redis 批量操作

一、背景

• 需求：

  redis通過tcp來對外提供服務，client通過socket連接發起請求，每個請求在命令發出后會阻塞等待redis服務器進行處理，處理完畢后將結果返回給client。

  其實和一個http的服務器類似，一問一答，請求一次給一次響應。而這個過程在排除掉redis服務本身做復雜操作時的耗時的話，可以看到最耗時的就是這個網絡傳輸過程。每一個命令都對應了發送、接收兩個網絡傳輸，假如一個流程需要0.1秒，那么一秒最多只能處理10個請求，將嚴重制約redis的性能。

  在很多場景下，我們要完成一個業務，可能會對redis做連續的多個操作，譬如庫存減一、訂單加一、余額扣減等等，這有很多個步驟是需要依次連續執行的。

• 潛在隱患：這樣的場景，網絡傳輸的耗時將是限制redis處理量的主要瓶頸。循環key，獲取value，可能會造成連接池的連接數增多，連接的創建和摧毀，消耗性能
• 解決方法：

  可以引入pipeline了，pipeline管道就是解決執行大量命令時、會產生大量同學次數而導致延遲的技術。

  其實原理很簡單，pipeline就是把所有的命令一次發過去，避免頻繁的發送、接收帶來的網絡開銷，redis在打包接收到一堆命令后，依次執行，然后把結果再打包返回給客戶端。

  根據項目中的緩存數據結構的實際情況，數據結構為string類型的，使用RedisTemplate的multiGet方法；數據結構為hash，使用Pipeline(管道)，組合命令，批量操作redis。

二、操作

1. RedisTemplate的multiGet的操作

   • 針對數據結構為String類型

   • 示例代碼

List<String> keys = new ArrayList<>();
for (Book e : booklist) {
   String key = generateKey.getKey(e);
   keys.add(key);
}
List<Serializable> resultStr = redisTemplate.opsForValue().multiGet(keys)

 

    2.RedisTemplate的Pipeline使用

    為什么Pipelining這么快？    

    先看看原來的多條命令，是如何執行的：    

    Redis Client->>Redis Server: 發送第1個命令

    Redis Server->>Redis Client: 響應第1個命令

    Redis Client->>Redis Server: 發送第2個命令

    Redis Server->>Redis Client: 響應第2個命令

    Redis Client->>Redis Server: 發送第n個命令

    Redis Server->>Redis Client: 響應第n個命令

 Pipeling機制是怎樣的呢：
    Redis Client->>Redis Server: 發送第1個命令（緩存在Redis Client，未即時發送）
    Redis Client->>Redis Server: 發送第2個命令（緩存在Redis Client，未即時發送）
    Redis Client->>Redis Server: 發送第n個命令（緩存在Redis Client，未即時發送）
    Redis Client->>Redis Server: 發送累積的命令
    Redis Server->>Redis Client: 響應第1、2、n個命令

• 示例代碼

package cn.chinotan.controller;

import cn.chinotan.service.RedisService;
import lombok.extern.java.Log;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.data.redis.core.StringRedisTemplate;
import org.springframework.web.bind.annotation.GetMapping;
import org.springframework.web.bind.annotation.PathVariable;
import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.RestController;

import java.util.ArrayList;
import java.util.HashMap;
import java.util.List;
import java.util.Map;
import java.util.concurrent.TimeUnit;

/**
 * @program: test
 * @description: redis批量數據測試
 * @author: xingcheng
 * @create: 2019-03-16 16:26
 **/
@RestController
@RequestMapping("/redisBatch")
@Log
public class RedisBatchController {

    @Autowired
    StringRedisTemplate redisTemplate;
    
    @Autowired
    Map<String, RedisService> redisServiceMap;

    /**
     * VALUE緩存時間 3分鍾
     */
    public static final Integer VALUE_TIME = 1;

    /**
     * 測試列表長度
     */
    public static final Integer SIZE = 100000;

    @GetMapping(value = "/test/{model}")
    public Object hello(@PathVariable("model") String model) {
        List<Map<String, String>> saveList = new ArrayList<>(SIZE);
        List<String> keyList = new ArrayList<>(SIZE);
        for (int i = 0; i < SIZE; i++) {
            Map<String, String> objectObjectMap = new HashMap<>();
            String key = String.valueOf(i);
            objectObjectMap.put("key", key);
            StringBuilder sb = new StringBuilder();
            objectObjectMap.put("value", sb.append("value").append(i).toString());
            saveList.add(objectObjectMap);
            // 記錄全部key
            keyList.add(key);
        }
        
