快捷導(dǎo)航

詳解redis大幅性能提升之使用管道（PipeLine）和批量（Batch）操作

更新時間：2016年12月23日 08:45:56 作者：一線碼農(nóng)

這篇文章主要介紹了詳解redis大幅性能提升之使用管道（PipeLine）和批量（Batch）操作，具有一定的參考價值，感興趣的小伙伴們可以參考一下。

前段時間在做用戶畫像的時候，遇到了這樣的一個問題，記錄某一個商品的用戶購買群，剛好這種需求就可以用到Redis中的Set，key作為productID，value就是具體的customerid集合，后續(xù)的話，我就可以通過productid來查看該customerid是否買了此商品，如果購買了，就可以有相關(guān)的關(guān)聯(lián)推薦，當(dāng)然這只是系統(tǒng)中的一個小業(yè)務(wù)條件，這時候我就可以用到SADD操作方法，代碼如下：

    static void Main(string[] args)
    {
      ConnectionMultiplexer redis = ConnectionMultiplexer.Connect("192.168.23.151:6379");

      var db = redis.GetDatabase();

      var productID = string.Format("productID_{0}", 1);

      for (int i = 0; i < 10; i++)
      {
        var customerID = i;

        db.SetAdd(productID, customerID);
      }
    }

一：問題

但是上面的這段代碼很明顯存在一個大問題，Redis本身就是基于tcp的一個Request/Response protocol模式，不信的話，可以用wireshark監(jiān)視一下：

從圖中可以看到，有很多次的192.168.23.1 => 192.168.23.151 之間的數(shù)據(jù)往返，從傳輸內(nèi)容中大概也可以看到有一個叫做productid_xxx的前綴，

那如果有百萬次局域網(wǎng)這樣的round trip，那這個延遲性可想而知，肯定達不到我們預(yù)想的高性能。

二：解決方案【Batch】

剛好基于我們現(xiàn)有的業(yè)務(wù)，我可以定時的將批量的productid和customerid進行分組整合，然后用batch的形式插入到某一個具體的product的set中去，接下來我可以把上面的代碼改成類似下面這樣：

     static void Main(string[] args)
     {
       ConnectionMultiplexer redis = ConnectionMultiplexer.Connect("...:");
 
       var db = redis.GetDatabase();
 
       var productID = string.Format("productID_{}", );
 
       var list = new List<int>();
 
 
       for (int i = ; i < ; i++)
       {
         list.Add(i);
       }
 
       db.SetAdd(productID, list.Select(i => (RedisValue)i).ToArray());
     }

從截圖中傳輸?shù)膔equest,response可以看到，這次我們一次性提交過去，極大的較少了在網(wǎng)絡(luò)傳輸方面帶來的尷尬性。。

三：再次提出問題

product維度的畫像我們可以解決了，但是我們還有一個customerid的維度，也就是說我需要維護一個customerid為key的set集合，其中value的值為該customerid的各種平均值，比如說“總交易次數(shù)”，“總交易金額”。。。等等這樣的聚合信息，然后推送過來的是批量的customerid，也就是說你需要定時維護一小嘬set集合，在這種情況下某一個set的批量操作就搞不定了。。。原始代碼如下：

     static void Main(string[] args)
     {
       ConnectionMultiplexer redis = ConnectionMultiplexer.Connect("...:");
 
       var db = redis.GetDatabase();
 
 
       //批量過來的數(shù)據(jù)： customeridlist， ordertotalprice，具體業(yè)務(wù)邏輯省略
       var orderTotalPrice = ;
 
       var customerIDList = new List<int>();
 
       for (int i = ; i < ; i++)
       {
         customerIDList.Add(i);
       }
 
       //foreach更新每個redis 的set集合
       foreach (var item in customerIDList)
       {
         var customerID = string.Format("customerid_{}", item);
 
         db.SetAdd(customerID, orderTotalPrice);
       }
     }

四：解決方案【PipeLine】

=上面這種代碼在生產(chǎn)上當(dāng)然是行不通的，不過針對這種問題，redis早已經(jīng)提出了相關(guān)的解決方案，那就是pipeline機制，原理還是一樣，將命令集整合起來通過一條request請求一起送過去，由redis內(nèi)部fake出一個client做批量執(zhí)行操作，代碼如下：

     static void Main(string[] args)
     {
       ConnectionMultiplexer redis = ConnectionMultiplexer.Connect("...:");
 
       var db = redis.GetDatabase();
 
 
       //批量過來的數(shù)據(jù)： customeridlist， ordertotalprice，具體業(yè)務(wù)邏輯省略
       var orderTotalPrice = ;
 
       var customerIDList = new List<int>();
 
       for (int i = ; i < ; i++)
       {
         customerIDList.Add(i);
       }
 
       var batch = db.CreateBatch();
 
       foreach (var item in customerIDList)
       {
         var customerID = string.Format("customerid_{}", item);
 
         batch.SetAddAsync(customerID, orderTotalPrice);
       }
 
       batch.Execute();
     }

然后，我們再看下面的wireshark截圖，可以看到有很多的SADD這樣的小命令，這就說明有很多命令是一起過去的，大大的提升了性能。

最后可以再看一下redis，數(shù)據(jù)也是有的，是不是很爽~~~

192.168.23.151:6379> keys *
 1) "customerid_0"
 2) "customerid_9"
 3) "customerid_1"
 4) "customerid_3"
 5) "customerid_8"
 6) "customerid_2"
 7) "customerid_7"
 8) "customerid_5"
 9) "customerid_6"
10) "customerid_4"

以上就是本文的全部內(nèi)容，希望對大家的學(xué)習(xí)有所幫助，也希望大家多多支持腳本之家。

您可能感興趣的文章: