UNITEDアドテクブログ | Redisにおけるデータの大量挿入手法

こんにちは。Bypass開発チームの川住と申します。
今回はRedisにおけるデータの大量挿入手法について紹介します。

Redisとは？

まず、Redisについて少し紹介します。
Redisとは、メモリ上に Key-Value Store（KVS）を構築できるソフトウェアです（http://redis.io/）。
同系統のソフトウェアにはmemcached (http://memcached.org/) などがあります。
memcachedと比較すると、

シングルスレッドでクエリを処理する
データを永続化できる
ハッシュやリストなど、様々なデータ型を利用できる

といった特徴があります。

これらのソフトウェアを用いると、
メモリ上にデータを保持しており、かつ処理がシンプルであるため、
高速にデータの取得（格納）可能なKVSを構築できます。

データの大量挿入

本題に移ります。
Redisのデータの格納はとても高速ですが、シングルスレッドでクエリを処理するため、
データ数に比例して処理に時間がかかってしまいます。

そこで、大量のデータを挿入する時には、
「1件あたりのデータの挿入にかかる時間」をできるだけ短くする必要があります。

弊社では、Perlスクリプトでデータを加工し、Redisに大量のデータを格納しています。
この時、PerlのRedisモジュールを用いて1件ずつデータを格納してしまうと、

Redisとのデータの送受信で発生するRTT (Round-Trip Time)
Redisからのレスポンスをパースし、Perlのデータ型に加工する時間

が問題になります。そこで、

複数のコマンドの一括送信
- pipiline機能の利用 (http://redis.io/topics/pipelining)
Redisからのレスポンスの破棄
- socketやnc (netcat) でコマンドを送信し、レスポンスを/dev/null等に捨てる

を行い、処理時間を削減します。

処理時間の計測

下記の手法で10万件のデータの格納にかかった時間をそれぞれ計測しました。

PerlのRedisモジュールを使う（手法1）

#!/usr/bin/perl
use strict;
use warnings;
use Redis;
`echo "flushdb" | redis-cli`;  
my $r    = Redis->new( server => '127.0.0.1:6379' );
my %data = ("foo" => "1", "bar" => "1");
for(my $i = 0;$i &lt; 100000;$i++){
    $r->hmset("Test::$i" , %data);
    $r->expire("Test::$i", 86400);
}

#!/usr/bin/perl

use strict;

use warnings;

use Redis;

`echo "flushdb" | redis-cli`;

my $r = Redis->new( server => '127.0.0.1:6379' );

my %data = ("foo" => "1", "bar" => "1");

for(my $i = 0;$i < 100000;$i++){

$r->hmset("Test::$i" , %data);

$r->expire("Test::$i", 86400);

}

socketを用いてデータを流し込む（手法2）

#!/usr/bin/perl
use strict;
use warnings;
use IO::Socket::INET;
`echo "flushdb" | redis-cli`;
my $sock = IO::Socket::INET->new(
    PeerAddr => "localhost",
    PeerPort => 6379,
    Proto    => "tcp"
) or die $!;
for(my $i = 0;$i &lt; 100000;$i++){
    $sock->print("hmset Test::$i foo 1 bar 1\r\nexpire Test::$i 86400\r\n");
}
close($sock);

#!/usr/bin/perl

use strict;

use warnings;

use IO::Socket::INET;

`echo "flushdb" | redis-cli`;

my $sock = IO::Socket::INET->new(

PeerAddr => "localhost",

PeerPort => 6379,

Proto => "tcp"

) or die $!;

for(my $i = 0;$i < 100000;$i++){

$sock->print("hmset Test::$i foo 1 bar 1\r\nexpire Test::$i 86400\r\n");

}

close($sock);

ncを用いてデータを流し込む（手法3）

# !/usr/bin/perl
use strict;
use warnings;
`echo "flushdb" | redis-cli`;
my $fh;
open($fh, "| nc 127.0.0.1 6379 > /dev/null") or die $!;
for(my $i = 0;$i &lt; 100000;$i++){
    print $fh "hmset Test::$i foo 1 bar 1\r\nexpire Test::$i 86400\r\n";
}
close($fh);

# !/usr/bin/perl

use strict;

use warnings;

`echo "flushdb" | redis-cli`;

my $fh;

open($fh, "| nc 127.0.0.1 6379 > /dev/null") or die $!;

for(my $i = 0;$i < 100000;$i++){

print $fh "hmset Test::$i foo 1 bar 1\r\nexpire Test::$i 86400\r\n";

}

close($fh);

計測結果

同端末で各手法5回ずつ試行し、その平均を処理時間としました。

手法	処理時間 (sec)	ロス率
手法1 (module)	59.710145	0%
手法2 (socket)	2.978576	0%
手法3 (netcat)	2.626164	18%

複数のデータの格納コマンドを一括で送信し、
レスポンスのパースを行わないことによって処理時間を大幅に削減できます。
socketを用いる場合は送信（受信）バッファの管理を行わないと、
バッファ溢れによってデータロスが発生してしまいます。

まとめ

今回はRedisにおけるデータの大量insert手法を紹介しました。
目的に合わせて最適な手法を選択することでより効率的にデータを処理できるようになります。
（参考URL: http://redis.io/topics/mass-insert）