        // 獲取對應的實現
        RedisService redisService = redisServiceMap.get(model);
        
        long saveStart = System.currentTimeMillis();
        redisService.batchInsert(saveList, TimeUnit.MINUTES, VALUE_TIME);
        long saveEnd = System.currentTimeMillis();
        log.info("插入耗時：" + (saveEnd - saveStart) + " ms");
        // 批量獲取
        long getStart = System.currentTimeMillis();
        List<String> valueList = redisService.batchGet(keyList);
        long getEnd = System.currentTimeMillis();
        log.info("獲取耗時：" + (getEnd - getStart) + " ms");
        return valueList;
    }
}

 

package cn.chinotan.service;

import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.dao.DataAccessException;
import org.springframework.data.redis.connection.RedisConnection;
import org.springframework.data.redis.connection.StringRedisConnection;
import org.springframework.data.redis.core.RedisCallback;
import org.springframework.data.redis.core.RedisOperations;
import org.springframework.data.redis.core.SessionCallback;
import org.springframework.data.redis.core.StringRedisTemplate;
import org.springframework.stereotype.Service;

import java.util.*;
import java.util.concurrent.TimeUnit;
import java.util.stream.Collectors;

/**
 * @program: test
 * @description: redis管道操作
 * @author: xingcheng
 * @create: 2019-03-16 16:47
 **/
@Service("pipe")
public class RedisPipelineService implements RedisService {

    @Autowired
    StringRedisTemplate redisTemplate;

    @Override
    public void batchInsert(List<Map<String, String>> saveList, TimeUnit unit, int timeout) {
        /* 插入多條數據 */
        redisTemplate.executePipelined(new SessionCallback<Object>() {
            @Override
            public <K, V> Object execute(RedisOperations<K, V> redisOperations) throws DataAccessException {
                for (Map<String, String> needSave : saveList) {
                    redisTemplate.opsForValue().set(needSave.get("key"), needSave.get("value"), timeout,unit);
                }
                return null;
            }
        });
    }

    @Override
    public List<String> batchGet(List<String> keyList) {
        /* 批量獲取多條數據 */
        List<Object> objects = redisTemplate.executePipelined(new RedisCallback<String>() {
            @Override
            public String doInRedis(RedisConnection redisConnection) throws DataAccessException {
                StringRedisConnection stringRedisConnection = (StringRedisConnection) redisConnection;
                for (String key : keyList) {
                    stringRedisConnection.get(key);
                }
                return null;
            }
        });

        List<String> collect = objects.stream().map(val -> String.valueOf(val)).collect(Collectors.toList());

        return collect;
    }
}

 

package cn.chinotan.service;

import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.data.redis.core.StringRedisTemplate;
import org.springframework.stereotype.Service;

import java.util.ArrayList;
import java.util.List;
import java.util.Map;
import java.util.concurrent.TimeUnit;

/**
 * @program: test
 * @description: redis普通遍歷操作
 * @author: xingcheng
 * @create: 2019-03-16 16:47
 **/
@Service("generic")
public class RedisGenericService implements RedisService {

    @Autowired
    StringRedisTemplate redisTemplate;
    
    @Override
    public void batchInsert(List<Map<String, String>> saveList, TimeUnit unit, int timeout) {
        for (Map<String, String> needSave : saveList) {
            redisTemplate.opsForValue().set(needSave.get("key"), needSave.get("value"), timeout,unit);
        }
    }

    @Override
    public List<String> batchGet(List<String> keyList) {
        List<String> values = new ArrayList<>(keyList.size());
        for (String key : keyList) {
            String value = redisTemplate.opsForValue().get(key);
            values.add(value);
        }
        return values;
    }
}

 

測試結果：

 

 

 

 

可以看到性能提升了20倍之多

基於其特性，它有兩個明顯的局限性：

• 鑒於Pipepining發送命令的特性，Redis服務器是以隊列來存儲准備執行的命令，而隊列是存放在有限的內存中的，所以不宜一次性發送過多的命令。如果需要大量的命令，可分批進行，效率不會相差太遠滴，總好過內存溢出嘛~~
• 由於pipeline的原理是收集需執行的命令，到最后才一次性執行。所以無法在中途立即查得數據的結果（需待pipelining完畢后才能查得結果），這樣會使得無法立即查得數據進行條件判斷（比如判斷是非繼續插入記錄）。