Java使用Pipeline对Redis批量读写（hmset&hgetall）

摘要: Java使用Pipeline对Redis批量读写（hmset&hgetall）

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
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。
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：

package com.lxw1234.redis;

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();

}

}

测试结果如下：

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 ..

使用pipeline来批量读写10000条记录，就是小菜一碟，秒完。