k8s安装DragonflyDB取代redis

DragonflyDB 的核心架构
DragonflyDB 的核心架构旨在提供高并发处理能力和内存高效利用，以满足现代应用对低延迟、高吞吐量的需求。其设计核心主要围绕以下几点：

多线程处理模型：DragonflyDB 采用多线程模型，可以并发处理多个请求，充分利用多核 CPU 的计算资源，解决了 Redis 单线程架构在高并发场景下的性能瓶颈问题。
锁分离机制：通过将全局锁划分为更小的局部锁，减少线程间的竞争，提升系统并发度，保证在高负载下的稳定性和吞吐量。
优化的内存管理：DragonflyDB 在内存管理上引入了新的分配策略，减少内存碎片，提升内存利用效率，使得在大规模内存使用的场景下性能更为优越。
持久化机制：提供类似于 Redis 的持久化方案，如 RDB 快照和 AOF（Append-Only File）日志，保证了数据的持久性和可靠性。

多线程模型 vs Redis 单线程模型
Redis 单线程模型：Redis 采用单线程模型来处理所有的客户端请求。这种设计的好处在于实现简单，避免了线程竞争带来的复杂性问题。然而，随着现代硬件的多核化，Redis 的单线程架构无法充分利用 CPU 的多核资源。在处理高并发请求时，单线程模型可能会成为瓶颈，尤其是在 CPU 负载高或者 I/O 操作密集时，容易导致系统的性能下降。
DragonflyDB 多线程模型：与 Redis 不同，DragonflyDB 采用了多线程模型。每个线程可以独立处理客户端请求，这使得 DragonflyDB 能够在多核 CPU 上并行工作，显著提高了处理请求的速度和吞吐量。通过将任务分发到多个线程来处理，DragonflyDB 能够大幅提升多用户环境下的响应效率，同时保持低延迟。

IO 多路复用与性能优化
Redis 的 IO 多路复用：Redis 通过使用 IO 多路复用（如 epoll 等系统调用），在单线程的基础上同时处理多个客户端请求。这种机制使得 Redis 即便在单线程的情况下，也能高效地处理网络连接，避免了因阻塞 I/O 而导致的性能下降。
DragonflyDB 的 IO 多路复用：DragonflyDB 在多线程的架构下同样采用了 IO 多路复用技术，不同的是，它通过多线程配合 IO 多路复用，使得每个线程都可以独立地管理自己的 I/O 操作。这种设计结合了多线程并行处理和非阻塞 I/O 的优势，使得 DragonflyDB 在处理大规模并发连接时，能保持极低的延迟和极高的吞吐量。
性能优化：DragonflyDB 的多路复用机制能够最大化减少 I/O 操作的开销，通过减少线程上下文切换和 I/O 阻塞时间，进一步提升了系统的整体性能。此外，通过减少网络请求的等待时间和使用异步的 I/O 处理方式，DragonflyDB 实现了对海量连接的高效管理。

内存管理与分配策略
DragonflyDB 在内存管理上做了大量优化，以减少内存碎片，提升内存利用率，从而在大规模数据处理时表现更加稳定和高效。其内存管理设计包括以下几个方面：
对象池和内存复用：DragonflyDB 采用了对象池技术，重用已经分配的内存块，减少了频繁的内存分配和释放操作，降低了系统的内存开销和垃圾回收的频率。

分层内存管理：根据数据类型和大小，DragonflyDB 实现了分层次的内存管理策略。例如，对于小对象和大对象分别采用不同的分配策略，避免了因小对象过度分配而导致的内存碎片问题。
自适应内存分配算法：DragonflyDB 的内存分配器可以根据当前系统负载和内存使用情况动态调整内存分配策略，确保内存的高效使用。

垃圾回收优化：为了减少内存碎片和过度的垃圾回收操作，DragonflyDB 在数据存储和处理过程中引入了更加智能化的垃圾回收机制，进一步提升了系统的内存利用率。

DragonflyDB 的架构设计通过多线程处理、优化的内存管理以及高效的 IO 操作，使其在高并发、大规模数据处理的场景下，能够提供更高的性能和更好的内存利用率，是 Redis 和 Memcached 的有力替代者。

arm的架构镜像：docker.dragonflydb.io/dragonflydb/linux_arm64_dragonfly

编辑dragonfly-deployment.yaml

apiVersion: apps/v1
kind: Deployment
metadata:
  name: dragonfly-deployment
  namespace: default
spec:
  replicas: 1
  selector:
    matchLabels:
      app: dragonfly
  template:
    metadata:
      labels:
        app: dragonfly
    spec:
      securityContext:
        fsGroup: 1000    # 确保/data/dragonfly目录可写
        runAsUser: 1000  # 非root用户运行增强安全
      containers:
      - name: dragonfly
        image: registry.cn-hangzhou.aliyuncs.com/qiluo-images/dragonfly
        args: 
          - "--requirepass=87vhqEneQ5u8"
          - "--dir=/data/dragonfly"
          - "--force_epoll"   # 关键修复参数DragonflyDB 默认使用 io_uring
          - "--logtostderr"   # 输出日志到控制台
        ports:
        - containerPort: 6379
        volumeMounts:
        - name: dragonfly-data
          mountPath: /data/dragonfly
        resources:
          limits:
            memory: "2Gi"     # 内存限制
            cpu: "1"          # CPU限制
          requests:
            memory: "1Gi"
            cpu: "0.5"
        securityContext:
          capabilities:
            add: ["IPC_LOCK"]
      volumes:
      - name: dragonfly-data
        emptyDir: {}          # 使用临时空目录

---
apiVersion: v1
kind: Service
metadata:
  name: dragonfly-service
spec:
  type: NodePort
  ports:
    - port: 6379
      targetPort: 6379
      nodePort: 30380
  selector:
    app: dragonfly

应用配置

kubectl apply -f dragonfly-deployment.yaml

检查日志（应该不再出现io_uring错误）

kubectl logs -f deployment/dragonfly-deployment

测试连接

kubectl run -it --rm redis-test --image=redis --restart=Never -- \
  redis-cli -h dragonfly-service -a 87vhqEneQ5u8 PING