WeTask vs Redis：实测性能差距到底有多大？

很多人在选型的时候容易陷入“功能覆盖”的误区，但到了公司实际落地，性能指标才是决定能不能上生产环境的关键。最近我们团队在尝试用 WeTask v0.1.0-rc.1 替代部分 Redis 场景，为了看清楚底层的吞吐量差距，我在 MacBook M3 (16G RAM) 的 Docker 环境下跑了一组对比 Benchmark。

先说结论：在纯粹的缓存操作和 Pipeline 吞吐上，Redis 依然是绝对的霸主，速度快了 2 到 3 倍。但 WeTask 的有趣之处在于，随着 Pipeline 规模增加，它的吞吐量提升非常明显。

实测环境配置

为了保证测试数据的纯净度，我把环境统一成了这样：

• 硬件： MacBook Air M3 (8核), macOS 15.7.3
• 容器： Docker Desktop 4.66.1 (分配 4 CPU, 8.5GB RAM)
• 版本： WeTask v0.1.0-rc.1 (独立部署，禁用共识机制) vs Redis 7.4.9 (关闭持久化 save "" 和 appendonly no)
• 客户端： Go 1.26.5 (go-redis/v9) / Python 3.14.4 / Node 25.4.0

核心性能表现

这次对比主要分成了“单次网络缓存”和“混合 Pipeline”两个维度。

1. 网络缓存实测（SET/GET）
在 64B 和 1024B 的 Payload 下，Redis 的响应速度极快，p95 延迟基本在 0.3ms - 5ms 之间。而 WeTask 的 p95 延迟则明显偏高。

• 64B / 16并发 / SET： WeTask 跑出 6,956 ops/s (p95: 4.18ms)，而 Redis 是 20,176 ops/s (p95: 1.54ms)。
• 1024B / 64并发 / GET： WeTask 为 6,999 ops/s (p95: 20.21ms)，Redis 为 23,397 ops/s (p95: 4.98ms)。

在这种 unary 操作中，Redis 的性能大约是 WeTask 的 2-3 倍。

2. 混合 Pipeline 吞吐量
这里测试的是 SET / GET / DELETE 的混合操作。一个很关键的观察是：WeTask 在大批量 Pipeline 时的表现有显著提升。

• Pipeline 10次 / 16并发： WeTask 74,135 ops/s vs Redis 160,198 ops/s。
• Pipeline 1,000次 / 16并发： WeTask 冲到了 402,175 ops/s，虽然 Redis 依然高达 886,477 ops/s，但 WeTask 的吞吐量随规模增长的斜率更高。

避坑指南：不要把 SubmitTask 等同于 LPUSH

在公司内部推行时，很多同事习惯性地把 WeTask 的 SubmitTask 和 Redis 的 LPUSH 做对标，这其实是个巨大的坑。

• Redis LPUSH： 仅仅是将字节追加到非持久化列表中，操作极轻量。
• WeTask SubmitTask： 它会进入完整的任务生命周期，包含 fallback handler 的执行。

如果你在做性能预估，千万不能直接搬用 Redis 的队列写入速度，因为两者的底层逻辑完全不同。WeTask 承载的是任务流，而 Redis 承载的是数据流。

部署实操建议

如果你想在本地复现这个对比，可以通过以下 Docker 命令快速拉起 WeTask：

# 拉取并运行 WeTask 独立实例
docker run -d --name wetask-test -p 8080:8080 wetask-io/wetask:v0.1.0-rc.1

对于需要高并发、极低延迟的纯缓存场景，Redis 依然是首选；但如果你的工作流涉及复杂的任务生命周期管理，且能接受 2-3 倍的性能损耗以换取更强的任务编排能力，WeTask 是个值得实操的方案。