有测试显示reids如果使用持久化测试后效率会下降，所以不使用持久化。现在来测试一下从mysql中捞取数据加载到redis中的速度。
服务器使用8核2.6 cpu，内存8G，sas硬盘，Centos5.6 64位操作系统。python 2.6 redis2.4.13.
使用测试代码如下，从mysql的photo表中捞取两列数据加载到redis中，这两列在表中都有索引，数据量28万。
#!/bin/env python
# -------------------------------------------------
# Filename:
# Revision:
# Date: 2012-05-27
# Author: simonzhang
# Email: simon-zzm@163.com
# -------------------------------------------------
import MySQLdb
import redis
def redis_run(sql_data):
try:
r = redis.Redis(host='192.168.1.100', password = '123456', port=6379, db=0)
except redis.RedisError, e:
print "Error %s" % e
for i in sql_data:
r.set(str(i[0]),i[1])
def mysql_run(sql):
try:
db = MySQLdb.connect(host='192.168.1.100', user='test', passwd ='123456', db='photo')
cursor = db.cursor()
except MySQLdb.Error, e:
print "Error %d:%s" % (e.args[0],e.args[1])
exit(1)
try:
result_set = ''
cursor.execute('%s' % sql)
result_set=cursor.fetchall()
cursor.close()
db.close()
return result_set
except MySQLdb.Error, e:
print "Error %d:%s" % (e.args[0], e.args[1])
cursor.close()
db.close()
def main():
_loop = 0
_limit_start = 0
_limit_span = 10000
_count_result = 5
while _count_result > 0:
result_data = ''
sql = "select id as pid, userid as uid from photo LIMIT %s,%s" % (_limit_start + _limit_span * _loop, _limit_span)
result_data = mysql_run(sql)
_count_result = len(result_data)
redis_run(result_data)
_loop += 1
if __name__ == '__main__':
main()
进行测试，分别为每次捞取50万，10万，5万，1万，结果如下：
50万
real 0m26.239s
user 0m16.816s
sys 0m5.745s
10万
real 0m24.019s
user 0m15.670s
sys 0m4.932s
5万
real 0m26.061s
user 0m15.789s
sys 0m4.674s
1万
real 0m28.705s
user 0m15.778s
sys 0m4.913s
结论：每次捞取10万效率会比较理想，对于操作系统的压力不大，所以硬件方面不用考虑。
这里两列保存的都是id，加入用户id和照片id长度都是9位，一组数据是18位。一亿组数据也就需要2G内存。
通过计算28万需要24秒，如果有1亿的数据，全部倒入要2个半小时。所以内存存储不是问题。不知道用固态硬盘是否能快，我没有就不知道了。所以要做三件事，一做好集群，将数据及时同步到其他机房，自己写个程序同步定时同步，如果用主从，主机重启了为空，这个就很麻烦了，二使用redis的数据持久化，肯定比从mysql中直接捞快，三天天烧香希望不要宕机。