Redis中管道操作pipeline的实现

本文主要是介绍Redis中管道操作pipeline的实现，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

《Redis中管道操作pipeline的实现》RedisPipeline是一种优化客户端与服务器通信的技术,通过批量发送和接收命令减少网络往返次数,提高命令执行效率,本文就来介绍一下Redis中管道操...

什么是pipeline

在 Redis 中，Pipeline（管道）是一种客户端与服务器间通信的优化机制，旨在减少网络往返时间和提高命令执行效率。以下是 Redis Pipeline 的具体定义和特点：

1.批量发送与接收：

使用 Pipeline 时，客户端不再逐条发送命令，而是将多个命令一次性打包成一个请求包发送给 Redis 服务器。相应地，服务器在接收到这个请求包后，不是立即返回每条命令的执行结果，而是先将所有命令依次执行完毕，然后将所有结果打包成一个响应包返回给客户端。
这种做法显著减少了客户端与服务器之间网络通信的次数，尤其是对于需要执行大量命令的场景，能够极大地降低网络延迟带来的影响。

2.异步执行

尽管 Redis Pipeline 中的所有命令是在服务器端按顺序执行的，但由于客户端与服务器之间的通信是批量进行的，客户端可以在发送完一批命令后立刻开始处理其他任务，而无需等待每个命令的单独响应。这种异步处理方式可以更好地利用客户端的计算资源，提高整体应用程序的并发性能。

3.命令隔离

在 Pipeline 中，每个命令的执行互不影响，即一个命令的执行结果不会影响后续命令的执行。这意味着即使某条命令执行失败，也不会阻止后续命令的执行。客户端在解析响应包时，可以根据响应内容判断每条命令的执行结果。

4.使用场景

Pipeline 主要适用于需要对 Redis 执行大量命令的操作，如数据批量导入、大规模数据更新、复杂查询等。这些操作若不使用 Pipeline，可能会因为网络延迟导致整体执行时间显著增加。
对于涉及事务（transaction）的操作，虽然也可以使用 Pipeline 来打包命令，但需要注意的是，Pipeline 不提供事务的原子性和一致性保证。如果需要确保一组命令作为一个原子单位执行，应使用 Redis 的 MULTI/EXEC 命令来开启事务。

5.注意事项

虽然 Pipeline 能够显著提高命令执行效率，但一次性发送的命令数量不宜过大，否则可能导致数据包过大，增加网络传输压力，甚至超过 Redis 服务器或客户端的缓冲区限制，引发错误。合理的命令打包大小需要根据实际环境和网络状况进行调整
在使用 Pipeline 时，由于命令的响应是延迟返回的，客户端需要做好错误处理和重试策略，尤其是在网络不稳定或服务器负载较高的情况下。

总结来说，Redis Pipeline 是一种客户端与服务器间高效通信的技术，通过批量发送和接收命令，减少网络往返次数，提高命令执行效率，尤其适用于大量命令操作的场景。在使用时需注意命令打包大小的控制以及错误处理。

场景一:我要向redis新增大批量的数据

Redis Pipeline允许一次性发送多个命令到Redis服务器，而无需等待每个命令的响应，显著减少了网络往返时间和潜在的延迟。在Spring Boot应用中，可以使用RedisTemplate的executePipelined()方法实现：

@Autowired
private StringRedisTemplate redisTemplate

public void batchInsertUsersWithPipeline(List<User> users, String keyPrefix, long ttlSeconds) {
    redisTemplate.executePipelined((RedisCallback<Object>) connection -> {
        for (User user : users) {
            String key = generateKey(keyPrefix, user.getId());
            String value = objectwww.chinasem.cnMapper.writeValueAsString(user);

            connection.setEx(key.getBytes(), (int) ttlSeconds, value.getBytes());
        }
        return null;
    });
}

