---
tags: [Redis, 缓存, 高级特性]
create time: 2026-05-15 18:15
---

# Redis 高级特性

## 概述

掌握事务、Lua 脚本和 Pipeline，是 Redis 从「基础缓存」迈向「生产级系统」的关键。本节逐一剖析其原理、场景和陷阱。

## 一、事务（MULTI / EXEC）

### 基本用法

```bash
MULTI                # 开启事务（不阻塞，之后命令只是排队）
INCR counter         # QUEUED
INCR other_counter   # QUEUED
EXEC                 # 一次性执行所有排队的命令
```

```go
pipe := rdb.TxPipeline() // TxPipeline ≠ MULTI，见下方说明
pipe.Incr(ctx, "counter")
pipe.Set(ctx, "key", "value", 0)
results, _ := pipe.Exec(ctx)
```

> [!TIP] Go 的 Pipeline vs TxPipeline
> `rdb.Pipeline()` 只批量发送命令，不加事务包裹；`rdb.TxPipeline()` 会在批量命令前后自动加上 `MULTI` / `EXEC`，等价于上文的事务语义。在 Cluster 模式下，go-redis 会按 slot 分组，对每个节点单独发送 MULTI/EXEC（因此同一 pipeline 内的 key 必须在相同 hash slot）。两者区别：

| 维度 | MULTI/EXEC | Pipeline |
|------|-----------|----------|
| 原子性 | ✅ 整体执行，中途不插队 | ❌ 命令独立发送执行 |
| 错误处理 | 编译期错误全部拒绝；运行时错误逐个记录 | 每条返回各自结果 |
| Cluster 支持 | ❌ | ✅（但需同 key tag） |
| 性能 | 同 Pipeline | 批量发送减少 RTT |

### 事务的错误处理

```bash
MULTI
SET k v NX
GET KEYY xxx    # ⚠️ 语法错误！
EXEC
```

| 错误类型 | 发生时 | 行为 |
|---------|--------|------|
| **编译时错误**（语法、参数） | EXEC 之前 | EXEC 拒绝执行整个事务 |
| **运行时错误**（类型不匹配） | EXEC 期间 | 当前命令报错，其余继续执行 |

```bash
MULTI
SET k 123       # OK, queued
INCR k          # OK, queued (先 SET 再 INCR 是合法的)
EXEC
# → [OK, 124] — 两个都成功了
```

```mermaid
sequenceDiagram
    participant C as "Client"
    participant S as "Redis Server"
    C->>S: MULTI
    S-->>C: OK
    C->>S: SET k v
    S-->>C: QUEUED
    C->>S: INCR counter
    S-->>C: QUEUED
    C->>S: EXEC
    Note over S: 依次执行所有排队命令
    S-->>C: [OK, 1]
```

> [!QUESTION] 既然 MULTI 能批量执行，为什么还需要 Pipeline？
> 关键区别在于**排队阶段是否立即返回结果**。MULTI 的 QUEUED 只是"记下来"，命令要等 EXEC 才真正执行——这意味着你**无法根据前一条的结果决定后续命令**。而 Lua 脚本能做"读-判断-写"，Pipeline 则纯粹为减少 RTT。三者各有分工，切勿混淆。

> [!WARNING] Redis 事务 ≠ 数据库事务
> - 没有 ROLLBACK / ACID 保证
> - 不能捕获异常后回滚
> - 如果需要强一致性，请用 **Lua 脚本**

## 二、Lua 脚本

### 为什么需要 Lua？

核心目的：**原子性操作多个命令**。MULTI 只能保证"不插队"，Lua 能保证"逻辑原子性"（读-判断-写一气呵成）。

```bash
EVAL "return redis.call('GET', KEYS[1])" 1 mykey
#  ↑ script     ↑ commands         ↑ key count  ↑ keys...
```

