序言
Redis中的管道（PipeLine）特性：简述一下就是，Redis如何从客户端一次发送多个命令，服务端到客户端如何一次性响应多个命令。
Redis使用的是客户端-服务器模型和请求/响应协议的TCP服务器,这就意味着一个请求要有以下步骤才能完成：1、客户端向服务器发送查询命令，然后通常以阻塞的方式等待服务器相应。2、服务器处理查询命令，并将相应发送回客户端。这样便会通过网络连接，如果是本地回环接口那么就能特别迅速的响应，但是如果走外网，甚至外网再做一系列的层层转发，那就显的格外蛋疼。无论网络延时是多少，那么都将占用整体响应的时间。这样一来如果一次发送1个命令，网络延时为100ms，我们不得不做。那么如果1次发1000个命令，那么网络延时100*1000ms就很难容忍啦。
针对与上面的问题，Redis在2.6版本以后就都提供啦管道（Pipeline）功能。他可以使客户端在没有读取旧的响应时，处理新的请求。这样便可以向服务器发送多个命令，而不必等待答复，直到最后一个步骤中读取答复。这被称为管线（PipeLine），并且是几十年来广泛使用的技术。例如，许多POP3协议实现已经支持此功能，大大加快了从服务器下载新电子邮件的过程。
那么事务这个词汇，经常遇到，就不多唧唧啦，目标要一致就好，便是一组操作怎么做成原子性操作，使他去不了终点，回到原点。
简述wireshark抓包工具
为啦让大家对管线有更形象的感观，这一节我们先说说Wireshark抓包工具，他会让你看到客户端到服务器通过tcp协议发送的redis命令的过程与详细。
wireshark能够扑捉到系统发送和接受的每一个报文，我们这里只做一些过滤的简述。下图就是他的样子，你打开后可以可以摸索下他的用法。
简述几个过滤规则：
1、ip过滤：目标ip过滤：ip.dst==172.18.8.11,源ip地址过滤：ip.src==192.168.1.12;
2、端口过滤：tcp.port==80，这条规则是把源端口和目的端口为80的都过滤出来。使用tcp.dstport==80只过滤目的端口为80的，tcp.srcport==80只过滤源端口为80的包；
3、协议过滤：直接在fiter框中输入协议名称即可，如：http，tcp，udp，...
4、http模式过滤:过滤get包，http.request.method=="GET",过滤post包，http.request.method=="POST"；
5、如果使用多条件过滤，则需要加连接符号，and。比如 ip.src==192.168.1.12 and http.request.method=="POST" and tcp.srcport==80
StackExchange.Redis实现Redis管线（Pipeline）
上两张图片管线便一目了然啦。
客户端对redis服务器进行多次请求的话，一般普通模式是这样子的
客户端对redis服务器进行多次请求的话，管道模式是这样子的
一般模式我们上代码：
public static void GetNoPipelining()
{
for (var i = 0; i < 3; i++)
{
var key = "name:" + i;
db.StringAppend(key, "张龙豪");
}
}
</div>
查看tcp请求报文的data
这样你自己做的过程中，可以看到我圈起来的3个tcp请求的key分别为name：0，name:1,name:2这样子。
那么我们使用管道模式
public static void GetPipelining()
{
var batch = db.CreateBatch();
for (int i = 0; i < 3; i++)
{
var key = "mename:" + i;
batch.StringAppendAsync(key, "张龙豪");
}
batch.Execute();
}
</div>
再来看下请求
这样很明显就能看出来是1个请求发送出来啦多个命令。那么我们不用createBatch（）也是可以实现这样的效果的。
var a = db.StringAppendAsync("zlh:1", "zhanglonghao1");
var b = db.StringAppendAsync("zlh:2", "zhanglonghao2");
var c = db.StringAppendAsync("zlh:3", "zhanglonghao3");
var aa = db.Wait(a);
var bb = db.Wait(a);
var cc = db.Wait(a);
</div>
在接下来我们做一个简单的性能比较。代码如下：
static void Main(string[] args)
{
Stopwatch watch = new Stopwatch();
Stopwatch watch1 = new Stopwatch();
watch.Start();
GetNoPipelining();
Console.WriteLine("一般循环耗时：" + watch.ElapsedMilliseconds);
watch.Stop();
watch1.Start();
GetPipelining();
Console.WriteLine("Pipelining插入耗时：" + watch1.ElapsedMilliseconds);
watch1.Stop();
Console.ReadLine();
}
public static void GetNoPipelining()
{
for (var i = 0; i < 5000; i++)
{
var key = "name:" + i;
db.StringAppend(key, "张龙豪");
}
}
public static void GetPipelining()
{
var batch = db.CreateBatch();
for (int i = 0; i < 5000; i++)
{
var key = "mename:" + i;
batch.StringAppendAsync(key, "张龙豪");
}
batch.Execute();
}
</div>
结果如下：
到此我还要说一下StackExchange.Redis的三种命令模式，其中使用2和3的模式发送命令，会默认被封装在管道中，不信的话，你可以做个小demo测试下：
1、sync：同步模式，会直接阻塞调用者，但不会阻塞其他线程。
2、async：异步模式，使用task模型封装。
3、fire-and-forget：发送命令，然后完全不关心最终什么时候完成命令操作。在Fire-and-Forget模式下,所有命令都会立即得到返回值，该值都是该返回值类型的默认值,比如操作返回类型是bool将会立即得到false,因为false = default(bool)。
此节参考redis官方文档与StackExchange.Redis官方文档，连接如下：
https://redis.io/topics/pipelining
https://github.com/StackExchange/StackExchange.Redis/blob/master/Docs/PipelinesMultiplexers.md
StackExchange.Redis实现Redis事务（Transactions）
这个看官方文档，我只能说实现的很奇怪吧。我先描述下我的环境，就是准备一个空redis库，然后一步一步往下走，我们写代码看结果，来搞一搞这个事务。
static void Main(string[] args)
{
var tran = db.CreateTransaction();
tran.AddCondition(Condition.ListIndexNotEqual("zlh:1",0,"zhanglonghao"));
tran.ListRightPushAsync("zlh:1", "zhanglonghao");
bool committed = tran.Execute();
Console.WriteLine(committed);
Console.ReadLine();
}
</div>
执行结果为：true。数据库中结果如下，说明我们插入成功。
即：如果key为：zlh：1的list集合在索引0初的value!=zhanglonghao的话，我们从链表右侧插入一条数据key为zlh：1value为zhanglonghao，成功。因为第一次操作为空库。0处确实不为张龙豪。
数据不清空，继续上代码。
static void Main(string[] args)
{
var tran = db.CreateTransaction();
tran.AddCondition(Condition.ListIndexNotEqual("zlh:1",0,"zhanglonghao"));
tran.ListRightPushAsync("zlh:1", "zhanglonghao1");
bool committed = tran.Execute();
Console.WriteLine(committed);
Console.ReadLine();
}
</div>
结果为false，数据库没有增减数据。已久与上图的数据保持一致。
原因分析：0处此时为zhanglonghao，所以ListIndexNotEqual("zlh:1",0,"zhanglonghao")为假命题，直接回滚，不执行下面的插入命令。
数据不清空，继续上代码：