Redis是建立在TCP协议基础上的CS架构，客户端client对redis server采取请求响应的方式交互。
一般来说客户端从提交请求到得到服务器相应，需要传送两个tcp报文。
设想这样的一个场景，你要批量的执行一系列redis命令，例如执行100次get key，这时你要向redis请求100次+获取响应100次。如果能一次性将100个请求提交给redis server，执行完成之后批量的获取相应，只需要向redis请求1次，然后批量执行完命令，一次性结果，性能是不是会好很多呢？
答案是肯定的，节约的时间是客户端client和服务器redis server之间往返网络延迟的时间。这个时间可以用ping命令查看。
网络延迟高：批量执行，性能提升明显
网络延迟低（本机）：批量执行，性能提升不明显
某些客户端（java和python）提供了一种叫做pipeline的编程模式用来解决批量提交请求的方式。
测试用例
# -*- coding:utf-8 -*-import redis
import time
from concurrent.futures import ProcessPoolExecutor
r = redis.Redis(host='10.93.84.53', port=6379, password='bigdata123')
def try_pipeline():
def without_pipeline():
def worker():
with ProcessPoolExecutor(max_workers=12) as pool:
结果分析
try_pipeline平均处理时间：0.04659
without_pipeline平均处理时间：0.16672
我们的批量里有5个操作，在处理时间维度上性能提升了4倍！
网络延迟大约是30ms，不使用批量的情况下，网络上的时间损耗就有0.15s（30ms*5）以上。而pipeline批量操作只进行一次网络往返，所以延迟只有0.03s。可以看到节省的时间基本都是网路延迟。
pipeline不仅仅用来批量的提交命令，还用来实现事务transation。
使用transaction与否不同之处在与创建pipeline实例的时候，transaction是否打开，默认是打开的。
文章来源: python redis pipline