前段时间在做用户画像的时候，遇到了这样的一个问题，记录某一个商品的用户购买群，刚好这种需求就可以用到Redis中的Set，key作为productID，value
就是具体的customerid集合，后续的话，我就可以通过productid来查看该customerid是否买了此商品，如果购买了，就可以有相关的关联推荐，当然这只是系统中
的一个小业务条件，这时候我就可以用到SADD操作方法，代码如下：
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：问题
但是上面的这段代码很明显存在一个大问题，Redis本身就是基于tcp的一个Request/Response protocol模式，不信的话，可以用wireshark监视一下：
从图中可以看到，有很多次的192.168.23.1 => 192.168.23.151 之间的数据往返，从传输内容中大概也可以看到有一个叫做productid_xxx的前缀，
那如果有百万次局域网这样的round trip，那这个延迟性可想而知，肯定达不到我们预想的高性能。
二：解决方案【Batch】
刚好基于我们现有的业务，我可以定时的将批量的productid和customerid进行分组整合，然后用batch的形式插入到某一个具体的product的set中去，
接下来我可以把上面的代码改成类似下面这样：
1 static void Main(string[] args) 2 { 3 ConnectionMultiplexer redis = ConnectionMultiplexer.Connect("192.168.23.151:6379"); 4 5 var db = redis.GetDatabase(); 6 7 var productID = string.Format("productID_{0}", 1); 8 9 var list = new List<int>();10 11 12 for (int i = 0; i < 10; i++)13 {14 list.Add(i);15 }16 17 db.SetAdd(productID, list.Select(i => (RedisValue)i).ToArray());18 }
从截图中传输的request,response可以看到，这次我们一次性提交过去，极大的较少了在网络传输方面带来的尴尬性。。
三：再次提出问题
product维度的画像我们可以解决了，但是我们还有一个customerid的维度，也就是说我需要维护一个customerid为key的set集合，其中value的值为
该customerid的各种平均值，比如说“总交易次数”，“总交易金额”。。。等等这样的聚合信息，然后推送过来的是批量的customerid，也就是说你需要定时
维护一小嘬set集合，在这种情况下某一个set的批量操作就搞不定了。。。原始代码如下：
1 static void Main(string[] args) 2 { 3 ConnectionMultiplexer redis = ConnectionMultiplexer.Connect("192.168.23.151:6379"); 4 5 var db = redis.GetDatabase(); 6 7 8 //批量过来的数据： customeridlist， ordertotalprice，具体业务逻辑省略 9 var orderTotalPrice = 100;10 11 var customerIDList = new List<int>();12 13 for (int i = 0; i < 10; i++)14 {15 customerIDList.Add(i);16 }17 18 //foreach更新每个redis 的set集合19 foreach (var item in customerIDList)20 {21 var customerID = string.Format("customerid_{0}", item);22 23 db.SetAdd(customerID, orderTotalPrice);24 }25 }
四：解决方案【PipeLine】
上面这种代码在生产上当然是行不通的，不过针对这种问题，redis早已经提出了相关的解决方案，那就是pipeline机制，原理还是一样，将命令集整合起来通过
一条request请求一起送过去，由redis内部fake出一个client做批量执行操作，代码如下：
1 static void Main(string[] args) 2 { 3 ConnectionMultiplexer redis = ConnectionMultiplexer.Connect("192.168.23.151:6379"); 4 5 var db = redis.GetDatabase(); 6 7 8 //批量过来的数据： customeridlist， ordertotalprice，具体业务逻辑省略 9 var orderTotalPrice = 100;10 11 var customerIDList = new List<int>();12 13 for (int i = 0; i < 10; i++)14 {15 customerIDList.Add(i);16 }17 18 var batch = db.CreateBatch();19 20 foreach (var item in customerIDList)21 {22 var customerID = string.Format("customerid_{0}", item);23 24 batch.SetAddAsync(customerID, orderTotalPrice);25 }26 27 batch.Execute();28 }
然后，我们再看下面的wireshark截图，可以看到有很多的SADD这样的小命令，这就说明有很多命令是一起过去的，大大的提升了性能。
最后可以再看一下redis，数据也是有的，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"
好了，先就说到这里了，希望本篇对你有帮助。