背景
之前写过一个用python迁移redis的脚本，但是对于小批量的数据、单节点的，还可以用。对于大量数据，集群模式的就不太适合了。所以写了下面的脚本，而且做了一定的优化，使用的pipeline和多线程，保证了迁移数据的速度，本人测试，大概100s复制了110万键值对的数据，差不多是每秒一万键值对的复制速度。
最新进展20240429：
代码变化不大的情况下，用了multiprocessing模块，这个效率要高一些，大概80-90s复制了110万键值对的数据
而且加大线程数之后，能做到60s左右复制了110万键值对；140s约300万键值对，；50线程，1051万键值对，用了460s；大约2万多键值对每秒。
再同时用多进程和多线程的情况下，对比只用多线程，提升的并不明显。因为此时redis导入新库只能用一个个键值设置的方式，不能用redis pipe提交了，提交速度变慢了。
使用前
注意：
- 用的是Python3环境，Python2的大概需要改一下print输出
- 安装相关的模块
pip install redis rediscluster
- 可以在windows、linux环境下使用，注意修改里面的一些设置
使用注意事项
下面是一些需要注意的：
- 下面的脚本，如果redis数据超过500万键值对，很可能会有瓶颈，因为是一次性取的redis的所有键组成列表，列表很大，大概率会有阻塞。这样就不建议这种迁移方式了
- 下面的脚本，是建立在新的redis实例是空数据，或者说没有与原redis实例键值重复的情况下，要不然会重写。
- 下面的脚本，是迁移了所有键值对，没有做一些键的匹配，不过改起来不复杂
- 下面的脚本，多线程和批量提交的参数，如有必要可以改一下，对比测试。包括一些redis实例的参数配置也一样，如有必要可以改。
- 下面的脚本，单机到集群等各种迁移模式，要根据实际情况进行修改。
- 这个脚本，没办法实现实时复制，如果原redis数据库一直有增量数据，而且比较大，最好用其他方式迁移。因为脚本读取的redis Key值列表，只是那一个时间的，新库老库数据会有几分钟的差异。如果是把redis当做持久化库而不是缓存库的情况，也不适合。
暂时就这些了。
脚本
内容如下，根据实际情况进行调整
#!/usr/bin/env python
# -*- coding: utf-8 -*-
# 2024/4/24
from datetime import datetime
import time
import threading
import redis
from rediscluster import RedisCluster
def split_list(big_list, num=1):
"""
原来是[1,2,3,4,5,6]的列表，拆分成[[1,2], [3,4], [5,6]]小列表，主要是为了多线程
:param big_list: 大列表
:param num: 拆分多少个列表，这个主要对应后面的线程数，或者说redis的连接数，不能设置的太大，否则会报错Too many connections
:return: 新的列表
"""
list_len = len(big_list)
new_list = []
if list_len > num:
if list_len % num == 0:
small_list_len = list_len // num
else:
small_list_len = list_len // num + 1
start = 0
for i in range(num):
# print(i)
new_list.append(big_list[start: start + small_list_len])
start += small_list_len
else:
new_list.append(big_list)
return new_list
def redis_get_set(redis_source, redis_target, redis_list, batch_size=100):
"""
读取redis“键”列表，获取Key/Value值，写入到新的redis
:param redis_source: 原redis实例
:param redis_target: 新redis实例
:param redis_list: 要迁移的redis Key值列表
:param batch_size: 使用pipeline写入新的redis实例，提高写入效率
:return:
"""
count = 0
with redis_target.pipeline() as pipe:
for k in redis_list:
data_type = redis_source.type(k)
# 判断key值数据类型，分别处理，没有stream数据类型的处理，后面有必要再添加
if data_type == 'string':
v = redis_source.get(k)
pipe.set(k, v)
elif data_type == 'list':
v = redis_source.lrange(k, 0, -1)
pipe.lpush(k, *v)
elif data_type == 'set':
v = redis_source.smembers(k)
pipe.sadd(k, *v)
elif data_type == 'hash':
fields = redis_source.hgetall(k)
pipe.hset(k, mapping=fields)
elif data_type == 'zset':
v = redis_source.zrange(k, 0, -1, withscores=True)
# 需要将元组数据转化为字典数据
pipe.zadd(k, dict(v))
else:
print('not known type')
count += 1
# 如果数据量较大，循环batch_size次数后提交一次
if count % batch_size == 0:
print(f'\n当前时间：{datetime.now()}，进程：{threading.current_thread()}，已完成{count}对读写操作')
pipe.execute()
pipe.reset()
# 最后再提交一次pipeline
pipe.execute()
pipe.reset()
print(f'\n当前时间：{datetime.now()}，进程：{threading.current_thread()}，已完成所有读写操作！')
def redis_copy(redis_source, redis_target, thread_num=5, batch_size=100):
"""
将原始redis的Key值大列表进行拆分，然后拆分后的列表进行多线程处理
:param redis_source: 原redis实例
:param redis_target: 新redis实例
:param thread_num: 线程数，将大列表拆分为几个小列表，这个数不要太大，一般10个就行，不然程序会报错
:param batch_size:
:return:
"""
# 检查两个redis是否可用
try:
redis_source.ping()
redis_target.ping()
print("Redis节点可连接")
except Exception as e:
print(f"连接Redis失败: {e}")
redis_target = None
# 线程列表
threads = []
if redis_target:
new_list = split_list(redis_source.keys('*'), thread_num)
for data in new_list:
t = threading.Thread(target=redis_get_set, args=(redis_source, redis_target, data, batch_size))
threads.append(t)
t.start()
for t in threads:
t.join()
print("所有线程执行完毕")
def single_to_single(thread_num, batch_size):
"""
单节点迁移到单节点
"""
# 原始redis，单节点
source_pool = redis.ConnectionPool(
host='192.168.10.1',
port=6379,
db=0,
password='123456',
encoding='utf-8',
decode_responses=True,
socket_timeout=10,
max_connections=100
)
redis_source = redis.Redis(connection_pool=source_pool)
# 目标redis，单节点
target_pool = redis.ConnectionPool(
host='192.168.10.2',