### 经典场景 1：分布式锁

```lua
-- acquire_lock.lua
-- KEYS[1] = lock key
-- ARGV[1] = expire seconds (TTL)
-- ARGV[2] = unique token (client ID)

if redis.call('set', KEYS[1], ARGV[2], 'NX', 'EX', ARGV[1]) == 'OK' then
    return 1  -- 成功获取
end

if redis.call('get', KEYS[1]) == ARGV[2] then
    -- 已持有且未过期，原子性续期
    redis.call('expire', KEYS[1], ARGV[1])
    return 1
end

return 0  -- 被其他客户端持有
```

```go
// Go 调用——与上方 Lua 脚本等价的分布式锁实现
script := redis.NewScript(`
    -- 尝试获取锁：SET NX EX（只有 key 不存在时才设置，原子操作）
    if redis.call("set", KEYS[1], ARGV[2], "NX", "EX", ARGV[1]) == "OK" then
        return 1  -- 成功获取
    end
    -- 已持有锁且未过期，续期（防止业务未完成锁就释放）
    if redis.call("get", KEYS[1]) == ARGV[2] then
        redis.call("expire", KEYS[1], ARGV[1])
        return 1
    end
    return 0  -- 被其他客户端持有
`)

// KEYS[1] = lock key, ARGV[1] = TTL 秒数, ARGV[2] = 唯一令牌（如 UUID）
ok, err := script.Run(ctx, rdb, []string{"lock:order:" + orderId},
    lockTTL, clientToken).Int()
if ok == 1 {
    defer func() {
        // 解锁：只有持有者才能释放（Lua 保证原子性）
        unlockScript.Run(ctx, rdb, []string{"lock:order:" + orderId}, clientToken)
    }()
    doBiz() // 临界区代码
}
```

> [!tip] 分布式锁深入阅读
> 本节仅展示 Lua 实现分布式锁的核心代码。关于安全解锁、锁续期（Watchdog）、Redlock 算法、可重入锁等进阶内容，详见 [[hhs/Redis/09-高级特性/分布式锁]]。

### 经典场景 2：限流器（令牌桶简化版）

```lua
-- rate_limit.lua
local limit = tonumber(ARGV[1])      -- 每分钟上限
local window = tonumber(ARGV[2])     -- 窗口秒数

local current = tonumber(redis.call('get', KEYS[1]) or '0')

if current >= limit then
    return 0  -- 超限，拒绝
end

local pipe = redis.pipeline()
pipe.incr(KEYS[1])
pipe.expire(KEYS[1], window)
pipe.exec()

return 1  -- 通过
```

### 经典场景 3：订单状态机

```lua
-- order_status.lua
-- KEYS[1] = order key
-- ARGV[1] = from_status
-- ARGV[2] = to_status

local current = redis.call('hget', KEYS[1], 'status')
if current ~= ARGV[1] then
    return 0  -- 状态不匹配（第一个返回值：失败）
end

redis.call('hset', KEYS[1], 'status', ARGV[2])
return 1  -- 成功（第一个返回值），后续通过 GET 读取新状态
```

### EVAL vs EVALSHA

```bash
EVAL "script..." numkeys args...     # 每次传完整脚本
EVALSHA <sha1> numkeys args...       # 只传 SHA1，省带宽
```

> [!TIP] 使用 EVALSHA 的最佳实践
> ```go
> script := redis.NewScript(...)
> // 首次调用失败可能是 NOSCRIPT（缓存未命中），会自动重试 EVAL
> result := script.Run(ctx, ...).Int()
> ```
> go-redis 内部已处理了 NOSCRIPT → EVAL fallback 的逻辑。

### Lua 沙箱限制

```lua
-- ❌ 不可用：非确定性函数（传统 Redis < 7.2）
math.random()    -- 无法预测结果
os.date()        -- 依赖系统时间

-- ✅ 推荐做法：在客户端生成随机值，通过 ARGV 传入
-- local token = client.generateUUID()
-- redis.call('set', KEYS[1], ARGV[1])  -- 带 token 写入
```

