Java Redis Pipeline 使用示例

1. 参考的优秀文章

• Request/Response protocols and RTT

2. 来源

原来，系统中一个树结构的数据来源是Redis，由于数据增多、业务复杂，查询速度并不快。究其原因，是单次查询的数量太多了，一个树结构，大概要几万次Redis的交互。于是，尝试用Redis的Pipelining特性。

3. 测试Pipelining使用与否的差别

3.1. 不使用pipelining

首先，不使用pipelining，插入10w条记录，再删除10w条记录，看看需要多久。

首先来个小程序，用于计算程序消耗的时间：

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28

import java.util.Date; import java.util.concurrent.TimeUnit; public class TimeLag {           private Date start;     private Date end;           public TimeLag() {         start = new Date();     }           public String cost() {         end = new Date();         long c = end.getTime() - start.getTime();                   String s = new StringBuffer().append("cost ").append(c).append(" milliseconds (").append(c / 1000).append(" seconds).").toString();         return s;     }           public static void main(String[] args) throws InterruptedException {         TimeLag t = new TimeLag();         TimeUnit.SECONDS.sleep(2);         System.out.println(t.cost());     } }

　　

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38

package com.nicchagil.study.jedis; import redis.clients.jedis.Jedis; import redis.clients.jedis.JedisPool; public class HowToTest {     public static void main(String[] args) {         // 连接池         JedisPool jedisPool = new JedisPool("192.168.1.9", 6379);                   /* 操作Redis */         Jedis jedis = null;         try {             jedis = jedisPool.getResource();                           TimeLag t = new TimeLag();             System.out.println("操作前，全部Key值：" + jedis.keys("*"));             /* 插入多条数据 */             for(Integer i = 0; i < 100000; i++) {                 jedis.set(i.toString(), i.toString());             }                           /* 删除多条数据 */             for(Integer i = 0; i < 100000; i++) {                 jedis.del(i.toString());             }             System.out.println("操作前，全部Key值：" + jedis.keys("*"));             System.out.println(t.cost());         } finally {             if (jedis != null) {                 jedis.close();             }         }     } }

　　

日志，Key值“user_001”是我的Redis存量的值，忽略即可：

?

1 2 3

操作前，全部Key值：[user_001] 操作前，全部Key值：[user_001] cost 35997 milliseconds (35 seconds).

　　

3.2. 使用pipelining

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43

package com.nicchagil.study.jedis; import redis.clients.jedis.Jedis; import redis.clients.jedis.JedisPool; import redis.clients.jedis.Pipeline; public class HowToTest {     public static void main(String[] args) {         // 连接池         JedisPool jedisPool = new JedisPool("192.168.1.9", 6379);                   /* 操作Redis */         Jedis jedis = null;         try {             jedis = jedisPool.getResource();                           TimeLag t = new TimeLag();                           System.out.println("操作前，全部Key值：" + jedis.keys("*"));             Pipeline p = jedis.pipelined();             /* 插入多条数据 */             for(Integer i = 0; i < 100000; i++) {                 p.set(i.toString(), i.toString());             }                           /* 删除多条数据 */             for(Integer i = 0; i < 100000; i++) {                 p.del(i.toString());             }             p.sync();             System.out.println("操作前，全部Key值：" + jedis.keys("*"));                           System.out.println(t.cost());         } finally {             if (jedis != null) {                 jedis.close();             }         }     } }

　　

日志：

?

1 2 3

操作前，全部Key值：[user_001] 操作前，全部Key值：[user_001] cost 629 milliseconds (0 seconds).

　　

4. 为什么Pipelining这么快？

先看看原来的多条命令，是如何执行的：

?

1 2 3 4 5 6 7

sequenceDiagram Redis Client->>Redis Server: 发送第1个命令 Redis Server->>Redis Client: 响应第1个命令 Redis Client->>Redis Server: 发送第2个命令 Redis Server->>Redis Client: 响应第2个命令 Redis Client->>Redis Server: 发送第n个命令 Redis Server->>Redis Client: 响应第n个命令

　　

Pipeling机制是怎样的呢：

?

