pipeline (流水线)

流水线是能够帮助客户端将多条命令打包一起发送给服务端的工具。

情景1：
客户端如果想获取或者设置多个key，可以发送多次get,set命令。
但是每次命令从客户端传到redis服务端都要消耗网络时间。发送n次会消耗n次网络时间。
客户端等待的时间 = n次网络时间+n次命令时间(包括命令排队时间和执行时间)

解决方法：使用mget或者mset，只发送了一次命令
客户端等待的时间 = 1次网络时间+n次命令时间(包括命令排队时间和执行时间)

情景2：
客户端要执行多个命令，如hget,get,set,lpush这四个命令。此时无法向mget一样用一条命令代替多条命令。
所以
客户端等待的时间 = n次网络时间+n次命令时间(包括命令排队时间和执行时间)

解决方法：使用pipeline，可以将上述4条命令打包并一次性发送给服务端批量处理。
客户端等待的时间 = 1次网络时间+n次命令时间(包括命令排队时间和执行时间)

这就是pipeline的应用场景。

注意点：
a.使用redis时，网络会成为redis的一个瓶颈

redis的处理速度是微秒级别，而网络传输的速度是毫秒级别，远远慢于redis的处理速度。所以在使用redis时，网络速度会成为redis的一个瓶颈，节省网络传输的时间得到的收益会远高于节省命令执行时间的收益。
这也凸显出pipeline的重要性。

b.M操作是原子性的，而pipeline不是原子性的。

M操作

pipeline操作

mget在等待队列和执行命令是作为一个命令来执行。
而pipline中打包的命令不会作为一个命令一次性执行，而拆分回原来n个命令一一执行

c.pipeline每次携带的命令数量不能太多，如果有很多命令，可以使用多个pipeline传输。
如 10000个命令，可以使用10个pipeline分批传输。

d.pipline每次只能作用于一个redis节点

pipeline如何使用，每个客户端都不同。这里贴出Python使用pipeline的方式：

import redis 
r = redis.Redis("127.0.0.1",6379)
pipe = r.pipeline()
pipe.set("name","zbp")
pipe.get("name")
res = pipe.execute()
print(res)

返回的结果是一个列表，元素是每一条redis命令的返回值

更多内容请关注微信公众号