> [!NOTE] 关于 Lua 沙箱中的数学函数
> `math.max`、`math.min`、`math.log`、`math.abs` 等纯函数在沙箱中可用——它们的输出完全由输入决定，属于确定性函数。但 `math.random` **始终不可用**：即使设置相同 seed，伪随机序列也属于非确定性行为，会破坏主从一致性和 AOF 重放。随机值必须由客户端生成后通过 ARGV 传入。

> [!QUESTION] 为什么 Lua 脚本不能有随机函数？
> Lua 脚本在主线程中同步执行，如果引入随机性或时间依赖，会导致两个严重问题：
> 1. **主从不一致**：主节点执行返回 42，从节点重放却得到 87，数据分裂。
> 2. **AOF 重放不可靠**：重启后从 appendonly.aof 重放脚本，结果与上次不同，状态机紊乱。
> 因此 Redis 在 Lua 环境中屏蔽了所有非确定性 API，保证「同样的输入一定得到同样的输出」。

## 三、Pipeline

### 为什么需要 Pipeline？

Redis 协议本质是 request/response，每个命令一次网络往返（RTT）。假设客户端到服务器 RTT 为 1ms，执行 1000 条命令：

| 方式 | RTT 次数 | 总耗时估算 |
|------|---------|-----------|
| 单次发送 | 1000 | ~1s |
| Pipeline (batch=200) | 5 次 | ~5ms |

### Pipeline vs TxPipeline

在 go-redis 中，有两种管道模式可用：

| 方式 | 适用场景 | 注意事项 |
|------|---------|---------|
| `Pipeline` | 独立命令批量 | 不保证原子性 |
| `TxPipeline` (go-redis) | 需要原子的批量 | 对应 MULTI/EXEC |

```go
// 方式一：普通 Pipeline（性能优化首选）
pipe := rdb.Pipeline()
pipe.Set(ctx, "user:1:name", "alice", 0)
pipe.Set(ctx, "user:1:age", "25", 0)
pipe.HSet(ctx, "user:1:profile", "email", "a@x.com")
results, _ := pipe.Exec(ctx) // 返回 []redis.Result
_ = results // 实际使用中检查 error

// 方式二：Watch + TxPipeline（乐观锁 —— 读-改-写原子的核心模式）
// 核心思路：WATCH 监听 key → 在回调内读-判断-写 → 如果 key 被别人改了则整个回调失败重试
err := rdb.Watch(ctx, func(tx *redis.Tx) error {
    // 1. 读：获取当前余额
    acc, err := tx.Get(ctx, "account:alice").Result()
    if err != nil { return err }
    balance, _ := strconv.ParseInt(acc, 10, 64)
    if balance < 100 {
        return fmt.Errorf("余额不足")
    }
    // 2. 改-写：在 Watch 回调内用 TxPipeline 保证原子性
    pipe := tx.TxPipeline()
    pipe.DecrBy(ctx, "account:alice", 100)
    pipe.IncrBy(ctx, "account:bob", 100)
    _, err = pipe.Exec(ctx)
    return err
}, "account:alice")
if err == redis.TxFailedErr {
    // 被 Watch 的 key 被其他客户端修改了，需要重试整个操作
    log.Println("并发冲突，重试...")
}
```

> [!WARNING] Pipeline 的注意事项
> - 单个 pipeline 内的命令可能跨多个节点（Cluster 模式下会分发执行）
> - 避免在 pipeline 中混用 WATCH/MULTI（Cluster 不支持）
> - 批量越大越好？**不是**——单 batch 建议 50~200 条，过大反而降低吞吐且增加超时风险

### Pipeline 实战——数据迁移

```go
func BatchMigrate(ctx context.Context, rdb *redis.Client, srcKeys []string) error {
    const batchSize = 100
    pipe := rdb.Pipeline()
    
    for i := 0; i < len(srcKeys); i += batchSize {
        batch := srcKeys[i : min(i+batchSize, len(srcKeys))]
        
        for _, key := range batch {
            val, _ := rdb.Get(ctx, key).Result()
            newKey := strings.TrimPrefix(key, "old:")
            pipe.Set(ctx, newKey, val, 0)
        }
        
        _, err := pipe.Exec(ctx)
        if err != nil {
            return err
        }
        pipe.Close()
        pipe = rdb.Pipeline() // 重建 pipeline 避免内存泄漏
    }
    return nil
}
```

