写在前面:Redis 在业务里到底干哪几件事
前两篇讲了 Redis 的数据类型和持久化,属于「兵器谱」。这一篇讲实战打法:把 Redis 放进真实业务系统里,它最高频的四种用法是——缓存、计数器、限流、分布式锁。这四件事有一个共同点:都依赖 Redis 的单线程原子执行特性,所有命令排队一条一条来,天然没有并发竞态,这是用普通数据库很难做到的。
本文每种用法都给完整的命令序列,关键处附伪代码级别的实现思路,看完就能往自己的项目里搬。开始之前先明确一条边界:Redis 是加速层和协调层,不是数据的最终归宿。重要数据该落 PostgreSQL/MySQL 还是要落,Redis 挂了业务可以降级,不能直接崩。
缓存:Cache-Aside 是最主流的读写模式
缓存的读法大同小异,区别在写的时候怎么处理。最常用的是 Cache-Aside(旁路缓存):
读流程: 1. 先查 Redis,命中 → 直接返回 2. 未命中 → 查数据库 → 把结果写入 Redis(带过期时间)→ 返回
写流程: 1. 先更新数据库 2. 再删除 Redis 里对应的缓存键(注意:是删除,不是更新)为什么写的时候删而不是改?因为缓存里的值往往是多表拼出来的结果,写方很难算出新值,删掉让下一次读去回填,逻辑最简单也最不容易出错。对应的命令非常朴素:
GET cache:article:9527 # 查缓存# 未命中,查数据库后回填:SET cache:article:9527 '{"id":9527,"title":"..."}' EX 3600# 文章被修改后:DEL cache:article:9527过期时间不要全设成一样的值,建议在基础值上加随机抖动,比如 3600 + random(0, 300) 秒,原因在下面的雪崩一节会讲到。
缓存三大经典问题
这是面试和实战都绕不开的三个坑,务必分清:
| 问题 | 现象 | 典型解法 |
|---|---|---|
| 穿透 | 查一个根本不存在的数据,缓存永远不命中,每次都打到数据库 | 缓存空值(短过期);布隆过滤器拦截 |
| 击穿 | 某个热点键过期瞬间,大量请求同时涌向数据库回填 | 互斥锁回填;热点数据不过期+后台刷新 |
| 雪崩 | 大批键同时过期(或 Redis 宕机),请求洪峰压垮数据库 | 过期时间加随机抖动;Redis 高可用;限流降级 |
穿透的解法里「缓存空值」最简单直接:
# 查数据库确认文章不存在时,也往缓存里写一个空标记,过期时间短一点SET cache:article:99999 "" EX 60下次再查这个 ID,命中空标记就直接返回「不存在」,不再惊动数据库。缺点是会短暂缓存「不存在」状态,如果数据在这 60 秒内被创建了,会读到错误的空结果——大多数业务可以接受,不能接受就上布隆过滤器。
击穿的互斥锁回填,就是用一个短命的锁保证同一时刻只有一个请求去查数据库:
回填逻辑: 抢到锁(SET lock:article:9527 1 NX EX 10)→ 查库 → 写缓存 → 释放锁 没抢到锁 → 睡 50ms → 重新读缓存(大概率已被回填)这个锁的实现细节正是本文第四节要讲的分布式锁,先有个印象即可。
WARNING缓存雪崩还有一种更惨的版本:Redis 整个宕机。再好的过期策略也救不了这种情况,必须靠主从+哨兵或集群做高可用(见 《主从复制入门》 的思路),应用层再加一层本地限流兜底,不要把全部身家押在单点 Redis 上。
计数器:INCR 的原子性就是一切
浏览量、点赞数、库存扣减、短信发送次数……凡是「并发下绝对不能算错」的计数,都是 INCR 家族的主场。因为 Redis 单线程执行命令,INCR 的「读-改-写」是不可分割的一步,不存在两个请求读到同一个旧值的问题。
