• Python3操作redis百万级数据迁移,单机到单机,集群到集群


    Python3操作redis大量数据迁移 脚本

    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2分钟复制了110万键值对的数据,差不多是每秒一万键值对的复制速度。

    使用前

    注意:

    1. 用的是Python3环境,Python2的大概需要改一下print输出
    2. 安装相关的模块
    pip install redis rediscluster
    
    • 1
    1. 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:

    1. 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
    2. 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。
    3. 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
    4. 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。
    5. 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。
    6. 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)
                    redis_target.set(k, v)
                elif data_type == 'list':
                    v = redis_source.lrange(k, 0, -1)
                    redis_target.lpush(k, *v)
                elif data_type == 'set':
                    v = redis_source.smembers(k)
                    redis_target.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
                    redis_target.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")
    
    • 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
    • 29
    • 30
    • 31
    • 32
    • 33
    • 34
    • 35
    • 36
    • 37
    • 38
    • 39
    • 40
    • 41
    • 42
    • 43
    • 44
    • 45
    • 46
    • 47
    • 48
    • 49
    • 50
    • 51
    • 52
    • 53
    • 54
    • 55
    • 56
    • 57
    • 58
    • 59
    • 60
    • 61
    • 62
    • 63
    • 64
    • 65
    • 66
    • 67
    • 68
    • 69
    • 70
    • 71
    • 72
    • 73
    • 74
    • 75
    • 76
    • 77
    • 78
    • 79
    • 80
    • 81
    • 82
    • 83
    • 84
    • 85
    • 86
    • 87
    • 88
    • 89
    • 90
    • 91
    • 92
    • 93
    • 94
    • 95
    • 96
    • 97
    • 98
    • 99
    • 100
    • 101
    • 102
    • 103
    • 104
    • 105
    • 106
    • 107
    • 108
    • 109
    • 110
    • 111
    • 112
    • 113
    • 114
    • 115
    • 116
    • 117
    • 118
    • 119
    • 120
    • 121
    • 122
    • 123
    • 124
    • 125
    • 126
    • 127
    • 128
    • 129
    • 130
    • 131
    • 132
    • 133
    • 134
    • 135
    • 136
    • 137
    • 138
    • 139
    • 140
    • 141
    • 142
    • 143
    • 144
    • 145
    • 146
    • 147
    • 148
    • 149
    • 150
    • 151
    • 152
    • 153
    • 154
    • 155
    • 156
    • 157
    • 158
    • 159
    • 160
    • 161
    • 162
    • 163
    • 164
    • 165
    • 166
    • 167
    • 168
    • 169
    • 170
    • 171
    • 172
    • 173
    • 174
    • 175
    • 176
    • 177
    • 178
    • 179
    • 180
    • 181
    • 182
    • 183
    • 184
    • 185
    • 186
    • 187
    • 188
    • 189
    • 190
    • 191
    • 192
    • 193
    • 194
    • 195
    • 196
    • 197
    • 198
    • 199
    • 200
    • 201
    • 202
    • 203
    • 204
    • 205
    • 206
    • 207
    • 208
    • 209
    • 210
    • 211
    • 212
    • 213
    • 214
    • 215
    • 216
    • 217
    • 218
    • 219
    • 220
    • 221
    • 222
    • 223
    • 224
    • 225
    • 226
    • 227
    • 228
    • 229
    • 230
    • 231
    • 232
    • 233
    • 234
    • 235
    • 236
    • 237
    • 238
    • 239
    • 240
    • 241
    • 242
    • 243
    • 244
    • 245
    • 246
    • 247
    • 248
    • 249
    • 250
    • 251
    • 252
    • 253
    • 254
    • 255
    • 256
    • 257
    • 258
    • 259
    • 260
    • 261
    • 262
    • 263
    • 264
    • 265
    • 266
    • 267
    • 268
    • 269
    • 270
    • 271
    • 272
    • 273
    • 274
    • 275
    • 276
    • 277
    • 278
    • 279
    • 280
    • 281
    • 282
    • 283
    • 284
    • 285
    • 286
    • 287
    • 288
    • 289
    • 290
    • 291
    • 292
    • 293
    • 294

    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:

    1. 使用pipeline,批量提交键值对到新的库
    2. 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。

  • 相关阅读:
    MySql学习之慢SQL优化和慢SQL案例
    uniapp启动微信小程序报错---initialize
    [ESP32 Arduino] LVGL Button的使用
    Python 之 基本概述(1)
    【python】屈小原求三峡大学面积(CTGU百年校庆)
    大数据技术之HBase+Redis详解
    RocketMQ概论
    ECCV 2022 | MaxViT: Multi-Axis Vision Transformer
    安装应用与免安装应用差异对比
    【UE5.1 角色练习】11-坐骑——Part1(控制大象移动)
  • 原文地址:https://blog.csdn.net/zhangpfly/article/details/138158556