使用管道和批量操作redis性能增强的详细解决方案

前一段时间，当用户画像，遇到这样的问题，一个商品采购组的记录，只是这种需求可以使用redis，集，重点为ProductID，价值的CustomerID的收集，跟进，我可以为是否购买CustomerID这个产品，如果购买，可以有相关的协会的推荐，当然这只是一个小企业，然后我可以用操作竞赛方法，代码如下：
static void main（String { } args）
{
connectionmultiplexer redis = connectionmultiplexer。连接（192.168.23.151:6379 ）；

var db = redis.getdatabase（）；

VaR ProductID =字符串格式（productid_ { 0 }

对于（int = i 0；i < 10；i + +）
{
VaR CustomerID =我；

Db.SetAdd（ID，ID）；
}
}
第一：问题

但是很明显，上面的代码有一个大问题。redis本身是一个请求/响应的基于TCP协议的方式。如果你不相信，你可以使用Wireshark监测。
从图中可以看出，很多时候192.168.23.1 = > 192.168.23.151之间的数据传输，从返回的内容，或许还可以看到一个叫productid_xxx前缀，

如果有数百万个局域网的往返，预计将被推迟，它肯定不会达到我们预期的高性能。

二：解决方案{批}

正是基于我们现有的业务，我可以将定期批量ProductID和ID，然后插入到一个特定的产品组批，然后我可以把上面的代码变成这样。
static void main（String { } args）
{
connectionmultiplexer redis = connectionmultiplexer。连接（…：）；

var db = redis.getdatabase（）；

VaR ProductID =字符串格式（productid_ {} ）；

var列表=新列表（）；
对于（int i；；i；<；+ +）
{
列表（添加）；
}

Db.SetAdd（ProductID、列表。选择（我=（redisvalue）（我）。toArray））；
}

从截图、请求和响应可以看出，这次我们以单一的方式提交了过去，大大减少了网络传输带来的尴尬。

三：再次提出问题。

产品尺寸图我们可以解决的，但我们仍CustomerID维度，也就是说我需要保持的关键CustomerID集合，对CustomerID，平均值为值，总交易数的汇总信息，在这样的总交易金额，然后…Push-over CustomerID的大头，也就是说你需要保持一个SIP设定的定时设置，在这种情况下，一组间歇操作不定…原代码如下：
static void main（String { } args）
{
connectionmultiplexer redis = connectionmultiplexer。连接（…：）；

var db = redis.getdatabase（）；
/ /批量数据customeridlist，ordertotalprice，具体的业务逻辑略
无功ordertotalprice =；

无功customeridlist =新的列表（）；

对于（int i；；i；<；+ +）
{
customeridlist添加（我）；
}

/ /每集每集更新Redis
foreach（在customeridlist var item）
{
VaR CustomerID =字符串格式（customerid_ {}

Db.SetAdd（CustomerID，ordertotalprice）；
}
}
四：解决方案{管道}

当然，生产上述代码=是不可行的，但为了解决这个问题，使用已经提出了相关的解决方案，即管道机制，原理是一样的，命令集在一起在过去通过发送一个请求的请求，通过使用假客户做批处理执行的操作。以下代码：
static void main（String { } args）
{
connectionmultiplexer redis = connectionmultiplexer。连接（…：）；

var db = redis.getdatabase（）；
/ /批量数据customeridlist，ordertotalprice，具体的业务逻辑略
无功ordertotalprice =；

无功customeridlist =新的列表（）；

对于（int i；；i；<；+ +）
{
customeridlist添加（我）；
}

VaR批量= db.createbatch（）；

foreach（在customeridlist var item）
{
VaR CustomerID =字符串格式（customerid_ {}

Batch.SetAddAsync（CustomerID，ordertotalprice）；
}

批处理执行（）；
}
接下来，让我们看一看下面的wireshark截图。我们可以看到，有许多小的命令如萨德，这意味着许多命令一起传递，大大提高了性能。
最后，你可以再看看redis，数据也有，是不是很酷~ ~ ~
192.168.23.151:6379 > *键
1）customerid_0
2）customerid_9
3）customerid_1
4）customerid_3
5）customerid_8
6）customerid_2
7）customerid_7
8）customerid_5
9）customerid_6
10）customerid_4
以上是本文的全部内容，希望能对您有所帮助，希望大家多多支持。