INCR views:article:9527 # 文章浏览量 +1INCRBY stock:sku:1001 -1 # 库存扣 1(负数即减)HINCRBY user:1001 likes 1 # Hash 字段计数:用户获赞数ZINCRBY rank:hot 1 article:9527 # 热度榜分数 +1,顺带维护排行榜一个经典的计数翻车场景是库存超卖。用数据库做扣减要写 UPDATE ... WHERE stock > 0 并检查影响行数,用 Redis 则要先判断再扣减,两步之间必须保证原子——这时要用 Lua 脚本把「判断+扣减」打包成一个原子操作:
-- stock.lua:库存大于 0 才扣减,返回 1 表示成功local stock = tonumber(redis.call('GET', KEYS[1]))if stock and stock > 0 then redis.call('DECR', KEYS[1]) return 1endreturn 0EVAL "$(cat stock.lua)" 1 stock:sku:1001Redis 执行 Lua 脚本期间不会插入其他命令,这是它在业务代码里最重要的用法之一:凡是「先查再改」的复合逻辑,都应该用 Lua 打包成原子操作,别在应用层分两步发命令。
限流:固定窗口与滑动窗口
接口限流(比如每个用户每分钟最多 60 次请求)用计数器就能实现,最简单的是固定窗口:
INCR limit:user:1001:202611151030 # 键名带分钟时间戳EXPIRE limit:user:1001:202611151030 60 # 首次创建时设置过期(需判断返回值,只在 INCR 返回 1 时设)INCR 返回 1 说明是本分钟第一次请求,这时才 EXPIRE;返回值超过 60 就拒绝。固定窗口的问题是临界突刺:11:30:59 和 11:31:01 两秒内可以各打满 60 次。要求更平滑时用滑动窗口,拿 ZSet 实现:成员是请求 ID,分数是请求时间戳。
# 一次请求进来时的滑动窗口检查(同样建议用 Lua 打包)ZREMRANGEBYSCORE limit:api:user1001 0 <一分钟前的时间戳毫秒> # 清掉窗口外的旧记录ZCARD limit:api:user1001 # 窗口内已有多少次ZADD limit:api:user1001 <当前时间戳毫秒> <请求唯一ID> # 记下本次EXPIRE limit:api:user1001 60窗口内计数小于阈值才放行并记录,超了直接拒绝。这个方案精确但每个用户要维护一个 ZSet,量级很大时可以退回固定窗口或令牌桶,按业务取舍。
分布式锁:SET NX 只是起点
多台应用服务器同时跑定时任务、扣库存、生成订单号时,需要一把跨进程的锁。Redis 分布式锁的标准实现是一条命令:
SET lock:order:create <随机令牌> NX PX 30000# NX:键不存在才设置成功(抢到锁)# PX 30000:锁 30 秒后自动过期,防止持锁进程崩溃导致死锁# 值必须是随机令牌(如 UUID),释放时要验证释放锁不能直接 DEL:万一自己的锁已经过期、被别人抢走了,你 DEL 删掉的是别人的锁。必须「验证令牌是自己的才删」,这一步也要用 Lua 保证原子:
-- unlock.lua:令牌一致才删除if redis.call('GET', KEYS[1]) == ARGV[1] then return redis.call('DEL', KEYS[1])endreturn 0EVAL "$(cat unlock.lua)" 1 lock:order:create <你的随机令牌>分布式锁的三个高频错误,逐个避开:
- 忘记设过期时间:持锁进程一崩,锁永远不释放,全系统卡死
- 过期时间比业务执行时间短:业务还没跑完锁先过期,第二个人又进来,锁形同虚设。对策是估足时长,或用看门狗机制定期续期(Java 的 Redisson 就是这么做的)
- 释放时不验令牌:删掉别人的锁,并发问题在低概率下复现,最难查
至于要不要上 Redlock(多节点版锁算法):社区争论多年,工程界的普遍共识是——普通业务用单节点锁+合理过期时间完全够用;对正确性极端敏感的场景(如金融交易),应该用数据库或 ZooKeeper/etcd 这类强一致工具,而不是在锁算法上较劲。Redis 锁的定位是「高性能的尽力协调」,心里要有数。