分批处理

尽管Pipeline提高了效率，但对于千万级数据，一次性发送所有命令可能导致内存溢出或网络阻塞。因此，建议将数据分批处理，每批包含适量的记录（如1000条），逐批发送至Redis：

public void insertUsersInBatches(List<User> users, String keyPrefix, long ttlSeconds, int batchSize) {
    int start = 0;
    while (start < users.size()) {
        int end = Math.min(start + batchSize, users.size());
        List<User> batch = users.subList(start, end);
        batchInsertUsersWithPipeline(batch, keyPrefix, ttlSeconds);
        start = end;
    }
}

batchInsertUsersWithPipeline方法利用Redis Pipeline机制发送批量命令，可以在一定程度上提高插入操作的并发性，减少网络往返时间和整体耗时。然而，Pipeline本身并不能严格保证所有命令同时成功或失败，其主要特性如下：

1.原子性：

Redis命令在Pipeline内部是原子性的，即单个命令的执行不会被其他命令中断。
注意：这并不意味着整个Pipeline的所有命令作为一个整体具有原子性。Pipeline中的命令仍然是依次执行的，只是客户端与服务器之间的通信过程被优化了。

2.响应顺序

Redis服务器会按接收到命令的顺序返回结果。即使在Pipeline中并发发送多个命令，客户端接收到的响应也将按照命令发送的顺序排列。

3.故障处理

如果Pipeline中的某个命令执行失败（如语法错误、key不存在等），后续命令通常仍会继续执行。
错误信息会包含在相应命令的响应中，客户端可以根据这些信息判断哪些命令执行成功，哪些失败。

综上所述，batchInsertUsersWithPipeline方法不能严格保证所有命令同时成功或失败。在实际使用中，如果需要确保一批数据要么全部成功插入，要么全部失败回滚，可以采取以下策略：

事务（ MULTI/EXEC/DISCARD ）：

redis提供了事务（Transaction）功能，通过MULTI、EXEC和DISCARD等命令，可以将一组命令打包在一起执行，只有当所有命令都能成功执行时，整个事务才会提交；否则，任何命令失败都将导致整个事务回滚。
尽管Redis事务不支持回滚到某一特定状态（即不保证隔离性），但在批量插入场景下，它可以满足“全有或全无”的要求。

Lua 脚本：

使用Lua脚本编写批量插入逻辑，脚本在Redis服务器端执行，具备原子性。即使在网络中断或服务器重启等异常情况下，脚本要么完全执行，要么完全不执行，不会出现部分成功部分失败的情况。

batchInsertUsersWithPipelinChina编程e方法中的connection中各个方法的区别是什么？

1.connection.setEx(key.getBytes(), (int) ttlSeconds, value.getBytes());

这一行调用了RedisConnection的setEx方法，用于设置一个带有过期时间（Time To Live，TTL）的键值对。参数说明如下：

key.getBytes(): 将给定的键（字符串）转换为字节数组，这是Redis底层通信协议所要求的格式。
(int) ttlSeconds: 将过期时间（以秒为单位）转换为整数类型，表示键值对在指定秒数后自动过期并被删除。
value.getBytes(): 同样将给定的值（用户对象序列化后的jsON字符串）转换为字节数组

setEx方法确保在设置键值对的同时为其设定一个过期时间。如果键已经存在，该方法会更新键的值和过期时间。这个操作在Pipeline模式下是原子的，即在同一时刻只有一个setEx命令被执行。

2.connection.multi(); 和 connection.exec();

这两个方法涉及Redis的事务（Transaction）功能。在Pipeline模式下，由于我们希望保持较高的性能，一般不会使用这两个方法。但如果确实需要保证一批命令的原子性，可以使用如下方式：

connection.multi(): 开启一个事务块，后续的所有命令都会被放入这个事务中，直到调用exec方法。在Pipeline模式下，调用multi方法可能会破坏原有的性能优化效果。
connection.exec(): 提交并执行事务中的所有命令。如果事务中有任何一个命令执行失败，其他命令也会被取消执行，整个事务被视为失败。

在您的batchInsertUsersWithPipeline方法中并没有使用multi和exec，因为Pipeline已经提供了高效的批量执行机制，而且这里的目的是提高插入性能，而不是实现严格的事务行为。

