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
使用前
使用注意事项
脚本
总结

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：

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 -*-
# 2024/4/24from datetime import datetime
import time
import threading
import redis
from rediscluster import RedisClusterdef 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 // numelse:small_list_len = list_len // num + 1start = 0for i in range(num):# print(i)new_list.append(big_list[start: start + small_list_len])start += small_list_lenelse:new_list.append(big_list)return new_listdef 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 = 0with 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pipelinepipe.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 = 10000start_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_timeprint(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。