Redis分布式缓存批量操作

一、当缓存遇上批量操作

想象一下这样的场景：电商大促期间每秒数万次商品查询请求涌向你的系统，传统单条缓存操作就像用勺子舀干游泳池的水。这时候批量操作就像打开了排水闸门，能瞬间提升处理效率。Redis作为分布式缓存的扛把子选手，它的批量操作能力就是应对高并发场景的秘密武器。

二、Redis的四大批量操作招式

2.1 基础连击：MSET/MGET

这对黄金搭档是批量操作的入门选择。MSET允许一次设置多个键值对，MGET可以批量获取数据，相比单条操作能减少(n-1)次网络往返。

// 使用StackExchange.Redis实现批量操作
var redis = ConnectionMultiplexer.Connect("localhost");
var db = redis.GetDatabase();

// 批量设置
var keyValues = new KeyValuePair<RedisKey, RedisValue>[] {
    new KeyValuePair<RedisKey, RedisValue>("user:1001:profile", "{\"name\":\"Alice\"}"),
    new KeyValuePair<RedisKey, RedisValue>("product:2002:stock", "50")
};
db.StringSet(keyValues, When.Always);

// 批量获取
RedisKey[] keys = { "user:1001:profile", "product:2002:stock" };
RedisValue[] values = db.StringGet(keys);

2.2 组合必杀技：Pipeline

当需要混合多种操作时，Pipeline就像给你的操作装上加速器。它将多个命令打包发送，特别适合需要连续执行读写操作的场景。

(echo "SET user:1001:name Alice"; echo "EXPIRE user:1001:name 3600"; echo "GET user:1001:name") | redis-cli --pipe

2.3 原子奥义：Lua脚本

需要保证操作原子性时，Lua脚本就是你的不二选择。Redis保证Lua脚本的原子执行，特别适合需要复杂逻辑的批量操作。

var luaScript = @"
    local success = 0
    for i, key in ipairs(KEYS) do
        if redis.call('SET', key, ARGV[i], 'NX') then
            success = success + 1
        end
    end
    return success
";

var result = db.ScriptEvaluate(luaScript, 
    new RedisKey[] { "lock:order:1001", "lock:payment:1001" },
    new RedisValue[] { "owner1", "owner2" });

2.4 安全结界：事务操作

Redis事务通过MULTI/EXEC命令实现，虽然不如关系型数据库事务强大，但能保证命令队列的原子执行。

var transaction = db.CreateTransaction();
transaction.AddCondition(Condition.KeyExists("inventory:1001"));
transaction.StringDecrementAsync("inventory:1001");
transaction.StringSetAsync("order:202308001", "1001");
bool committed = transaction.Execute();

三、实战场景全解析

3.1 电商秒杀系统

某手机品牌首发活动，使用Pipeline批量扣减库存：

var batch = db.CreateBatch();
var tasks = new List<Task>();
foreach (var sku in skuList)
{
    tasks.Add(batch.StringDecrementAsync($"inventory:{sku}"));
}
batch.Execute();
await Task.WhenAll(tasks);

3.2 用户画像预热

每天凌晨使用MSET批量更新用户特征数据：

var userFeatures = GetDailyFeatures();
var featureDict = userFeatures.ToDictionary(
    u => (RedisKey)$"user:{u.Id}:features",
    u => (RedisValue)u.FeatureJson);
db.StringSet(featureDict.ToArray(), When.Always);

3.3 日志批量处理

使用Lua脚本实现滑动窗口限流：

local current = redis.call('TIME')[1]
redis.call('ZREMRANGEBYSCORE', KEYS[1], 0, current - 10)
local count = redis.call('ZCARD', KEYS[1])
if count < 100 then
    redis.call('ZADD', KEYS[1], current, ARGV[1])
    return 1
else
    return 0
end

四、技术选择的权衡之道

4.1 性能对比表

4.2 优点与代价

优势面：

• 网络IO次数锐减，吞吐量提升可达10倍
• 原子操作避免中间状态带来的数据不一致
• 复杂业务逻辑封装提升代码可维护性

代价面：

• 大Value操作可能导致单点延迟
• Pipeline使用不当可能撑爆内存（控制每次100-1000条为宜）
• Lua脚本执行时间过长会阻塞其他请求

五、避坑指南与最佳实践

1. 数据规模控制：单次批量操作不超过1MB，防止网络传输瓶颈
2. 连接复用：务必复用Redis连接，避免频繁创建连接的开销
3. 异常处理：批量操作部分失败时要有补偿机制
4. 监控报警：对批量操作耗时设置阈值告警
5. 键设计规范：使用hash tag确保相关key分布在相同slot
6. 压力测试：正式使用前用redis-benchmark验证批量操作效果

六、结语

就像快递小哥批量送货能提高效率，Redis的批量操作就是缓存世界的"集装箱运输"。从简单的MSET到复杂的Lua脚本，不同的工具对应不同的场景需求。掌握这些技巧后，你会惊喜地发现：原本需要1秒完成的1000次操作，现在可能只需要50毫秒！但记住，批量操作是把双刃剑，用得好事半功倍，用不好可能适得其反。下次面对海量数据操作时，不妨先问问自己：这个场景适合哪种批量操作方式？