port=6369,
db=0,
password='123456',
encoding='utf-8',
decode_responses=True,
socket_timeout=10,
max_connections=100
)
redis_target = redis.Redis(connection_pool=target_pool)
redis_copy(redis_source, redis_target, thread_num=10, batch_size=10000)
def single_to_cluster(thread_num, batch_size):
"""
单节点迁移到单节点
"""
# 原始redis，单节点
source_pool = redis.ConnectionPool(
host='192.168.10.1',
port=6379,
db=0,
password='123456',
encoding='utf-8',
decode_responses=True,
socket_timeout=10,
max_connections=100
)
redis_source = redis.Redis(connection_pool=source_pool)
# 目标redis，集群
target_node_list = [
{"host": "192.168.11.1", "port": "6379"},
{"host": "192.168.11.2", "port": "6379"},
{"host": "192.168.11.3", "port": "6379"},
{"host": "192.168.11.4", "port": "6379"},
{"host": "192.168.11.5", "port": "6379"},
{"host": "192.168.11.6", "port": "6379"},
]
# 创建RedisCluster的实例
# decode_responses设置为True会自动将响应数据解码为utf-8编码的字符串
redis_cluster_target = RedisCluster(
startup_nodes=target_node_list,
decode_responses=True,
password='123456'
)
redis_copy(redis_source, redis_cluster_target, thread_num=10, batch_size=10000)
def cluster_to_single(thread_num, batch_size):
"""
集群迁移到集群
"""
# 原始redis，集群
source_node_list = [
{"host": "192.168.0.1", "port": "6379"},
{"host": "192.168.0.2", "port": "6379"},
{"host": "192.168.0.3", "port": "6379"},
{"host": "192.168.0.4", "port": "6379"},
{"host": "192.168.0.5", "port": "6379"},
{"host": "192.168.0.6", "port": "6379"},
]
# 创建RedisCluster的实例
# decode_responses设置为True会自动将响应数据解码为utf-8编码的字符串
redis_cluster_source = RedisCluster(
startup_nodes=source_node_list,
decode_responses=True,
password='123456'
)
# 目标redis，单节点
target_pool = redis.ConnectionPool(
host='192.168.10.2',
port=6369,
db=0,
password='123456',
encoding='utf-8',
decode_responses=True,
socket_timeout=10,
max_connections=100
)
redis_target = redis.Redis(connection_pool=target_pool)
redis_copy(redis_cluster_source, redis_target, thread_num=10, batch_size=10000)
def cluster_to_cluster(thread_num, batch_size):
"""
集群迁移到集群
"""
# 原始redis，集群
source_node_list = [
{"host": "192.168.0.1", "port": "6379"},
{"host": "192.168.0.2", "port": "6379"},
{"host": "192.168.0.3", "port": "6379"},
{"host": "192.168.0.4", "port": "6379"},
{"host": "192.168.0.5", "port": "6379"},
{"host": "192.168.0.6", "port": "6379"},
]
# 创建RedisCluster的实例
# decode_responses设置为True会自动将响应数据解码为utf-8编码的字符串
redis_cluster_source = RedisCluster(
startup_nodes=source_node_list,
decode_responses=True,
password='123456'
)
# 目标redis，集群
target_node_list = [
{"host": "192.168.11.1", "port": "6379"},
{"host": "192.168.11.2", "port": "6379"},
{"host": "192.168.11.3", "port": "6379"},
{"host": "192.168.11.4", "port": "6379"},
{"host": "192.168.11.5", "port": "6379"},
{"host": "192.168.11.6", "port": "6379"},
]
# 创建RedisCluster的实例
# decode_responses设置为True会自动将响应数据解码为utf-8编码的字符串
redis_cluster_target = RedisCluster(
startup_nodes=target_node_list,
decode_responses=True,
password='123456'
)
redis_copy(redis_cluster_source, redis_cluster_target, thread_num=10, batch_size=10000)
if __name__ == '__main__':
# 性能与效率控制
# 线程数
thread_num = 10
# 写入批量提交数
batch_size = 10000
start_time = time.perf_counter()
# 单节点迁移到单节点
single_to_single(thread_num, batch_size)
# 单节点迁移到集群
# single_to_cluster(thread_num, batch_size)
# 集群迁移到单节点
# cluster_to_single(thread_num, batch_size)
# 集群迁移到集群
# cluster_to_cluster(thread_num, batch_size)
end_time = time.perf_counter()
# 计算执行时间
execution_time = end_time - start_time
print(f"代码执行时间: {execution_time} 秒")
总结
上面的代码，为了优化性能，改了好几次。刚开始的时候，50万键值对数据（5个数据类型各10万左右），迁移复制大概需要300s-400s左右，平均每秒钟大约复制1300-1700的键值对，经过多次优化，平均每秒钟大约复制9000的键值对，提升了6-7倍左右。
优化思路：
- 使用pipeline，批量提交键值对到新的库
- 在数据量比较大的情况下，原redis的键整体取出后，是一个比较大的列表，先将这个大列表拆分为较为平均的几个小列表，然后使用多线程分别对小列表数据读写，可能大大提高读写效率。但是线程数也没必要设置太高，一个是redis连接数有限制，还有一个是我试了一下，比如从10提升到20，读写速度提升的不是太明显。
其它思考：
1 还能进行哪些优化呢？我看有些商业软件能做到每秒钟10万级别KV的复制，想不出来怎么做的。
88
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