## 四、Pub/Sub —— 发布订阅

### 基础用法

```bash
# 消费者 A
SUBSCRIBE channel:newposts

# 消费者 B（也可以 subscribe 同一频道）
SUBSCRIBE channel:newposts

# 发布者
PUBLISH channel:newposts '{"id":42,"title":"Redis Tips"}'
→ 消费者 A 和 B 同时收到消息
```

```go
// go-redis 订阅者
pubsub := rdb.Subscribe(ctx, "channel:newposts")
defer pubsub.Close()

ch := pubsub.Channel() // chan redis.Message，阻塞接收
for msg := range ch {
    fmt.Printf("收到: %s\n", msg.Payload)
}

// go-redis 发布者 — 无返回值，发出去就不管了
rdb.Publish(ctx, "channel:newposts", `{"id":42,"title":"Redis Tips"}`)
```

> [!WARNING] Pub/Sub 是无状态的
> - **连接级绑定**：每个 SUBSCRIBE 会独占一个 Redis 连接——线上建议限流并发 subscriber 数量
> - **消息不持久化**：订阅者下线就丢失，重连不会收到离线期间的消息
> - **适合场景**：WebSocket 广播、实时通知、配置变更推送

### Stream —— 可靠的替代方案

Stream 是 Redis 5.0+ 引入的消息队列数据结构，弥补了 Pub/Sub 的可靠性缺陷。核心设计围绕 **Consumer Group（消费者组）**：

```bash
# 生产者写入
XADD mystream * user_id 123 action login ip 192.168.1.1

# 创建消费者组
XGROUP CREATE mystream group1 $    # $ = 从最新消息开始消费
# XGROUP CREATE mystream group1 0  # 0 = 从头开始（生产环境慎用）

# 消费者读取（阻塞模式，无消息时等待指定毫秒数）
XREADGROUP GROUP group1 consumer1 COUNT 1 STREAMS mystream >

# 确认消费完成（必须调用，否则该条消息会一直留在 pending 列表）
XACK mystream group1 <entry-id>
```

> [!TIP] `$` vs `>` —— 初学者最容易踩的坑
> | 标识符 | 含义 | 使用场景 |
> |--------|------|---------|
> | `$` | "最后一条已写入的消息" | 新 consumer 加入时，只接收**将来**的消息 |
> | `0` | "历史第一条" | 数据迁移/重放（谨慎用于大 stream） |
> | `>` | "我只取未分配给我的新消息" | **正常消费循环中始终用 `>`**，不取到 pending 消息 |

> [!QUESTION] 如果消费者挂了怎么办？
> 好消息会被移到 **pending 列表**。用 `XPENDING mystream group1` 查看，用 `XCLAIM` 将 pending 消息转移给其他 consumer 重新处理。这就是 Stream 比 Pub/Sub 可靠的地方：**有状态、可追责**。

```mermaid
flowchart LR
    P["Producer"] -->|"XADD"| S["Stream (持久化)"]
    S -->|"读取并标记 pending"| G1["Consumer Group 1<br/>consumer-a"]
    S -->|"读取并标记 pending"| G2["Consumer Group 2<br/>consumer-b"]
    G1 -->|"XACK"| S
    
    style S fill:#dfd,stroke:#090
    style G1 fill:#ddf,stroke:#669
    style G2 fill:#ddf,stroke:#669
```

> [!TIP] Pub/Sub vs Stream 选型
> | 场景 | 推荐 |
> |------|------|
> | WebSocket 实时推送 | Pub/Sub |
> | 任务队列、订单事件 | Stream |
> | 海量消息、高吞吐 | Kafka/RabbitMQ |

> [!tip] Stream 深入阅读
> 本节仅覆盖 Stream 基础用法。Consumer Group 内部机制、消息确认与重试（XCLAIM/XAUTOCLAIM）、Dead Letter Queue 模式、容量管理等进阶内容，详见 [[hhs/Redis/15-Stream]]。

