异步Redis客户端未提速,主因是未真正实现异步:连接未复用、命令未并发、IO未重叠;需配对asyncio连接池、用gather并发调用、显式pipeline执行、禁用decode_responses、排查服务端与网络瓶颈。

异步Redis客户端没提速,大概率不是客户端本身的问题,而是你没让它真正“异步”起来——连接没复用、命令没并发、IO没重叠,协程就退化成串行调用。
asyncio连接池没配对,协程在排队等连接
很多人以为只要用了 redis.asyncio.Redis 或 aioredis 就自动高并发了,其实不然。默认的 from_url 不带连接池,每次 await redis.get(...) 都可能新建/释放连接,反而比同步还慢。
- 错误写法:
redis = await redis.asyncio.Redis.from_url("redis://localhost")—— 每次都走新连接逻辑 - 正确做法:显式创建连接池,复用底层连接:
pool = redis.asyncio.ConnectionPool.from_url("redis://localhost", max_connections=50) redis = redis.asyncio.Redis(connection_pool=pool) - 不设
max_connections或设得太小(比如 5),高并发时协程会卡在acquire上,表现和同步差不多
单个 await 调用压根没发挥异步优势
异步性能提升的前提是「多个IO操作能并行发起」。如果你写的是 await r.get("a"); await r.get("b"); await r.get("c"),那就是纯串行,和同步没区别。
- 想真正并发:用
asyncio.gather并发触发多个命令:a, b, c = await asyncio.gather( r.get("a"), r.get("b"), r.get("c") ) - 注意:
gather内部仍依赖连接池是否撑得住;如果池子太小,它只是把排队逻辑从代码里挪到了连接池里 - 管道(
pipeline)在异步客户端里也要显式execute才生效,不是自动批处理:pipe = r.pipeline() pipe.get("a").get("b").get("c") results = await pipe.execute()
decode_responses=True 导致隐式同步开销
启用 decode_responses=True 看似方便,但会在每次响应返回后做字节解码,而 Python 的字符串解码是同步 CPU 操作。在大量小 key 场景下,这部分开销可能反超网络节省。
当现有的脚本或服务需要将作用域化的仓库工作委托给 Claude Code 并以编程方式消费结构化响应时,请使用 Claude Agent SDK for Python。
立即学习“Python免费学习笔记(深入)”;
- 高频读场景建议保持默认(返回
bytes),业务层按需 decode,避免无谓转换 - 如果必须字符串,确认你用的是
hiredis解析器(pip install hiredis),否则纯 Python 解析器在 async 模式下更拖慢 - 检查实际返回类型:
type(await r.get("x"))—— 如果是str但你没配decode_responses,说明上层框架(如 FastAPI)偷偷做了转换,得去查中间件
Redis服务端或网络成了瓶颈
协程再快,也得等 Redis 回应。如果 Redis 本身响应慢、网络延迟高、或单实例扛不住并发,异步客户端只是更快地把请求塞进队列,结果还是等。
- 用
redis-cli --latency测本机到 Redis 的 P99 延迟,超过 2ms 就该怀疑网络或 Redis 负载 - 检查 Redis 的
INFO commandstats,看cmdstat_get的usec_per_call是否异常高 - 避免在异步代码里混用阻塞操作(比如同步日志、
time.sleep、未异步化的数据库驱动),一个阻塞就拖垮整个 event loop
最常被忽略的一点:你测性能时,是不是只压了一个 key?热 Key 会导致 Redis 单线程忙于一个 key 的哈希计算和内存访问,此时并发再多,也卡在服务端。真要验证异步收益,得用随机 key + 合理连接池 + 并发请求组合来压测。


















