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

  

前段时间在做用户画像的时候,遇到了这样的一个问题,记录某一个商品的用户购买群,刚好这种需求就可以用到Redis中的Set,key作为productID,value

就是具体的customerid集合,后续的话,我就可以通过productid来查看该customerid是否买了此商品,如果购买了,就可以有相关的关联推荐,当然这只是系统中

的一个小业务条件,这时候我就可以用到SADD操作方法,代码如下:

        static void Main(string[] args)
{
ConnectionMultiplexer redis = ConnectionMultiplexer.Connect("192.168.23.151:6379"); var db = redis.GetDatabase(); var productID = string.Format("productID_{0}", ); for (int i = ; i < ; i++)
{
var customerID = i; db.SetAdd(productID, customerID);
}
}

一:问题

但是上面的这段代码很明显存在一个大问题,Redis本身就是基于tcp的一个Request/Response protocol模式,不信的话,可以用wireshark监视一下:

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

从图中可以看到,有很多次的192.168.23.1 => 192.168.23.151 之间的数据往返,从传输内容中大概也可以看到有一个叫做productid_xxx的前缀,

那如果有百万次局域网这样的round trip,那这个延迟性可想而知,肯定达不到我们预想的高性能。

二:解决方案【Batch】

刚好基于我们现有的业务,我可以定时的将批量的productid和customerid进行分组整合,然后用batch的形式插入到某一个具体的product的set中去,

接下来我可以把上面的代码改成类似下面这样:

         static void Main(string[] args)
{
ConnectionMultiplexer redis = ConnectionMultiplexer.Connect("192.168.23.151:6379"); var db = redis.GetDatabase(); var productID = string.Format("productID_{0}", ); var list = new List<int>(); for (int i = ; i < ; i++)
{
list.Add(i);
} db.SetAdd(productID, list.Select(i => (RedisValue)i).ToArray());
}

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

从截图中传输的request,response可以看到,这次我们一次性提交过去,极大的较少了在网络传输方面带来的尴尬性。。

三:再次提出问题

  product维度的画像我们可以解决了,但是我们还有一个customerid的维度,也就是说我需要维护一个customerid为key的set集合,其中value的值为

该customerid的各种平均值,比如说“总交易次数”,“总交易金额”。。。等等这样的聚合信息,然后推送过来的是批量的customerid,也就是说你需要定时

维护一小嘬set集合,在这种情况下某一个set的批量操作就搞不定了。。。原始代码如下:

         static void Main(string[] args)
{
ConnectionMultiplexer redis = ConnectionMultiplexer.Connect("192.168.23.151:6379"); var db = redis.GetDatabase(); //批量过来的数据: customeridlist, ordertotalprice,具体业务逻辑省略
var orderTotalPrice = ; var customerIDList = new List<int>(); for (int i = ; i < ; i++)
{
customerIDList.Add(i);
} //foreach更新每个redis 的set集合
foreach (var item in customerIDList)
{
var customerID = string.Format("customerid_{0}", item); db.SetAdd(customerID, orderTotalPrice);
}
}

四:解决方案【PipeLine】

上面这种代码在生产上当然是行不通的,不过针对这种问题,redis早已经提出了相关的解决方案,那就是pipeline机制,原理还是一样,将命令集整合起来通过

一条request请求一起送过去,由redis内部fake出一个client做批量执行操作,代码如下:

         static void Main(string[] args)
{
ConnectionMultiplexer redis = ConnectionMultiplexer.Connect("192.168.23.151:6379"); var db = redis.GetDatabase(); //批量过来的数据: customeridlist, ordertotalprice,具体业务逻辑省略
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_{0}", item); batch.SetAddAsync(customerID, orderTotalPrice);
} batch.Execute();
}

然后,我们再看下面的wireshark截图,可以看到有很多的SADD这样的小命令,这就说明有很多命令是一起过去的,大大的提升了性能。

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

最后可以再看一下redis,数据也是有的,是不是很爽~~~

192.168.23.151:> keys *
) "customerid_0"
) "customerid_9"
) "customerid_1"
) "customerid_3"
) "customerid_8"
) "customerid_2"
) "customerid_7"
) "customerid_5"
) "customerid_6"
) "customerid_4"

好了,先就说到这里了,希望本篇对你有帮助。

上一篇:服务器磁盘阵列数据恢复,raid5两块硬盘掉线数据恢复方法


下一篇:编译android源码m、mm、mmm命令的使用