我更倾向于使用 Pipeline 批量导入的方式，因为它能大幅减少网络往返时间，对于大量数据导入特别高效。下面是代码示例： redis_client.pipeline() as pipe: for item in data_list: pipe.set(item['key'], item['value']) pipe.execute()

方案一：单条命令导入

最简单的方法就是一条一条的 set 命令导入，比如 for 循环里面直接 client.set(key, value)。这种方式简单直观，适合小数据量，但大数据量时网络开销大，速度慢。

方案二：Pipeline 批量提交

Redis 的 Pipeline 可以把多条命令打包一次发送，减少 RTTReduce 网络延迟。Python 中用 redis-py 的 pipeline()，收集命令后一次性 execute()。实测导入 10 万条数据，Pipeline 比单条快 10 倍以上。

方案三：使用 redis-cli --pipe

命令行方式：cat data.txt | redis-cli --pipe。这是最快的导入工具，官方推荐，用于海量数据。数据格式是 *3 $3 set $3 key $5 value ，需要严格协议格式。

方案四：MSET 批量设置

如果键值对是已知的，可以用 MSET key1 val1 key2 val2 ... 一次性设置多个。但键太多会命令过长，不如 Pipeline 灵活。

方案五：从文件导入

准备好 Redis 协议格式的文件，直接 redis-cli --pipe < file.txt。速度飞起，百万级数据几分钟搞定。我导入 500 万条日志数据，用这个方案只要 2 分钟。

FAQ
Q: Pipeline 和 --pipe 哪个更快？
A: --pipe 更快，因为它是 C 实现的，零拷贝。
Q: 大数据量怎么避免内存爆掉？
A: 分批处理，每批 1-10 万条，用生成器逐批 Pipeline。
Q: 导入时怎么保证不重复？
A: 用 NX 参数 setnx key value，只在 key 不存在时设置。
Q: 支持 Hash 结构批量导入吗？
A: 支持，用 hmset 或 Pipeline 里的 hset 命令。