Redis 从入门到精通(十):管道技术

系列导读:本篇将深入讲解 Redis 管道技术,大幅提升批量操作性能。


文章目录

    • 一、管道技术原理
      • [1.1 传统请求模式](#1.1 传统请求模式)
      • [1.2 管道模式](#1.2 管道模式)
    • 二、管道使用方式
      • [2.1 命令行管道](#2.1 命令行管道)
      • [2.2 Python 管道](#2.2 Python 管道)
      • [2.3 Java 管道](#2.3 Java 管道)
    • 三、性能对比
      • [3.1 测试代码](#3.1 测试代码)
      • [3.2 性能对比](#3.2 性能对比)
    • 四、最佳实践
      • [4.1 适用场景](#4.1 适用场景)
      • [4.2 注意事项](#4.2 注意事项)
    • 总结

一、管道技术原理

1.1 传统请求模式

复制代码
客户端                服务端
  │                     │
  │──── 请求1 ─────────►│
  │◄──── 响应1 ─────────│
  │                     │
  │──── 请求2 ─────────►│
  │◄──── 响应2 ─────────│
  │                     │
  │──── 请求3 ─────────►│
  │◄──── 响应3 ─────────│

每次请求都需要等待响应(RTT开销)

1.2 管道模式

复制代码
客户端                服务端
  │                     │
  │──── 请求1 ─────────►│
  │──── 请求2 ─────────►│
  │──── 请求3 ─────────►│
  │                     │
  │◄──── 响应1 ─────────│
  │◄──── 响应2 ─────────│
  │◄──── 响应3 ─────────│

批量发送,批量接收,减少RTT

二、管道使用方式

2.1 命令行管道

bash 复制代码
# 使用管道批量执行
(echo -en "PING\r\nSET key1 value1\r\nGET key1\r\n"; sleep 1) | nc localhost 6379

# 使用redis-cli --pipe
cat commands.txt | redis-cli --pipe

2.2 Python 管道

python 复制代码
import redis

r = redis.Redis(host='localhost', port=6379)

# 使用管道
pipe = r.pipeline()

# 批量操作
pipe.set('key1', 'value1')
pipe.set('key2', 'value2')
pipe.set('key3', 'value3')
pipe.get('key1')

# 执行
results = pipe.execute()
print(results)

2.3 Java 管道

java 复制代码
Jedis jedis = new Jedis("localhost");
Pipeline pipeline = jedis.pipelined();

pipeline.set("key1", "value1");
pipeline.set("key2", "value2");
pipeline.get("key1");

List<Object> results = pipeline.syncAndReturnAll();

三、性能对比

3.1 测试代码

python 复制代码
import redis
import time

r = redis.Redis()

# 无管道
start = time.time()
for i in range(10000):
    r.set(f'key{i}', f'value{i}')
print(f"无管道: {time.time() - start:.2f}秒")

# 有管道
start = time.time()
pipe = r.pipeline()
for i in range(10000):
    pipe.set(f'key{i}', f'value{i}')
pipe.execute()
print(f"有管道: {time.time() - start:.2f}秒")

3.2 性能对比

操作 无管道 有管道 提升
10000次SET 1.18秒 0.25秒 5倍
100000次SET 11.8秒 2.5秒 5倍

四、最佳实践

4.1 适用场景

复制代码
✅ 批量写入数据
✅ 批量读取数据
✅ 数据迁移
✅ 初始化数据

4.2 注意事项

python 复制代码
# 控制管道大小,避免内存溢出
def batch_insert(data, batch_size=1000):
    pipe = r.pipeline()
    for i, item in enumerate(data):
        pipe.set(item['key'], item['value'])
        if (i + 1) % batch_size == 0:
            pipe.execute()
            pipe = r.pipeline()
    pipe.execute()

总结

本文我们学习了:

✅ 管道原理 :减少RTT开销

✅ 使用方式 :命令行、Python、Java

✅ 性能提升 :5倍以上性能提升

✅ 最佳实践:控制批次大小

下篇预告 :[Redis 从入门到精通(十一):持久化配置](#Redis 从入门到精通(十一):持久化配置)


作者 :刘~浪地球
系列 :Redis 从入门到精通(十)
更新时间:2026-04-06

相关推荐
未秃头的程序猿28 分钟前
RedisTemplate 序列化用错,线上多了 3 个 G 的隐形 key
redis·后端
殷紫川2 小时前
写穿硬盘的秘密:LSM-Tree 如何把随机写变成顺序写的艺术
数据库
草莓熊Lotso3 小时前
【C++ 基于微服务的即时通讯系统】用户服务之Redis数据层落地:会话、登录状态与验证码全封装
数据库·c++·redis·微服务·语音识别
Flynn Liang4 小时前
AI Agent 分层记忆体系实战:用 Redis 五类结构构建可淘汰、可追溯的长短期记忆
数据库·人工智能·redis
IT规划师4 小时前
Redis 核心机制 | 事务:执行序列的原子性、乐观锁与 8.x 条件写
redis·.net
Henry-SAP14 小时前
PP的生产调度员(Production Scheduler)的角色与配置
数据库
Flynn Liang16 小时前
HikariCP 连接池不是越大越好:I/O 密集型 Java 服务的数据库容量工程
java·数据库·mysql·高并发·连接池·hikaricp·sql 优化
小乖写代码18 小时前
消息、回执与媒体 · msgstore.db · Messages, Receipts, and Media
数据库·媒体·whatsapp·消息回执
泓度科技18 小时前
接口防暴力破解+短信防刷,低成本安全加固怎么做
redis·安全加固·限流熔断·接口防暴力破解·短信防刷