根本原因是redis集群要求pipeline内所有key必须属于同一slot，而直接使用单个pipeline会将不同slot的key发往错误节点，触发moved/ask重定向；须先按crc16(key)%16384分组key，再为每组slot单独创建并执行pipeline。
直接在Redis集群上用单个 pipeline 批量写入，大概率会触发 MOVED 或 ASK 错误，根本写不进去——这不是代码写得不对，而是集群模式下 key 分布和请求路由机制决定的。
为什么集群里 pipeline.execute() 一跑就报 MOVED？
Redis Cluster 把 16384 个 slot 分配给不同节点，每个 key 必须先算出 slot = CRC16(key) % 16384，再发给对应节点。客户端如果像单机一样把一堆混杂 slot 的 key 塞进一个 pipeline 发给任意节点，目标节点发现“这堆 key 不归我管”，就会返回 MOVED 响应。而多数基础客户端（比如 redis-py 默认的 Redis 类、Jedis 的普通 Jedis 实例）根本不处理重定向，直接抛异常。
redis.exceptions.ResponseError: MOVED 12345 10.0.1.5:6379-
redis.exceptions.ResponseError: ASK 12346 10.0.1.6:6379（发生在 slot 迁移中） - 部分 key 写成功、部分静默失败，监控看不出问题
必须按 slot 分组 + 每组独立 pipeline
核心动作不是“怎么发快”，而是“发给谁”。跳过这步，哪怕 batch size 调到 100，QPS 也可能比不用 pipeline 还低——因为客户端内部悄悄拆包+重试，放大了网络开销。
- 别手写 CRC16：用客户端内置方法，如
redis-py的key_slot()、JedisCluster的getSlot(key)，避免实现差异导致 slot 算错 - 分组后，每组 key 对应一个 node，为该 node 单独建
pipeline实例（redis-py需维护多个Redis连接；Jedis必须用JedisCluster或ClusterPipeline） - 每组 pipeline 命令数建议控制在 100–500 条，防止单次请求过大超时或触发
client-output-buffer-limit限制 - 复用连接：同一 node 的多次 pipeline 调用，应从连接池取同类型连接，避免反复建连
batch size 别硬套“2000”这种经验值
最优批量大小取决于你的实际环境：RTT 是 0.2ms 还是 15ms？value 平均大小是 100B 还是 2KB？Redis 是 7.2 还是刚升级的 8.2.3？集群是 3 节点还是 12 节点？盲目塞 5000 个 key 进一个 pipeline，很可能触发客户端缓冲区溢出或服务端 rehash 尖刺。
- 压测时重点看
redis-benchmark -t set -n 100000 -P [size]的 TPS 和 P99 latency 拐点 - 观察
INFO commandstats中cmdstat_set:usec_per_call是否随 batch size 增大而陡升 - 客户端抓包看单次
pipeline.execute()耗时分布，避开“20ms → 200ms”的长尾突刺区间 - 集群环境下，还要额外考虑拓扑刷新：批量任务开始前主动调用
cluster_slots()拉取当前 slots map，避免 pipeline 执行中遇到 slot 迁移
别忽略序列化与连接复用的隐性损耗
再好的 pipeline 设计，也会被低效序列化拖垮。比如 Python 里用 json.dumps() 序列化 value，比 msgpack.packb() 慢 3 倍以上，且体积大 20%；Java 里没配 GenericObjectPoolConfig 导致连接池过小，pipeline 只能排队等连接。
- value 序列化优先选二进制紧凑格式（
msgpack、protostuff），禁用JSON或Java Serializable - 连接池最大空闲数、最小空闲数、maxWaitMillis 必须按 pipeline 并发度调优，否则 pipeline 反而卡在 getConnection()
- Redis 8.2.3 已修复 CVE-2025-62507 等高危漏洞，若还在用旧版，pipeline 加速效果可能被崩溃风险完全抵消
真正卡住性能的，往往不是 pipeline 本身，而是 slot 分组逻辑是否健壮、序列化是否够轻、连接池是否撑得住并发——这些地方出一点偏差，批量写入就从“提速”变成“添堵”。
