我们从 Redis 内部及外部因素总结一下有哪些会影响redis性能的因素。
可能会导致Redis实例产生阻塞点的情况：
我们就以上四种情况简单分析一下
因 Redis 使用了IO多路复用机制，能避免主线程一直处于等待状态，网络IO不是导致 Redis 阻塞的因素。
而键值对的增删改查是主线程的主要工作，复杂度高的操作当然会阻塞Redis了。我们去判断复杂度高不高的标准就是看操作的复杂度是否为O(N)，也就是否要全表扫描。比如hgetall，smembers等操作就属于复杂度高的了。
然后还要注意的一个点就是数据的删除。删除本质上来说就是对键值对的内存空间进行释放。在释放内存时，操作系统需要将释放掉的内存块插入一个空闲内存块的链表，以便后续管理和再分配。这个过程会阻塞当前释放内存的应用程序。
如果这个键值对数据很大，比如一个 zset 包含大量元素，就会释放大量的内存。有测试过删除 100 万个元素的集合时，删除时间会达到 2s，要知道 Redis 的响应是毫秒级别的。所以这种 bigkey 的删除也会成为 Redis 的阻塞点。
清空数据库（flushdb、flushall）也涉及到删除和释放所有的键值对，也是 Redis 的阻塞点。
AOF重写和RDB快照，Redis都用了子进程的方式操作，所以不会阻塞主线程。但Redis直接记录AOF日志，若有大量的写操作，并且配置的是同步写回的话，就会阻塞主线程了。
在主从集群中，主库生成 RDB 文件，并传输给从库。
主从复制过程的创建和传输 RDB 都是子进程处理的，不会阻塞主线程。但是从库在接收了 RDB 文件后，需要使用 FLUSHDB 命令清空当前数据库，这又是一个阻塞点。而且，在从库清空数据库后，需要将 RDB 文件加载到内存，快慢和 rdb 文件大小相关。加载 RDB 文件又是一个阻塞点。
切片集群的实例在负载均衡或者实例增加删除时，数据迁移是渐进式操作的，所以不会阻塞主线程。
总结一下，Redis 就有 5 个阻塞点：
我们通过异步的方式，去解决可能阻塞的场景。但也不是每个操作都能用异步的方式去解决。
如果一个操作能够异步执行，说明客户端不需要马上得到具体值，在Redis中描述为「若一个操作能异步执行，就意味着它不是主线程的关键路径的操作。」
对于第一个阻塞点，因为读操作需要等待数据的返回，所以「第一个阻塞点不能异步执行。」
第二个阻塞点和第三个阻塞点，因为删除不需要返回具体的结果，因此都可以用子线程去异步执行。
「第四个阻塞点“AOF日志同步写”，也可启动子线程操作，不用让主线程等待AOF日志的写完成。」
第五个阻塞点 「“从库加载 RDB 文件”，从库要想对客户端提供数据存取服务，就必须把RDB文件加载完成，不能启用子进程。」
那问题来了，异步是如何进行的？
Redis 主线程启动后，会使用操作系统提供的 pthread_create 函数创建 3 个子线程，分别由它们负责
lazy-free 机制是 Redis 收到删除指令后，主线程会将这个操作放入队列，然后马上给客户端返回一个完成信息。
实际上删除还没执行呢。
lazy-free 是 Redis4.0 之后才有的功能，需要手动开启。需要注意的是，即使开启了 lazy-free，如果直接使用 DEL 命令还是会同步删除 key，只有使用 UNLINK 命令才会可能异步删除 key。
而且 Redis 在删除一个 key 时，首先会评估删除的时间成本，如果成本小，也不会异步执行，直接用主线程就完成返回了。