综上所述，batchInsertUsersWithPipeline方法中直接使用了setEx方法，利用Pipeline来高效地批量插入带有过期时间的键值对。如果需要实现更严格的事务控制，应考虑使用Redis的事务（MULTI/EXEC）或Lua脚本，但这通常会牺牲一定的性能，并且与Pipeline机制不完全兼容。在实际应用场景中，应根据业务需求权衡选择合适的操作方式。

3.connection.set()和connection.setNx有什么区别

connection.set() 和 connection.setNx() 都是Redis的键值对设置方法，它们的主要区别在于是否存在条件以及对已有键的处理方式：

1.connection.set(key, value)

这是最基础的设置键值对的方法，无论键是否存在，都会直接覆盖（或创建）对应的键值对。参数说明如下：

key: 要设置的键。
value: 要关联的值。

行为特点：

无条件设置：不论键是否存在，都会执行设置操作。
覆盖已有键：如果键已存在，其原有值会被新的值覆盖。
创建新键：如果键不存在，会创建一个新的键值对。

2.connection.setNx(key, value)

这是带有条件的设置键值对方法，仅当键不存在时才会设置键值对。参数与set()相同：

key: 要设置的键
value: 要关联的值。

行为特点

有条件设置：仅在键不存在的情况下执行设置操作。
不覆盖已有键：如果键已存在，该方法不会有任何动作，既不会改变键的值，也不会抛出错误。
创建新键：如果键不存在，会创建一个新的键值对。

总结来说，connection.set()无条件地设置或更新键值对，而connection.setNx()则是在键不存在时才设置键值对，如果键已存在，则不会执行任何操作。前者适用于常规的键值更新或插入，后者常用于实现锁机制、唯一性检查等场景，确保某个键的值只在首次设置时有效。在您的batchInsertUsersWithPipeline方法中，由于目标是批量插入新数据，所以使用了setEx方法（带有过期时间的set），确保每个用户数据作为一个新的键值对被添加到Redis中。如果您需要在插入前检查键的唯一性，可以考虑使用setNx方法。不过，对于批量插入场景，通常假设数据是新的且键不存在，因此直接使用setEx更为常见。

场景二:大批量删除redis中的数据

public void batchDeleteKeysWithPipeline(List<String> keys) {
    redisTemplate.executePipelined((RedisCallback<Object>) connection -> {
        for (String key : keys) {
            connection.del(key.getBytes());
        }
        return null;
    });
}

redisTemplate.executePipelined() 方法创建了一个Pipeline上下文，允许您在回调函数内发送多个命令而不等待响应。
回调函数遍历要删除的键列表，对每个键调用 connection.del(key.getBytes())。del 方法用于删除指定键，将键名转换为字节数组后传递给Redis。
所有del命令在Pipeline中被连续发送至Redis服务器，期间客户端不会等待任何响应。
当回调函数执行完毕并返回时，Pipeline中的命令会被一次性发送至Redis，并接收所有命令的响应。由于命令是在一次网络往返中批量发送的，因此比单独执行每个删除命令效率更高。

场景三:删除redis中千万级别的数据

1.批量删除策略

使用 SCAN 命令结合 DEL 命令实现批量删除。
SCAN 命令用于增量式地迭代数据集，避免一次性获取所有键导致内存溢出。

DEL 命令用于删除单个或多个键。

2.并行处理

利用多线程或异步任务将批量删除操作分散到多个工作线程中，提高删除效率。

3.Redis 客户端优化：

选择高性能、支持批量操作和管道（Pipeline）功能的 Redis 客户端库，如 Jedis 或 Lettuce。

4.监控与故障恢复：

在执行大规模删除操作时，密切关注 Redis 的性能指标（如 CPU、内存、网络带宽等）以及客户端程序的状态。
准备应对可能的异常情况，如断连重试、数据一致性检查等。

基于Jedis客户端实现

import redis.clients.jedis.Jedis;
import redis.clients.jedis.ScanParams;
import redis.clients.jedis.ScanResult;

public class RedisDataDeleter {

    private static final int SCAN_BATCH_SIZE = 1000; // 可根据实际情况调整
    private static final String MATCH_PATTERN = "*"; // 匹配所有键

    public void deleteAllKeys(Jedis jedis) {
        ScanParams scanParams = new ScanParams().count(SCAN_BATCH_SIZE).match(MATCH_PATTERN);

