jedis使用管道（pipeline）对redis进行读写（使用hmset、hgetall测试）

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 ..

//测试结果2 （外网）

dbsize:[10000] ..
hmset without pipeline used [653] seconds ..
dbsize:[10000] ..
hmset with pipeline used [1] seconds ..

result size:[10000] ..
hgetAll without pipeline used [680] seconds ..
result size:[10000] ..
hgetAll with pipeline used [1] seconds ..