关于问题和示例代码的几点说明。
1.流水线并不是银的--在使用它之前，您需要了解它的作用，流水线的作用是批量发送多个操作，您所得到的是，每个操作的网络往返时间被批处理的网络往返时间所取代。但是，无限大的批处理真实的会消耗资源-你需要让它们的大小足够小才能有效。2作为一个经验法则，我通常会把每个流水线的目标定在60 KB，因为每个数据都是不同的，所以流水线中实际操作的数量也是不同的。3假设你的键和它的值是~ 1 KB，需要每隔60次左右调用pipeline.execute()。
1.除非我严重误解了，否则这段代码不应该运行。您使用HMSET就好像它是SET一样，所以您基本上忽略了哈希的字段-〉值Map。哈希（HMSET）和字符串（SET）是不同的数据类型，因此应该相应地使用。
1.看起来这一个小循环负责整个“十亿数据”--如果是这样的话，运行代码的服务器不仅会像疯了一样交换，除非它有很多RAM来保存字典，而且效率也会很低（不管Python的速度如何）。
1.您是否正在远程连接Redis？如果是，网络可能会限制您的性能。
1.考虑一下你的Redis的设置--假设这确实是一个瓶颈，也许这些设置可以被调整/调优以获得更好的性能。

您可以在管道模式下使用redis-cli。
1.首先，您准备一个文件，如下所示（请注意，这些行应通过cr/lf终止或通过-d <delimiter>选项设置）：

SET Key0 Value0
    SET Key1 Value1
    ...
    SET KeyN ValueN

1.然后将其序列化转换为Redis RESP格式（例如，作为一个带引号的字符串，参见docs）。
1.最后，将其通过管道传输到redis-cli（使用--pipe参数）：

cat data_in_resp_format.txt | redis-cli --pipe

另一个注意事项是，在管道构造中设置transaction=False有助于提高性能，前提是满足以下条件（从Redis Labs开始）：
如果我们想向Redis发送多个命令，一个命令的结果不会影响另一个命令的输入，并且我们不需要所有命令都以事务方式执行，那么向pipeline（）方法传递False可以进一步提高Redis的整体性能。

我希望你已经安装了hiredis python软件包和redis python软件包。请参见https://github.com/andymccurdy/redis-py#parsers。它也会给予你带来性能提升。
self.seller做了什么？也许这是一个瓶颈？
正如@Itamar所说，尝试定期执行管道

def load(pdtDict):
    redIs = redis.Redis()
    pipe = redIs.pipeline()
    n = 1
    for key in pdtDict.keys():
        pipe.hmset(self.seller+":"+str(key),pdtDict[key])
        n = n + 1
        if (n % 64) == 0:
            pipe.execute()
            pipe = redIs.pipeline()

要向Redis提供大量数据，可以考虑使用Redis的海量插入功能here。
要使此功能正常工作，您需要访问redis-cli。