## 五、Keyspace Notifications —— 键事件监听

### 原理与配置

Redis 会在每个 key 发生变更时发送通知，订阅者通过 Pub/Sub 协议接收。开启方式：

```conf
# redis.conf（或运行时 CONFIG SET）
notify-keyspace-events KEA
# K = Keyspace events    → 发布到 __keyspace@<db>__ prefix
# E = Keyevent events    → 发布到 __keyevent@<db>__ prefix
# A = All events 简写    → 覆盖 g/l/s/h/z/x/e（不包含 K/E/d/t/n）
#   g = DEL/EXPIRE/RENAMExxx 等通用命令
#   l = list, s = set, h = hash, z = sorted-set
#   x = expired, e = evicted (maxmemory 淘汰)
```

```bash
# 订阅过期事件（Keyevent 模式：更精确）
PSUBSCRIBE __keyevent@0__:expired

# 另一个连接设置过期 key
EXPIRE test:key 2
→ 收到: __keyevent@0__:expired "test:key"
```

```go
// go-redis 监听器
psub := rdb.PSubscribe(ctx, "__keyevent@0__:expired")
defer psub.Close()

ch := psub.Channel()
for msg := range ch {
    fmt.Printf("Key %s expired\n", msg.Payload)
    // 可以触发清理逻辑、计数器归零等
}
```

> [!WARNING] 生产环境注意事项
> - **性能开销**：每条写命令都会生成通知，高 QPS + 全量监听 (`KAE`) 会显著增加 CPU/内存
> - **异步不保证送达**：本质是 Pub/Sub，网络抖动时通知可能丢失
> - **从节点不会推送**：默认只在写入节点生效，哨兵/集群切换后需重新订阅
> - **建议**：只订阅你需要的事件类型（如 `KElx`），而非 `KExa` 通配一切

## 六、选型指南——如何选择？

面对一个需求，到底该用事务、Lua、Pipeline 还是 Stream？以下是决策流程：

```mermaid
flowchart TD
    A["需求场景"] --> B{"批量命令?"}
    B -->|"否"| C["单条命令即可"]
    B -->|"是"| D{"需要原子性?"}
    D -->|"否"| E["Pipeline"]
    D -->|"是"| F{"读-判断-写?"}
    F -->|"是"| G["Lua 脚本"]
    F -->|"否"| H{"支持 Cluster?"}
    H -->|"是"| G
    H -->|"否"| I["MULTI / EXEC"]
    A --> J{"消息传递?"}
    J -->|"可靠投递/任务队列"| K["Stream"]
    J -->|"实时广播/通知"| L["Pub/Sub"]
```

| 需求 | 推荐方案 | 理由 |
|------|---------|------|
| 批量写入、减少 RTT | Pipeline | 无原子性要求，纯性能优化 |
| 读-判断-写原子操作 | Lua 脚本 | 逻辑原子性，一气呵成 |
| 简单批量 + 单机 | MULTI / EXEC | 轻量，无需写 Lua |
| 任务队列、事件溯源 | Stream | 持久化 + Consumer Group |
| 实时通知、WebSocket 广播 | Pub/Sub | 无状态、低延迟 |

> [!TIP] 一句话总结
> - **Pipeline**：省网络，不保证原子性
> - **MULTI**：保证顺序，不保证逻辑原子
> - **Lua**：真正的原子性，但阻塞主线程（脚本要短小精悍）
> - **Stream**：需要消息可靠投递时的首选

## 关联笔记

- [[hhs/Redis/09-高级特性/分布式锁]] — 分布式锁完整解析（Redlock、Watchdog、可重入锁）
- [[hhs/Redis/06-主从与哨兵]] — Sentinel 故障检测（也是基于 PING/PONG 心跳）
- [[hhs/Redis/07-集群方案]] — Cluster 下 Pipeline/Lua 的限制
- [[hhs/Redis/README]] — 知识索引总览