        String cursor = "0";
        while (true) {
            ScanResult<String> scanResult = jedis.scan(cursor, scanParams);
            cursor = scanResult.getCursor();

            List<String> keysToDelete = scanResult.getResult();
            if (!keysToDelete.isEmpty()) {
                // 使用 Pipeline 批量删除键
                Pipeline pipeline = jedis.pipelined();
                for (String key : keysToDelete) {
                    pipeline.del(key);
                }
                pipeline.sync(); // 执行批量命令
            }

            if ("0".equals(cursor)) {
                break; // 扫描完成
            }
        }
    }
}

注意

请确保在生产环境中适当调整 SCAN_BATCH_SIZE 参数，使其既能充分利用系统资源，又不会对 Redis 服务器造成过大压力。
在执行大规模删除操作前，最好先备份重要数据，并在非高峰期进行操作，以减少对业务的影响。

如果条件允许，建议升级到 Redis 6.x 版本，并启用 activedefrag 配置项，有助于在删除大量数据后及时进行碎片整理，保持 Redis 内存的高效利用。同时，监控 Redis 的内存使用情况和碎片率，必要时手动触发 BGREWRITEAOF 或 BGSAVE 操作。

maven

<dependencies>javascript
    <!-- ... 其他依赖 ... -->
    <dependency>
        <groupId>redis.clients</groupId>
        <artifactId>jedis</artifactId>
        <version>3.7.0</version> <!-- 根据实际版本号调整 -->
    </dependency>
</dependencies>

jedis连接池配置

spring.redis.host=192.168.1.100
spring.redis.port=6379
spring.redis.password=mysecretpassword  # 如果有密码，请填写

# Jedis 连接池配置
spring.redis.jedis.pool.max-active=10
spring.redis.jedis.pool.max-idle=6
spring.redis.jedis.pool.min-idle=2
spring.redis.jedis.pool.max-wait=2000ms

jedisConfig

@Configuration
public class JedisConfig {

    @Value("${spring.redis.host}")
    private String host;

    @Value("${spring.redis.port}")
    private int port;

    @Value("${spring.redis.password}")
    private String password;

    @Bean
    public JedisPool jedisPool() {
        JedisPoolConfig poolConfig = new JedisPoolConfig();
        poolConfig.setMaxTotal(Integer.parseInt(env.getProperty("spring.redis.jedis.pool.max-active")));
        poolConfig.setMaxIdle(Integer.parseInt(env.getProperty("spring.redis.jedis.pool.max-idle")));
        poolConfig.setMinIdle(Integer.parseInt(env.getProperty("spring.redis.jedis.pool.min-idle")));
        poolConfig.setMaxWaitMillis(Long.parseLong(env.getProperty("spring.redis.jedis.pool.max-wait")));

        return new JedisPool(poolConfig, host, port, Protocol.DEFAULT_TIMEOUT, password);
    }
}

实现 Redis 数据删除服务

@Service
public class RedisDataDeleterService {

    @Autowired
    private JedisPool jedisPool;

    public void deleteAllKeys() {
        try (Jedis jedis = jedisPool.getResource()) {
            ScanParams scanParams = new ScanParams().match("*").count(1000);

            String cursor = "0";
            while (true) {
                ScanResult<String> scanResult = jedis.scan(cursor, scanParams);
                cursor = scanResult.getCursor();

                List<String> keysToDelete = scanResult.getResult();
                if (!keysToDelete.isEmpty()) {
                    Pipandroideline pipeline = jedis.pipelined();
                    for (String key : keysToDelete) {
                        pipeline.del(key);
                    }
                    pipeline.sync();
                }

                if ("0".equals(cursor)) {
                    break;
                }
            }
        }
    }
}

调用删除服务

@RestController
@RequestMapping("/redis")
public class RedisController {

    @Autowired
    private RedisDataDeleterService redisDataDeleterService;

