前段時間在做用戶畫像的時候，遇到了這樣的一個問題，記錄某一個商品的用戶購買群，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，就可以有相關的關聯推薦，當然這只是系統中的一個小業(yè)務條件，這時候我就可以用到SADD操作方法，代碼如下：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
|
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大問題，Redis本身就是基于tcp的一個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 之間的數據往返，從傳輸內容中大概也可以看到有一個叫做productid_xxx的前綴，
那如果有百萬次局域網這樣的round trip，那這個延遲性可想而知，肯定達不到我們預想的高性能。
二：解決方案【Batch】
剛好基于我們現有的業(yè)務，我可以定時的將批量的productid和customerid進行分組整合，然后用batch的形式插入到某一個具體的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：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
|
static void Main(string[] args){ ConnectionMultiplexer redis = ConnectionMultiplexer.Connect("...:"); var db = redis.GetDatabase(); var productID = string.Format("productID_{}", ); var list = new List<int>(); for (int i = ; i < ; i++) { list.Add(i); } db.SetAdd(productID, list.Select(i => (RedisValue)i).ToArray());} |
從截圖中傳輸的request,response可以看到，這次我們一次性提交過去，極大的較少了在網絡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customerid的維度，也就是說我需要維護一個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”，“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維護一小嘬set集合，在這種情況下某一個set的批量操作就搞不定了。。。原始代碼如下：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
|
static void Main(string[] args){ ConnectionMultiplexer redis = ConnectionMultiplexer.Connect("...:"); var db = redis.GetDatabase(); //批量過來的數據： customeridlist， ordertotalprice，具體業(yè)務邏輯省略 var orderTotalPrice = ; var customerIDList = new List<int>(); for (int i = ; i < ; i++) { customerIDList.Add(i); } //foreach更新每個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上當然是行不通的，不過針對這種問題，redis早已經提出了相關的解決方案，那就是pipeline機制，原理還是一樣，將命令集整合起來通過一條request請求一起送過去，由redis內部fake出一個client做批量執(zhí)行操作，代碼如下：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
|
static void Main(string[] args){ ConnectionMultiplexer redis = ConnectionMultiplexer.Connect("...:"); var db = redis.GetDatabase(); //批量過來的數據： customeridlist， ordertotalprice，具體業(yè)務邏輯省略 var orderTotalPrice = ; var customerIDList = new List<int>(); 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，我們再看下面的wireshark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，數據也是有的，是不是很爽~~~
|
1
2
3
4
5
6
7
8
9
10
11
|
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容，希望對大家的學習有所幫助，也希望大家多多支持服務器之家。
