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，就可以有相關的關聯推薦，當然這只是系統中的一個小業務條件，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 之間的數據往返，從傳輸內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這樣的round trip，那這個延遲性可想而知，肯定達不到我們預想的高性能。

二：解決方案【Batch】

剛好基于我們現有的業務，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("192.168.23.151:6379");var db = redis.GetDatabase();var productID = string.Format("productID_{0}", 1);var list = new List<int>();for (int i = 0; i < 10; i++){list.Add(i);}db.SetAdd(productID, list.Select(i => (RedisValue)i).ToArray());}

從截圖中傳輸的request,response可以看到，這次我們一次性提交過去，極大的較少了在網絡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”，“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("192.168.23.151:6379");var db = redis.GetDatabase();//批量過來的數據：customeridlist， ordertotalprice，具體業務邏輯省略var orderTotalPrice = 100;var customerIDList = new List<int>();for (int i = 0; i < 10; i++){customerIDList.Add(i);}//foreach更新每個redis 的set集合foreach (var item in customerIDList){var customerID = string.Format("customerid_{0}", item);db.SetAdd(customerID, orderTotalPrice);}}

四：解決方案【PipeLine】

上面這種代碼在生產上當然是行不通的，不過針對這種問題，redis早已經提出了相關的解決方案，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內部fake出一個client做批量執行操作，代碼如下：

static void Main(string[] args){ConnectionMultiplexer redis = ConnectionMultiplexer.Connect("192.168.23.151:6379");var db = redis.GetDatabase();//批量過來的數據：customeridlist， ordertotalprice，具體業務邏輯省略var orderTotalPrice = 100;var customerIDList = new List<int>();for (int i = 0; i < 10; i++){customerIDList.Add(i);}var batch = db.CreateBatch();foreach (var item in customerIDList){var customerID = string.Format("customerid_{0}", 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，數據也是有的，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"

好了，先就說到這里了，希望本篇對你有幫助。

總結

以上是生活随笔為你收集整理的redis大幅性能提升之使用管道（PipeLine）和批量（Batch）操作的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。