redis pipeline 你真的了解redis为什么要提供pipeline功能

 Redis本身是一个cs模式的tcp server, client可以通过一个socket连续发起多个请求命令。 每个请求命令发出后client通常会阻塞并等待redis服务端处理，redis服务端处理完后将结果返回给client。

       redis的pipeline(管道)功能在命令行中没有，但redis是支持pipeline的，而且在各个语言版的client中都有相应的实现。 由于网络开销延迟，即算redis server端有很强的处理能力，也由于收到的client消息少，而造成吞吐量小。当client 使用pipelining 发送命令时，redis server必须部分请求放到队列中（使用内存）执行完毕后一次性发送结果；如果发送的命名很多的话，建议对返回的结果加标签，当然这也会增加使用的内存；

       Pipeline在某些场景下非常有用，比如有多个command需要被“及时的”提交，而且他们对相应结果没有互相依赖，而且对结果响应也无需立即获得，那么pipeline就可以充当这种“批处理”的工具；而且在一定程度上，可以较大的提升性能,性能提升的原因主要是TCP链接中较少了“交互往返”的时间。不过在编码时请注意，pipeline期间将“独占”链接，此期间将不能进行非“管道”类型的其他操作，直到pipeline关闭；如果你的pipeline的指令集很庞大，为了不干扰链接中的其他操作，你可以为pipeline操作新建Client链接，让pipeline和其他正常操作分离在2个client中。不过pipeline事实上所能容忍的操作个数，和socket-output缓冲区大小/返回结果的数据尺寸都有很大的关系；同时也意味着每个redis-server同时所能支撑的pipeline链接的个数，也是有限的，这将受限于server的物理内存或网络接口的缓冲能力。

下面给大家普及redis为什么要提供pipeline功能。

通常我们用redis做接口缓存后，查询接口的性能就能提升到ms级别；
但是redis是纯内存操作啊，总不至于要到ms吧，根据官方的 benchmark 单实例也是能抗 7w+ qps 也就是说单个redis 操作在redis-server上耗时大概是 0.014ms，那时间是消耗到哪里去了？

redis是 client-server 模型，client客户端将 command 通过tcp网络连接发送到 server服务端，服务端执行完 command 后将响应再通过 tcp 连接发送给client；

对于应用服务来说，我们所关注的性能其实是客户端时间，即前面的整个执行过程，虽然 redis-server 命令执行的非常快，但每次命令执行都需要在网络上走一遭，按照我们公司redis客户端中间件统计的rt，一次命令的执行平均是1ms 左右，那么网络耗时占比： 1-0.014 / 1 = 0.98(98%!!! ) 可见，大部分时间都耗在网络io上

所以，减少网络io次数就能大大提供 redis-client 所感知的耗时，提升应用服务性能，redis提供的 pipeline 功能，让我们可以提交一个命令后，不用等这个返回结果就可以继续执行下一个命令，也就是说，可以执行多个命令后，一次性获取所有结果； 这样就大大减少了在网络上的消耗

比如

Client: INCR X
Client: INCR X
Client: INCR X
Client: INCR X

Server: 1
Server: 2
Server: 3
Server: 4

除此之外，减少了网络读写次数的同时，也减少了 redis-server 内核态和用户态的上下文切换，进一步提高了性能

性能提升了多少？

redis官方声称pipeline可带来10倍的性能提升

测试机Intel(R) Xeon(R) CPU E5520 @ 2.27GHz， 用pipeline比没用pipeline性能提升了将近7倍

// 用pipeline
$ ./redis-benchmark -r 1000000 -n 2000000 -t get,set,lpush,lpop -P 16 -q
SET: 552028.75 requests per second
GET: 707463.75 requests per second
LPUSH: 767459.75 requests per second
LPOP: 770119.38 requests per second

// 没用pipeline
SET: 122556.53 requests per second
GET: 123601.76 requests per second
LPUSH: 136752.14 requests per second
LPOP: 132424.03 requests per second

注意，使用pipeline的时候，多个命令的响应是缓存在server端的，所以在 pipeline 里一批命令的数量不要过多，以免服务端内存压力过大

其实，减少网络io次数的处理技巧还是比较常见的，如

• CSS Sprites，将很多小图标合并成一张图片
• jdbc batch api批量提交sql

参考：

https://redis.io/topics/pipelining

https://redis.io/topics/benchmarks