redis优化之PipeLine管道

深藏阁楼爱情的钟 2022-02-27 15:22 246阅读 0赞

首先我们使用普通的redisTemplate进行操作

[https://blog.csdn.net/weixin\_38336658/article/details/79034267][https_blog.csdn.net_weixin_38336658_article_details_79034267]

配置完之后，思考下为啥PipeLine可以优化redis的性能？什么时候使用？

redis是单线程的，io多路复用，它需要在前一个请求处理完成之后，再处理下一个请求。如果说有很多请求忽然发送过来，那么也会影响redis的性能，PipeLine可以解决这个问题，也就是批量处理时使用

redisTemplate.executePipelined(new SessionCallback<List>() {
    
                @Override
                public <K, V> List execute(RedisOperations<K, V> redisOperations) throws DataAccessException {
                    List list=new ArrayList();
                    for (int i = 0; i < 10000; i++) {
                        String key = "123" + i;
                        list.add(redisTemplate.opsForValue().get(key));
                    }
                    return null;
                }
            });

必须return null,不然会报错。上面程序是什么意思呢？它会返回查询到的结果添加到list里面。

下面比较下一般的查询还有PipeLine查询的速度

@RestController
    public class RedisTest {
        @Autowired
        private RedisTemplate redisTemplate;
    
        @RequestMapping("redis")
        public List a(){
            /*for (int i = 0; i < 100000; i++) {
                String key = "123" + i;
                redisTemplate.opsForValue().set(key,i);
            }*/
            long t1=System.currentTimeMillis();
            List list=redisTemplate.executePipelined(new SessionCallback<List>() {
    
                @Override
                public <K, V> List execute(RedisOperations<K, V> redisOperations) throws DataAccessException {
                    List list=new ArrayList();
                    for (int i = 0; i < 10000; i++) {
                        String key = "123" + i;
                        list.add(redisTemplate.opsForValue().get(key));
                    }
                    return null;
                }
            });
            long t2=System.currentTimeMillis();
            System.out.println("耗时："+(t2-t1));
            long t3=System.currentTimeMillis();
            for (int i = 0; i < 10000; i++) {
                String key = "123" + i;
                list.add(redisTemplate.opsForValue().get(key));
            }
            long t4=System.currentTimeMillis();
            System.out.println("耗时："+(t4-t3));
            return list;
        }
    }

结果：

耗时：757  
耗时：1315

很明显批量操作的时候使用PipiLine可以很好提升redis的处理性能

[https_blog.csdn.net_weixin_38336658_article_details_79034267]: https://blog.csdn.net/weixin_38336658/article/details/79034267