redis基礎簡介（六）- jedis使用管道（pipeline）對redis進行讀寫（使用hmset、hgetall測試）

一般情況下，Redis Client端發出一個請求後，通常會阻塞並等待Redis服務端處理，Redis服務端處理完後請求命令後會將結果通過響應報文返回給Client。這有點類似於HBase的Scan，通常是Client端擷取每一條記錄都是一次RPC調用服務端。在Redis中，有沒有類似HBase Scanner Caching的東西呢，一次請求，返回多條記錄呢。有，這就是Pipline。官方介紹 http://redis.io/topics/pipelining。

通過pipeline方式當有大批量的操作時候，我們可以節省很多原來浪費在網路延遲的時間，需要注意到是用pipeline方式打包命令發送，redis必須在處理完所有命令前先緩衝起所有命令的處理結果。打包的命令越多，緩衝消耗記憶體也越多。所以並不是打包的命令越多越好。

使用Pipeline在對Redis批量讀寫的時候，效能上有非常大的提升。
使用Java測試了一下：

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();    }}//測試結果：//使用pipeline來批量讀寫10000條記錄，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 ..