Redis压测可以使用redis-benchmark工具，该工具随Redis发行版一起提供。

造数据可以通过编写脚本来实现，以下是一个使用redis-py库（Python客户端）的示例脚本，用于向Redis中插入模拟数据。

import redis
import random
import string
 
# 连接Redis
r = redis.Redis(host='localhost', port=6379, db=0)
 
# 生成随机字符串作为key和value
def generate_data(key_prefix, value_prefix, count):
    for i in range(count):
        key = f"{key_prefix}:{i}"
        value = f"{value_prefix}:{random_string(10)}"
        r.set(key, value)
 
# 生成随机字符串
def random_string(length):
    return ''.join(random.choices(string.ascii_letters + string.digits, k=length))
 
# 主函数，调用generate_data函数生成数据
if __name__ == "__main__":
    key_prefix = "mykey"
    value_prefix = "myvalue"
    count = 10000  # 生成数据的数量
    generate_data(key_prefix, value_prefix, count)

这个脚本连接到Redis，然后使用一个前缀和一个计数来生成键和值，并插入到Redis中。这里的键和值都是随机生成的。你可以根据需要调整生成数据的逻辑和数量。

from redis import Redis
from db import DBSession
 
# 假设db.py是一个包含DBSession类的文件，它负责与数据库交互
 
# 更新Redis和数据库的装饰器
def update_redis_and_db(func):
    def wrapper(key, *args, **kwargs):
        # 尝试从Redis获取数据
        redis_client = Redis(host='localhost', port=6379, db=0)
        value = redis_client.get(key)
        
        # 如果Redis有数据，直接返回
        if value is not None:
            return value
        
        # Redis没有数据，从数据库中获取
        result = func(key, *args, **kwargs)
        
        # 将数据库查询结果更新到Redis
        if result is not None:
            redis_client.set(key, result)
            return result
        
        # 数据库和Redis都没有数据，返回None
        return None
    return wrapper
 
# 假设get_data是一个查询数据库的函数
@update_redis_and_db
def get_data(key):
    session = DBSession()
    result = session.query(SomeModel).filter(SomeModel.id == key).first()
    if result:
        return result.data  # 假设SomeModel有一个data属性
    return None
 
# 使用get_data函数，它会首先尝试从Redis获取数据，如果没有，才会查询数据库
data = get_data('some_key')

这个简单的装饰器update_redis_and_db会首先尝试从Redis缓存中获取数据。如果Redis中没有数据，它会调用被装饰的函数来从数据库中获取数据，并将结果存储在Redis中，以便下次调用时可以直接从缓存中读取。这样可以提高性能并减少数据库的负载。

Redis采用单线程架构的主要优势在于其设计的简单性和高性能。单线程避免了线程切换和竞态条件的开销，从而避免了传统多线程架构中的锁竞争和线程切换导致的性能问题。

Redis的单线程架构并不是说Redis在执行命令时不能进行I/O操作或者使用后台线程，它只是说Redis的网络I/O、命令执行和数据查询都在同一个线程中完成。Redis使用了I/O多路复用模型来同时处理多个网络连接，这是通过epoll、kqueue等机制实现的。

优势：

1. 避免了线程切换和锁竞争带来的开销。
2. 无需去处理多线程编程中的各种问题，如内存泄漏、死锁等。
3. 可以避免复杂的同步机制，实现简单。

不足：

1. 如果Redis在当前线程中执行耗时的操作（如大数据量的排序、交集、并集操作），则可能会导致整个服务器阻塞。
2. 不能利用多核资源，但可以通过Redis的集群模式分散负载。
3. 单线程的缺点是无法利用CPU的多核特性，可以通过Redis的相关模块（如Redis Cluster）来进行数据分片，从而使用多台服务器来处理请求。

Redis散列是一个string类型的field和value的映射表，适用于存储小型结构化数据。

以下是使用Redis散列的一些常见命令：

1. hset：设置散列字段的字符串值。

hset myhash field1 "Hello"

2. hget：获取散列字段的值。

hget myhash field1

3. hmset：设置多个散列字段的值。

hmset myhash field1 "Hello" field2 "World"

4. hmget：获取多个散列字段的值。

hmget myhash field1 field2

5. hgetall：获取散列中所有的字段和值。

hgetall myhash

6. hdel：删除散列中的一个或多个字段。

hdel myhash field1

7. hexists：检查散列中是否存在特定字段。

hexists myhash field1

8. hlen：获取散列包含的字段数量。

hlen myhash

9. hkeys：获取散列中的所有字段。

hkeys myhash

10. hvals：获取散列中的所有值。

hvals myhash

11. incr：将散列中字段的整数值增加1。

incr myhash field1

12. decr：将散列中字段的整数值减少1。

decr myhash field1

13. incrby：将散列中字段的整数值增加指定的整数。

incrby myhash field1 5

14. decrby：将散列中字段的整数值减少指定的整数。

decrby myhash field1 5

以上命令可以在Redis客户端或者使用编程语言的Redis库中使用。例如，在Python中使用redis-py库：

import redis
 
# 连接到Redis
r = redis.Redis(host='localhost', port=6379, db=0)
 
# 设置散列字段
r.hset('myhash', 'field1', 'Hello')
 
# 获取散列字段的值
value = r.hget('myhash', 'field1')
print(value.decode('utf-8'))  # 输出: Hello
 
# 设置多个散列字段的值
r.hmset('myhash', {'field1': 'Hello', 'field2': 'World'})
 
# 获取多个散列字段的值
values = r.hmget('myhash', 'field1', 'field2')
print([value.decode('utf-8') for value in values])  # 输出: ['Hello', 'World']