批量加载

使用 Redis 协议进行批量数据写入

批量加载是将大量现有数据载入 Redis 的过程。理想情况下，您希望快速高效地执行此操作。本文档介绍了一些在 Redis 中进行批量加载数据的策略。

使用 Redis 协议进行批量加载

使用普通的 Redis 客户端进行批量加载不是一个好主意，原因有几个：天真地一个接一个地发送命令会很慢，因为每个命令都需要承担往返时间。可以使用管道 (pipelining)，但对于大量记录的批量加载，您需要在读取回复的同时写入新命令，以确保尽快插入数据。

只有一小部分客户端支持非阻塞 I/O，并且并非所有客户端都能以高效的方式解析回复以最大化吞吐量。出于所有这些原因，将数据批量导入 Redis 的首选方法是生成一个包含 Redis 协议的文本文件（原始格式），以便调用插入所需数据所需的命令。

例如，如果我需要生成一个包含数十亿个 `keyN -> ValueN` 形式键值对的大型数据集，我将创建一个包含以下 Redis 协议格式命令的文件

SET Key0 Value0
SET Key1 Value1
...
SET KeyN ValueN

创建此文件后，剩下的操作就是尽快将其提供给 Redis。过去的做法是使用 netcat 命令，如下所示

(cat data.txt; sleep 10) | nc localhost 6379 > /dev/null

然而，这不是一种非常可靠的批量导入方法，因为 netcat 并不知道何时传输了所有数据，也无法检查错误。在 Redis 2.6 或更高版本中，redis-cli 工具支持一种名为 管道模式 (pipe mode) 的新模式，该模式专为执行批量加载而设计。

使用管道模式运行的命令如下所示

cat data.txt | redis-cli --pipe

这将产生类似以下的输出

All data transferred. Waiting for the last reply...
Last reply received from server.
errors: 0, replies: 1000000

redis-cli 工具还会确保只将从 Redis 实例收到的错误重定向到标准输出。

生成 Redis 协议

Redis 协议非常容易生成和解析，并且此处有文档记录。然而，为了生成用于批量加载的协议，您无需了解协议的每个细节，只需知道每个命令都按以下方式表示即可

*<args><cr><lf>
$<len><cr><lf>
<arg0><cr><lf>
<arg1><cr><lf>
...
<argN><cr><lf>

其中 <cr> 表示 "\r"（或 ASCII 字符 13），<lf> 表示 "\n"（或 ASCII 字符 10）。

例如，命令 SET key value 由以下协议表示

*3<cr><lf>
$3<cr><lf>
SET<cr><lf>
$3<cr><lf>
key<cr><lf>
$5<cr><lf>
value<cr><lf>

或者表示为带引号的字符串

"*3\r\n$3\r\nSET\r\n$3\r\nkey\r\n$5\r\nvalue\r\n"

您需要生成的用于批量加载的文件只是由以上述方式表示的命令组成，一个接一个排列。

以下 Ruby 函数生成有效的协议

def gen_redis_proto(*cmd)
    proto = ""
    proto << "*"+cmd.length.to_s+"\r\n"
    cmd.each{|arg|
        proto << "$"+arg.to_s.bytesize.to_s+"\r\n"
        proto << arg.to_s+"\r\n"
    }
    proto
end

puts gen_redis_proto("SET","mykey","Hello World!").inspect

使用上述函数，可以通过此程序轻松生成上述示例中的键值对

(0...1000).each{|n|
    STDOUT.write(gen_redis_proto("SET","Key#{n}","Value#{n}"))
}

我们可以直接将程序通过管道传输到 redis-cli，以便执行我们的第一次批量导入会话。

$ ruby proto.rb | redis-cli --pipe
All data transferred. Waiting for the last reply...
Last reply received from server.
errors: 0, replies: 1000

管道模式的工作原理

redis-cli 的管道模式的神奇之处在于它能像 netcat 一样快速，同时还能知道服务器何时发送了最后一个回复。

这是通过以下方式实现的

  • redis-cli --pipe 尝试尽快将数据发送到服务器。
  • 同时，它会在数据可用时读取数据，并尝试解析它。
  • 当从 stdin 没有更多数据可读时，它会发送一个特殊的 ECHO 命令，带有一个随机的 20 字节字符串：我们确定这是发送的最后一个命令，并且我们确定可以通过检查是否收到相同的 20 字节作为批量回复来匹配回复。
  • 一旦发送了这个特殊的最终命令，接收回复的代码就开始用这 20 个字节匹配回复。当匹配的回复到达时，它就可以成功退出。

通过这个技巧，我们无需解析发送给服务器的协议来了解发送了多少命令，只需要解析回复即可。

然而，在解析回复时，我们会统计所有已解析的回复数量，这样在最后我们就能告诉用户批量插入会话期间传输到服务器的命令数量。

评价此页面
返回顶部 ↑