List<UserEo> userEoList = comDataComponent.getUserListByUid(); for (UserEo userEo : userEoList) { List<DataPermissionSchema> userDataPermissionSchema = getUserDataPermissionSchema(userEo.getUserUid(), userEo.getOrgCode()); //将当前用户的数据权限 存入redis key = SystemsConstant.DATA_PERMISSION_SCHEMA + UserUid redisTemplate.opsForValue().set(SystemsConstant.DATA_PERMISSION_SCHEMA + userEo.getUserUid(), ObjectUtil.toString(userDataPermissionSchema)); }代码优化

可以考虑使用批量操作来提高效率，将获取的用户列表分批次进行处理，例如每次处理100个用户，可以使用分页查询或者按照用户ID范围查询来实现。同时，可以使用Redis的pipeline技术来进行批量写入，减少网络开销和Redis服务器的压力。

优化后的代码示例：

int pageSize = 100; // 每页处理的用户数量
int pageNum = 1;
List<UserEo> userEoList = null;
do {
    userEoList = comDataComponent.getUserListByUid(pageNum, pageSize);
    List<String> redisKeys = new ArrayList<>(); // 存储Redis的Key
    List<String> redisValues = new ArrayList<>(); // 存储Redis的Value
    for (UserEo userEo : userEoList) {
        List<DataPermissionSchema> userDataPermissionSchema = getUserDataPermissionSchema(userEo.getUserUid(), userEo.getOrgCode());
        String redisKey = SystemsConstant.DATA_PERMISSION_SCHEMA + userEo.getUserUid();
        String redisValue = ObjectUtil.toString(userDataPermissionSchema);
        redisKeys.add(redisKey);
        redisValues.add(redisValue);
    }
    if (!redisKeys.isEmpty()) {
        redisTemplate.executePipelined(new RedisCallback<Object>() {
            @Override
            public Object doInRedis(RedisConnection connection) throws DataAccessException {
                for (int i = 0; i < redisKeys.size(); i++) {
                    byte[] key = redisKeys.get(i).getBytes();
                    byte[] value = redisValues.get(i).getBytes();
                    connection.set(key, value);
                }
                return null;
            }
        });
    }
    pageNum++;
} while (userEoList.size() == pageSize);

上述代码中，使用了do-while循环对用户列表进行分页处理，每次处理pageSize个用户。使用了两个List分别存储Redis的Key和Value，然后使用Redis的pipeline技术批量写入Redis。注意，如果用户数量不是pageSize的整数倍，需要在最后一次处理时特别处理。