目前我正在使用下面的python代码将大量数据摄取到redis中。它能够每50秒插入10000条记录（这不是很快），但是如果我为两个不同的数据集并行运行这个函数，插入10000条记录几乎需要4分钟。
目前redis安装在服务器上，我正在本地机器上部署这个python脚本来执行这个脚本，因为在本地机器上执行这个脚本会比较慢，这意味着在服务器上部署这个脚本会提高速度。
另外，你能让我知道是加载数据到redis的方法是好的还是有更好的方法插入到redis巨大的数据。
在下面的函数中。批量大小配置为10000（即每10000条记录调用pipeline.execute）

def load_hashmap(data, client, keycolumn, batchsize):
    try:
        pipe = client.pipeline(transaction=False)
        n = 0

        for row in data:
            pipe.hmset(row.get(keycolumn), row)
            n = n + 1

            if len(data) < batchsize and n == len(data):
                pipe.execute()
                print("Data Load Batch--" + str(n) + " completed at " + str(datetime.now()))

            if (n % batchsize) == 0:
                pipe.execute()
                print("Data Load Batch--" + str(n) + " completed at " + str(datetime.now()))
                pipe = client.pipeline()

        if len(data) > batchsize and (n % batchsize) != 0:
            pipe.execute()
            print("Data Load Batch--" + str(n) + " completed at " + str(datetime.now()))

    except Exception as e:
        raise Exception(str(e))