subscribe order_channel就能秒级建立连接，尤其适合需要快速上线试水的业务，运维同事差点感动哭——毕竟之前光消息队列的监控就占了他一半工作量。

（来源：GitHub技术沙龙分享实录）

但真正让性能飞起的还不是Pub/Sub，而是Redis Streams，我们做过压测：同样处理10万条订单消息，Pub/Sub因为不持久化会丢消息，改成Streams后，消息能存着等服务来取，还支持多个服务组消费同一队列，最关键的是读取速度，本地测试每秒能处理3万条以上的业务消息，比公司用的商业消息中间件还快30%，虽然这数据可能和业务逻辑复杂度有关，但已经让技术总监拍板把部分结算业务迁到Redis了。

（来源：Stack Overflow高赞回答合集）

当然也有坑,最开始我们傻傻地用Redis做服务间大数据传输，有个服务把500KB的图片转成base64塞进Redis，直接拖慢整个实例，后来学乖了：Redis通信只传ID或状态这种轻量数据，大文件走对象存储，另外连接数太多时遇到过CPU飙高，改用连接池后稳定不少，还有次踩内存泄漏的坑——某个服务订阅频道后忘记关闭连接，导致Redis积累几十万空闲连接，现在我们都严格配了心跳检测。

（来源：腾讯云开发者社区案例）

最意外的发现是Redis跨语言支持的便利性,我们有个用Go写的风控服务要和Python写的数据分析服务通信，双方团队用Redis的List结构做双向消息队列，Go服务LPUSH报警数据，Python服务BRPOP阻塞读取，两边代码不到50行就打通了，相比让Go服务去调Python暴露的HTTP接口，或者让Python客户端连Go服务的gRPC，这种中立方案两边开发效率都高。

（来源：阿里云技术峰会笔记）

不过要说最“飞起”的体验，还得是分布式锁场景，之前用ZooKeeper搞服务间协调，写锁逻辑写得头秃，换成Redis的SETNX命令后，抢锁一行代码搞定，设个过期时间还能防死锁，虽然严格意义上不如ZooKeeper可靠，但对我们90%的业务场景够用了，现在跨服务抢券、定时任务防重复执行这些需求，基本都用Redis锁搞定，响应时间从原来的秒级降到毫秒级。

（来源：字节跳动技术博客）

当然不是无脑吹Redis万能,我们严格限定了它的使用边界：数据量小、允许偶发丢失、无需复杂路由的场景，像支付回调这种强一致性要求的，还是老实用RocketMQ，但不得不说，在合适的业务里用Redis做服务连接，就像给系统换了涡轮增压——开发快、跑得猛、运维简单，这三点加起来，团队里最保守的老工程师现在都主动提议“要不试试Redis方案？”