redis基础简介（六）- jedis使用管道（pipeline）对redis进行读写（使用hmset、hgetall测试）

逃离我推掉我的手 2021-09-14 06:02 198阅读 0赞

[http://blog.csdn.net/kinglyjn/article/details/54015710][http_blog.csdn.net_kinglyjn_article_details_54015710]

一般情况下，Redis Client端发出一个请求后，通常会阻塞并等待Redis服务端处理，Redis服务端处理完后请求命令后会将结果通过响应报文返回给Client。这有点类似于HBase的Scan，通常是Client端获取每一条记录都是一次RPC调用服务端。在Redis中，有没有类似HBase Scanner Caching的东西呢，一次请求，返回多条记录呢？有，这就是Pipline。官方介绍 [http://redis.io/topics/pipelining][http_redis.io_topics_pipelining]。

通过pipeline方式当有大批量的操作时候，我们可以节省很多原来浪费在网络延迟的时间，需要注意到是用pipeline方式打包命令发送，redis必须在处理完所有命令前先缓存起所有命令的处理结果。打包的命令越多，缓存消耗内存也越多。所以并不是打包的命令越多越好。

![SouthEast][]

使用Pipeline在对Redis批量读写的时候，性能上有非常大的提升。  
使用Java测试了一下：

import java.util.HashMap;
    import java.util.Map;
    import java.util.Set;
    import redis.clients.jedis.Jedis;
    import redis.clients.jedis.Pipeline;
    import redis.clients.jedis.Response;
    
    public class Test {
        public static void main(String[] args) throws Exception {
            Jedis redis = new Jedis("127.0.0.1", 6379, 400000);
            Map<String, String> data = new HashMap<String, String>();
            redis.select(8);
            redis.flushDB();
            // hmset
            long start = System.currentTimeMillis();
            // 直接hmset
            for (int i = 0; i < 10000; i++) {
                data.clear();
                data.put("k_" + i, "v_" + i);
                redis.hmset("key_" + i, data);
            }
            long end = System.currentTimeMillis();
            System.out.println("dbsize:[" + redis.dbSize() + "] .. ");
            System.out.println("hmset without pipeline used [" + (end-start)/1000 + "] seconds ..");
            redis.select(8);
            redis.flushDB();
            // 使用pipeline hmset
            Pipeline p = redis.pipelined();
            start = System.currentTimeMillis();
            for (int i = 0; i < 10000; i++) {
                data.clear();
                data.put("k_" + i, "v_" + i);
                p.hmset("key_" + i, data);
            }
            p.sync();
            end = System.currentTimeMillis();
            System.out.println("dbsize:[" + redis.dbSize() + "] .. ");
            System.out.println("hmset with pipeline used [" + (end-start)/1000 + "] seconds ..");
            // hmget
            Set keys = redis.keys("*");
            // 直接使用Jedis hgetall
            start = System.currentTimeMillis();
            Map<String, Map<String, String>> result = new HashMap<String, Map<String, String>>();
            for (String key : keys) {
                result.put(key, redis.hgetAll(key));
            }
            end = System.currentTimeMillis();
            System.out.println("result size:[" + result.size() + "] ..");
            System.out.println("hgetAll without pipeline used [" + (end-start)/1000 + "] seconds ..");
            // 使用pipeline hgetall
            Map<String, Response<Map<String, String>>> responses = 
                    new HashMap<String, Response<Map<String, String>>>(
                    keys.size());
            result.clear();
            start = System.currentTimeMillis();
            for (String key : keys) {
                responses.put(key, p.hgetAll(key));
            }
            p.sync();
            for (String k : responses.keySet()) {
                result.put(k, responses.get(k).get());
            }
            end = System.currentTimeMillis();
            System.out.println("result size:[" + result.size() + "] ..");
            System.out.println("hgetAll with pipeline used [" + (end-start)/1000 + "] seconds ..");
            redis.disconnect();
        }
    }
    
    
    //测试结果：
    //使用pipeline来批量读写10000条记录，就是小菜一碟，秒完。
    dbsize:[10000] ..
    hmset without pipeline used [243] seconds ..
    dbsize:[10000] ..
    hmset with pipeline used [0] seconds ..
    result size:[10000] ..
    hgetAll without pipeline used [243] seconds ..
    result size:[10000] ..
    hgetAll with pipeline used [0] seconds ..

[http_blog.csdn.net_kinglyjn_article_details_54015710]: http://blog.csdn.net/kinglyjn/article/details/54015710
[http_redis.io_topics_pipelining]: http://redis.io/topics/pipelining
[SouthEast]: /images/20210527/dca8d02356a24b4ea70019ea80a895d8.png