    @GetMapping("/delete-all-keys")
    public ResponseEntity<?> deleteAllKeys() {
        redisDataDeleterService.deleteAllKeys();
        return ResponseEntity.ok().build();
    }
}

基于Lettuce

maven

<dependencies>
    <!-- ... 其他依赖 ... -->
    <dependency>
        <groupId>io.lettuce</groupId>
        <artifactId>lettuce-core</artifactId>
        <version>6.2.</version> <!-- 根据实际版本号调整 -->
    </dependency>
</dependencies>

配置Lettuce

Spring Boot 自动配置会为 Lettuce 提供连接池支持。在 application.properties 或 application.yml 中配置 Redis 连接信息：

http://www.chinasem.cn

spring.redis.host=192.168.1.100
spring.redis.port=6379
spring.redis.password=mysecretpassword  # 如果有密码，请填写

使用 Lettuce 客户端执行批量删除操作：

@Service
public class RedisDataDeleterService {

    @Autowired
    private RedisConnectionFactory connectionFactory;

    public void deleteAllKeys() {
        RedisAsyncCommands<String, String> asyncCommands = connectionFactory.getConnection().async();

        ScanArgs scanArgs = ScanArgs.Builder.matches("*").count(1000);
        RedisFuture<ScanResult<String>> scanFuture = asyncCommands.scan(ScanCursor.INITIAL, scanArgs);

        AtomicBoolean isRunning = new AtomicBoolean(true);
        AtomicReference<ScanCursor> lastCursor = new AtomicReference<>(ScanCursor.INITIAL);

        // 异步处理扫描结果
        scanFuture.thenAccept(scanResult -> {
            lastCursor.set(scanResult.getCursor());
            List<String> keysToDelete = scanResult.getKeys();
            if (!keysToDelete.isEmpty()) {
                RedisFuture<Long> delFuture = asyncCommands.del(keysToDelete.toArray(new String[0]));
                delFuture.thenAccept(count -> {
                    if (isRunning.get()) {
                        // 如果仍在运行，继续扫描
                        deleteAllKeysRecursive(asyncCommands, scanArgs, lastCursor, isRunning);
                    }
                });
            } else {
                isRunning.set(false);
            }
        });

        // 设置超时时间（可根据实际情况调整）
        CompletableFuture.runAsync(() -> {
            try {
                Thread.sleep(120000); // 2分钟超时
            } catch (InterruptedException e) {
                Thread.currentThread().interrupt();
            }
            isRunning.set(false);
        });
    }

    private void deleteAllKeysRecursive(RedisAsyncCommands<String, String> asyncCommands,
                                       ScanArgs scanArgs,
                                       AtomicReference<ScanCursor> lastCursor,
                                       AtomicBoolean isRunning) {
        if (isRunning.get()) {
            asyncCommands.scan(lastCursor.get(), scanArgs).thenAccept(scanResult -> {
                lastCursor.set(scanResult.getCursor());
                List<String> keysToDelete = scanResult.getKeys();
                if (!keysToDelete.isEmpty()) {
                    asyncCommands.del(keysToDelete.toArray(new String[0])).thenAccept(count -> {
                        if (isRunning.get()) {
                            deleteAllKeysRecursive(asyncCommands, scanArgs, lastCursor, isRunning);
                        }
                    });
                } else {
                    isRunning.set(false);
                }
            });
        }
    }
}

调用

@RestController
@RequestMapping("/redis")
public class RedisController {

    @Autowired
    private RedisDataDeleterService redisDataDeleterService;

    @GetMapping("/delete-all-keys")
    public ResponseEntity<?> deleteAllKeys() {
        redisDataDeleterService.deleteAllKeys();
        return ResponseEntity.ok().build();
    }
}

到此这篇关于Redis中管道操作pipeline的实现的文章就介绍到这了,更多相关Redis管道操作pipeline内容请搜索China编程(www.chinasem.cn)以前的文章或继续浏览下面的相关文章希望大家以后多多支持编程China编程(www.chinasem.cn)！

这篇关于Redis中管道操作pipeline的实现的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！