最近在写一个脚手架，其中 redis 的使用场景还挺多，于是总结下它的常见使用场景

缓存

> set User:1:name shanyue EX 100 NX
OK
> get User:1:name
"shanyue"
复制代码

缓存是 redis 出镜率最高的一种使用场景，仅仅使用 set/get 就可以实现，不过也有一些需要考虑的点

• 如何更好地设置缓存
• 如何保持缓存与上游数据的一致性
• 如何解决缓存血崩，缓存击穿问题

session: 用户登录及验证码

> set 5d27e60e6fb9a07f03576687 '{"id": 10086, role: "ADMIN"}' EX 7200
OK
> get 5d27e60e6fb9a07f03576687
"{\"id\": 10086, role: \"ADMIN\"}"
复制代码

这也是很常用的一种场景，不过相对于有状态的 session，也可以考虑使用 JWT，各有利弊

消息队列

> lpush UserEmailQueue 1 2 3 4
lpop UserEmailQueue
> rpop UserEmailQueue
1
> rpop UserEmailQueue
2
复制代码

可以把 redis 的队列视为分布式队列，作为消息队列时，生产者在一头塞数据，消费者在另一头出数据: (lpush/rpop, rpush/lpop)。不过也有一些不足，而这些不足有可能是致命的，不过对于一些丢几条消息也没关系的场景还是可以考虑的

1. 没有 ack，有可能丢消息
2. 需要做 redis 的持久化配置

过滤器 (dupefilter)

> sadd UrlSet http://1
(integer) 1
> sadd UrlSet http://2
(integer) 1
> sadd UrlSet http://2
(integer) 0
> smembers UrlSet
1) "http://1"
2) "http://2"
复制代码

scrapy-redis 作为分布式的爬虫框架，便是使用了 redis 的 Set 这个数据结构来对将要爬取的 url 进行去重处理。

# https://github.com/rmax/scrapy-redis/blob/master/src/scrapy_redis/dupefilter.py
def request_seen(self, request):
 """Returns True if request was already seen.
 Parameters
 ----------
 request : scrapy.http.Request
 Returns
 -------
 bool
 """
 fp = self.request_fingerprint(request)
 added = self.server.sadd(self.key, fp)
 return added == 0
复制代码

不过当 url 过多时，会有内存占用过大的问题

分布式锁

set Lock:User:10086 06be97fc-f258-4202-b60b-8d5412dd5605 EX 60 NX
# 释放锁，一段 LUA 脚本
if redis.call("get",KEYS[1]) == ARGV[1] then
 return redis.call("del",KEYS[1])
else
 return 0
end
复制代码

这是一个最简单的单机版的分布式锁，有以下要点

• EX 表示锁会过期释放
• NX 保证原子性
• 解锁时对比资源对应产生的 UUID，避免误解锁

当你使用分布式锁是为了解决一些性能问题，如分布式定时任务防止执行多次 (做好幂等性)，而且鉴于单点 redis 挂掉的可能性很小，可以使用这种单机版的分布式锁。

Rate Limit

限流即在单位时间内只允许通过特定数量的请求，有两个关键参数

• window，单位时间
• max，最大请求数量

最常见的场景: 短信验证码一分钟只能发送两次

FUNCTION LIMIT_API_CALL(ip):
current = GET(ip)
IF current != NULL AND current > 10 THEN
 ERROR "too many requests per second"
ELSE
 value = INCR(ip)
 IF value == 1 THEN
 EXPIRE(ip,1)
 END
 PERFORM_API_CALL()
END
复制代码

可以使用计数器对 API 的请求进行限流处理，但是要注意几个问题

1. 在平滑的滑动窗口时间内在极限情况下会有两倍数量的请求数
2. 条件竞争 (Race Condition)

这时候可以通过编程，根据 TTL key 进行进一步限制，或者使用一个 LIST 来维护每次请求打来的时间戳进行实时过滤。以下是 node 实现的一个 Rate Limter。参考源码 node-rate-limiter-flexible

this.client
 .multi()
 .set(rlKey, 0, 'EX', secDuration, 'NX')
 .incrby(rlKey, points)
 .pttl(rlKey)
 .exec((err, res) => {
 if (err) {
 return reject(err);
 }
 return resolve(res);
 })
if (res.consumedPoints > this.points) {
 // ...
} else if (this.execEvenly && res.msBeforeNext > 0 && !res.isFirstInDuration) {
 // ...
 setTimeout(resolve, delay, res);
} else {
 resolve(res);
}
复制代码

• node-rate-limiter-flexible
• 邮件发送，限流，漏桶与令牌桶

分布式 websocket

可以通过 redis 的 PUB/SUB 来在 websocket server 间进行交流。可以参考以下项目

• socket.io-redis