1 2 3 4 5 6

sequenceDiagram Redis Client->>Redis Server: 发送第1个命令（缓存在Redis Client，未即时发送） Redis Client->>Redis Server: 发送第2个命令（缓存在Redis Client，未即时发送） Redis Client->>Redis Server: 发送第n个命令（缓存在Redis Client，未即时发送） Redis Client->>Redis Server: 发送累积的命令 Redis Server->>Redis Client: 响应第1、2、n个命令

　　

5. Pipelining的局限性（重要！）

基于其特性，它有两个明显的局限性：

• 鉴于Pipepining发送命令的特性，Redis服务器是以队列来存储准备执行的命令，而队列是存放在有限的内存中的，所以不宜一次性发送过多的命令。如果需要大量的命令，可分批进行，效率不会相差太远滴，总好过内存溢出嘛~~
• 由于pipeline的原理是收集需执行的命令，到最后才一次性执行。所以无法在中途立即查得数据的结果（需待pipelining完毕后才能查得结果），这样会使得无法立即查得数据进行条件判断（比如判断是非继续插入记录）。

比如，以下代码中，response.get()在p.sync();完毕前无法执行，否则，会报异常

?

1	redis.clients.jedis.exceptions.JedisDataException: Please close pipeline or multi block before calling this method.

　　

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49

package com.nicchagil.study.jedis; import redis.clients.jedis.Jedis; import redis.clients.jedis.JedisPool; import redis.clients.jedis.Pipeline; import redis.clients.jedis.Response; public class HowToTest {     public static void main(String[] args) {         // 连接池         JedisPool jedisPool = new JedisPool("192.168.1.9", 6379);                   /* 操作Redis */         Jedis jedis = null;         try {             jedis = jedisPool.getResource();                           TimeLag t = new TimeLag();                           System.out.println("操作前，全部Key值：" + jedis.keys("*"));             Pipeline p = jedis.pipelined();             /* 插入多条数据 */             for(Integer i = 0; i < 100000; i++) {                 p.set(i.toString(), i.toString());             }                           Response<String> response = p.get("999");             // System.out.println(response.get()); // 执行报异常：redis.clients.jedis.exceptions.JedisDataException: Please close pipeline or multi block before calling this method.                           /* 删除多条数据 */             for(Integer i = 0; i < 100000; i++) {                 p.del(i.toString());             }             p.sync();                           System.out.println(response.get());             System.out.println("操作前，全部Key值：" + jedis.keys("*"));                           System.out.println(t.cost());         } finally {             if (jedis != null) {                 jedis.close();             }         }               } }

　　

6. 如何使用Pipelining查询大量数据

用Map<String, Response<String>>先将Response缓存起来再使用就OK了：

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54

package com.nicchagil.study.jedis; import java.util.HashMap; import java.util.Map; import redis.clients.jedis.Jedis; import redis.clients.jedis.JedisPool; import redis.clients.jedis.Pipeline; import redis.clients.jedis.Response; public class GetMultiRecordWithPipelining {     public static void main(String[] args) {         // 连接池         JedisPool jedisPool = new JedisPool("192.168.1.9", 6379);                   /* 操作Redis */         Jedis jedis = null;         Map<String, Response<String>> map = new HashMap<String, Response<String>>();         try {             jedis = jedisPool.getResource();                           TimeLag t = new TimeLag(); // 开始计算时间                           Pipeline p = jedis.pipelined();             /* 插入多条数据 */             for(Integer i = 0; i < 100000; i++) {                 if (i % 2 == 1) {                     map.put(i.toString(), p.get(i.toString()));                 }             }             p.sync();                           /* 由Response对象获取对应的值 */             Map<String, String> resultMap = new HashMap<String, String>();             String result = null;             for (String key : map.keySet()) {                 result = map.get(key).get();                 if (result != null && result.length() > 0) {                     resultMap.put(key, result);                 }             }             System.out.println("get record num : " + resultMap.size());                           System.out.println(t.cost()); // 计时结束         } finally {             if (jedis != null) {                 jedis.close();             }         }               } }