根本原因是rbatch默认启用redis pipeline，将多个命令压缩为单次网络请求，避免千级key下rtt逐次放大；同时复用netty事件循环处理响应，减少线程阻塞，并返回rfuture。
为什么 RBatch.executeAsync() 比多次 sync 调用快得多
根本原因不是“异步”本身，而是 RBatch 默认启用 Redis Pipeline（管道），把多个命令压缩成单次网络请求发送。传统逐条调用 set()、hset() 等同步方法，每条命令都经历一次 RTT（网络往返），在千级 Key 场景下，延迟直接被放大上千倍。
而 executeAsync() 不仅打包命令，还复用 Netty 的事件循环处理响应，避免线程阻塞；它返回的是 RFuture<batchresult>></batchresult>，真正做到了「发完就走」。
- 不启用 Pipeline 时：1000 次操作 ≈ 1000 × RTT（假设平均 2ms → 2s）
- 启用
RBatch+executeAsync()：1 次 RTT + 批量解析（通常 - 注意：
execute()是同步阻塞的，虽仍走 Pipeline，但会卡住当前线程，不适合高并发写入场景
RBatch 异步执行必须显式获取每个操作的返回值
RBatch 不会自动帮你聚合或解包结果。你添加的每个 *Async() 方法（如 putAsync()、addAsync()）都会返回一个 RFuture，这些 future 必须从 BatchResult 中手动提取，否则你根本不知道哪条失败了。
常见错误是只调用 batch.executeAsync() 却忽略后续结果解析，导致异常静默、数据不一致。
- 正确做法：调用
result.getResponses()获取按添加顺序排列的List<object></object> - 每个元素对应一个操作的返回值，类型取决于原始命令（例如
getAtomicLong(...).incrementAndGetAsync()返回Long，getSet(...).addAsync()返回Boolean） - 若某操作抛异常（如序列化失败、Key 过长），对应位置为
null，需结合result.getResponses().get(i)和result.getFailedCommands()定位
大批量 Key 写入时，batch size 和 connectionPoolSize 必须协同调整
单个 RBatch 不宜塞入上万条命令——Redis 单次请求有协议和内存限制（默认 proto-max-bulk-len 通常为 512MB，但实际建议控制在几 MB 内）。同时，连接池若太小，大量 executeAsync() 会排队等待连接，反而抵消 Pipeline 带来的收益。
- 推荐 batch size：200–500 条命令/批（具体看单条命令数据大小，如大批量
hset字段建议更小） -
connectionPoolSize至少设为预期并发批次数 × 1.5，例如预估峰值每秒发起 20 批，则设为32或更高 - 务必检查
idleConnectionTimeout和connectTimeout，避免因连接空闲回收导致重连开销（参考配置项：connectionMinimumIdleSize、timeout）
混合数据结构操作时，RBatch 仍能保持原子性吗
不能。Redis 的 Pipeline 本身不提供跨命令原子性保证，RBatch 只是客户端层面的批量发送封装，底层仍是多条独立 Redis 命令。如果其中某条失败（如 set 成功但后续 lpush 因 key 类型冲突失败），前面的操作已生效，无法回滚。
需要强一致性时，必须改用 Lua 脚本封装逻辑，或拆分为事务性子流程（例如先校验再批量写，失败时用补偿操作清理）。
- 适用场景：日志记录、缓存预热、统计计数等允许最终一致的批量写入
- 禁用场景：资金转账、库存扣减等要求 ACID 的操作，应使用
RLock+ 单条事务或 Lua - 小技巧：可在同一批中插入
exists或type校验命令，提前发现类型冲突，减少无效写入
真正容易被忽略的是：executeAsync() 返回的 RFuture 若未被监听或 join，其异常会被 Netty 事件循环吞掉，既不打印也不传播——这会让批量失败变成“静默丢数据”。务必对每个 future 做 handle() 或 onComplete() 处理。