综合案例:一个内容站怎么把四种用法拼起来
把上面的零件拼到一个真实系统里,画面就完整了。假设是一个文章站:
- 文章详情页走缓存:
cache:article:<id>存 JSON,过期 1 小时加随机抖动,编辑文章时删键失效,防穿透用空值缓存,防击穿用互斥锁回填 - 浏览量和点赞走计数器:
INCR views:article:<id>、HINCRBY维护作者获赞总数,每小时把增量批量回写一次 PostgreSQL 做持久账本 - 热度排行榜顺手用计数器的数据:每次浏览同时
ZINCRBY rank:hot 1 article:<id>,首页取ZREVRANGE rank:hot 0 9就是实时热榜,不用单独跑统计任务 - 接口限流走滑动窗口:发评论接口限制每用户每分钟 5 次,ZSet 方案精确拦截刷评论的脚本
- 定时任务防重走分布式锁:三台应用服务器都部署了「每小时生成报表」的定时任务,用
SET lock:job:report <令牌> NX PX 600000保证只有一个实例真正执行
可以看到,四种用法不是孤立的知识点,而是同一套原子能力在不同位置的复用。真实项目里 Redis 的键会成千上万,务必从一开始就执行统一的键命名规范(业务前缀+冒号分层,见 数据类型 那篇),否则后期治理成本会很高。另外记得给每类键都想清楚过期策略:缓存键必须有过期,计数键看业务决定,锁键必须有过期——没有过期策略的键,最终都会变成内存里的垃圾。
四大场景选型速查
| 场景 | 核心命令/结构 | 关键要点 |
|---|---|---|
| 缓存 | String + EX 过期 | Cache-Aside、删缓存而非改缓存、过期加抖动 |
| 计数器 | INCR / HINCRBY / ZINCRBY | 原子性免加锁;复合逻辑用 Lua |
| 限流 | 计数器或 ZSet 滑动窗口 | 固定窗口简单但有突刺,滑动窗口精确但成本高 |
| 分布式锁 | SET NX PX + Lua 解锁 | 必须设过期、令牌验证、时长估足 |
常见问题
Q:缓存和数据库的数据最终会不一致,怎么办? Cache-Aside 本身就是最终一致模型:极端情况下(删缓存失败)会短暂不一致。工程上的补强手段是删缓存失败时重试或把键名发进消息队列异步删,再加上缓存本身有过期时间兜底,最长不一致时间就是过期时长。强一致场景不要用缓存,直接读库。
Q:INCR 计数只存在 Redis 里,重启会丢吗?
取决于持久化配置。浏览量这类丢一点无所谓的计数,丢就丢了;重要计数(如已售数量)建议定期把 Redis 的值回写数据库做对账,或者干脆以数据库为准、Redis 只做加速。这正是 《Redis 持久化》 里说的选型问题。
Q:Lua 脚本写错了会不会把 Redis 卡死?
会。Lua 脚本执行期间主线程被独占,脚本里写死循环或大批量遍历能让整个 Redis 假死。脚本要短小、只做 O(1) 或小范围操作;失控时可以用 SCRIPT KILL 终止(但若脚本已执行过写命令则杀不掉,只能 SHUTDOWN NOSAVE,所以务必先在测试环境验证)。
Q:分布式锁能完全替代数据库事务吗? 不能。锁解决的是「同一时刻只有一个执行者」,事务解决的是「一组操作要么全成要么全败」,两回事。扣库存的完整方案通常是:分布式锁(或 Lua 原子扣减)防并发 + 数据库事务保落地 + 对账任务兜底。
小结
Redis 的四大实战用法,本质上都在消费同一个特性:单线程带来的原子性。缓存靠它防击穿,计数靠它防算错,限流靠它做精确窗口,分布式锁靠它做跨进程协调。用的时候守住三条纪律:缓存要有过期和降级、复合操作用 Lua 打包、锁必须带过期和令牌。至此 Redis 三篇(类型、持久化、实战)已经成环,下一篇转入通用话题——《数据库备份与恢复全攻略》,把 PostgreSQL、MySQL、Redis 三家的备份方案一次讲清。