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

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。

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：

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 ..
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80