前段時(shí)間在做用戶畫像的時(shí)候，遇到了這樣的一個(gè)問題，記錄某一個(gè)商品的用戶購買群，剛好這種需求就可以用到Redis中的Set，key作為productID，value就是具體的customerid集合，后續(xù)的話，我就可以通過productid來查看該customerid是否買了此商品，如果購買了，就可以有相關(guān)的關(guān)聯(lián)推薦，當(dāng)然這只是系統(tǒng)中的一個(gè)小業(yè)務(wù)條件，這時(shí)候我就可以用到SADD操作方法，代碼如下：
static void Main(string[] args)
{
ConnectionMultiplexer redis = ConnectionMultiplexer.Connect("192.168.23.151:6379");
var db = redis.GetDatabase();
var productID = string.Format("productID_{0}", 1);
for (int i = 0; i 10; i++)
{
var customerID = i;
db.SetAdd(productID, customerID);
}
}
一：問題
但是上面的這段代碼很明顯存在一個(gè)大問題，Redis本身就是基于tcp的一個(gè)Request/Response protocol模式，不信的話，可以用wireshark監(jiān)視一下：
從圖中可以看到，有很多次的192.168.23.1 => 192.168.23.151 之間的數(shù)據(jù)往返，從傳輸內(nèi)容中大概也可以看到有一個(gè)叫做productid_xxx的前綴，
那如果有百萬次局域網(wǎng)這樣的round trip，那這個(gè)延遲性可想而知，肯定達(dá)不到我們預(yù)想的高性能。
二：解決方案【Batch】
剛好基于我們現(xiàn)有的業(yè)務(wù)，我可以定時(shí)的將批量的productid和customerid進(jìn)行分組整合，然后用batch的形式插入到某一個(gè)具體的product的set中去，接下來我可以把上面的代碼改成類似下面這樣：
static void Main(string[] args)
{
ConnectionMultiplexer redis = ConnectionMultiplexer.Connect("...:");
var db = redis.GetDatabase();
var productID = string.Format("productID_{}", );
var list = new Listint>();
for (int i = ; i ; i++)
{
list.Add(i);
}
db.SetAdd(productID, list.Select(i => (RedisValue)i).ToArray());
}
從截圖中傳輸?shù)膔equest,response可以看到，這次我們一次性提交過去，極大的較少了在網(wǎng)絡(luò)傳輸方面帶來的尷尬性。。
三：再次提出問題
product維度的畫像我們可以解決了，但是我們還有一個(gè)customerid的維度，也就是說我需要維護(hù)一個(gè)customerid為key的set集合，其中value的值為該customerid的各種平均值，比如說“總交易次數(shù)”，“總交易金額”。。。等等這樣的聚合信息，然后推送過來的是批量的customerid，也就是說你需要定時(shí)維護(hù)一小嘬set集合，在這種情況下某一個(gè)set的批量操作就搞不定了。。。原始代碼如下：
static void Main(string[] args)
{
ConnectionMultiplexer redis = ConnectionMultiplexer.Connect("...:");
var db = redis.GetDatabase();
//批量過來的數(shù)據(jù)： customeridlist， ordertotalprice，具體業(yè)務(wù)邏輯省略
var orderTotalPrice = ;
var customerIDList = new Listint>();
for (int i = ; i ; i++)
{
customerIDList.Add(i);
}
//foreach更新每個(gè)redis 的set集合
foreach (var item in customerIDList)
{
var customerID = string.Format("customerid_{}", item);
db.SetAdd(customerID, orderTotalPrice);
}
}
四：解決方案【PipeLine】
=上面這種代碼在生產(chǎn)上當(dāng)然是行不通的，不過針對(duì)這種問題，redis早已經(jīng)提出了相關(guān)的解決方案，那就是pipeline機(jī)制，原理還是一樣，將命令集整合起來通過一條request請(qǐng)求一起送過去，由redis內(nèi)部fake出一個(gè)client做批量執(zhí)行操作，代碼如下：
static void Main(string[] args)
{
ConnectionMultiplexer redis = ConnectionMultiplexer.Connect("...:");
var db = redis.GetDatabase();
//批量過來的數(shù)據(jù)： customeridlist， ordertotalprice，具體業(yè)務(wù)邏輯省略
var orderTotalPrice = ;
var customerIDList = new Listint>();
for (int i = ; i ; i++)
{
customerIDList.Add(i);
}
var batch = db.CreateBatch();
foreach (var item in customerIDList)
{
var customerID = string.Format("customerid_{}", item);
batch.SetAddAsync(customerID, orderTotalPrice);
}
batch.Execute();
}
然后，我們?cè)倏聪旅娴膚ireshark截圖，可以看到有很多的SADD這樣的小命令，這就說明有很多命令是一起過去的，大大的提升了性能。
最后可以再看一下redis，數(shù)據(jù)也是有的，是不是很爽~~~
192.168.23.151:6379> keys *
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"
以上就是本文的全部內(nèi)容，希望對(duì)大家的學(xué)習(xí)有所幫助，也希望大家多多支持腳本之家。
您可能感興趣的文章:- Redis cluster集群的介紹
- Spring-data-redis操作redis cluster的示例代碼
- Windows環(huán)境下Redis Cluster環(huán)境搭建(圖文)
- 如何用docker部署redis cluster的方法
- 在Redis集群中使用pipeline批量插入的實(shí)現(xiàn)方法
- python使用pipeline批量讀寫redis的方法
- 詳解Java使用Pipeline對(duì)Redis批量讀寫（hmset&hgetall）
- redis cluster支持pipeline的實(shí)現(xiàn)思路
