Redis 设计购物车（基于 Hash）详解

Redis 设计购物车（基于 Hash）详解

在电商系统中，购物车是一个高频读写、要求低延迟的核心模块。使用 Redis 存储购物车数据，可以显著提升性能，避免频繁访问数据库。而 Redis 的 Hash 数据结构 是实现购物车的最佳选择，因为它天然适合存储“用户-商品-数量”的映射关系。

本文将详细介绍如何使用 Redis Hash 设计高性能、可扩展的购物车系统，涵盖数据结构设计、核心命令、业务场景、并发控制与最佳实践。

---

一、为什么选择 Redis Hash？

特性	与购物车需求的匹配度
✅ 键值对结构（field-value）	field=商品ID, value=数量，完美匹配
✅ 支持单字段操作	可单独增减某商品数量，无需读取整个购物车
✅ 内存效率高	相比多个 String，Hash 更节省内存
✅ 原子操作	HINCRBY 保证数量变更的原子性
✅ 支持过期时间	可设置未登录用户的临时购物车自动过期

✅ 结论：Hash 是实现购物车的最优雅、最高效的数据结构。

---

二、数据结构设计

1. Key 设计

cart:{userId}

• 示例：cart:1001
• 说明：以用户 ID 为 key，避免冲突

💡 未登录用户可使用 cart:temp_{sessionId} 临时存储，登录后合并

2. Field-Value 设计

Field（字段）	Value（值）	说明
item:1001	2	商品 1001 的数量为 2
item:1002	1	商品 1002 的数量为 1

✅ 支持后续扩展：可用 JSON 存储更多属性（如价格、规格），但会牺牲原子性

---

三、核心 Redis 命令与操作

1. 添加商品（+1 或新增）

HINCRBY cart:1001 item:1001 1

• 如果 item:1001 不存在，自动创建并设为 1
• 如果存在，数量 +1
• ✅ 原子操作，无需加锁

2. 修改商品数量

HSET cart:1001 item:1001 3

• 直接设置商品数量为 3

3. 删除商品

HDEL cart:1001 item:1001

• 删除指定商品

4. 查询购物车所有商品

HGETALL cart:1001

• 返回所有 field-value 对
• 示例输出：

  1) "item:1001"
  2) "2"
  3) "item:1002"
  4) "1"
  

5. 查询某商品数量

HGET cart:1001 item:1001

• 返回数量，如 "2"

6. 获取购物车商品总数（总件数）

HVALS cart:1001

然后在应用层求和：

List<String> values = redis.hvals("cart:1001");
int totalCount = values.stream().mapToInt(Integer::parseInt).sum();

或使用 Lua 脚本原子计算：

EVAL "
  local sum = 0
  local vals = redis.call('HVALS', KEYS[1])
  for i, v in ipairs(vals) do
    sum = sum + tonumber(v)
  end
  return sum
" 1 cart:1001

7. 清空购物车

DEL cart:1001

---

四、典型业务场景实现

场景 1：用户添加商品到购物车

public void addToCart(long userId, long itemId, int quantity) {
    String key = "cart:" + userId;
    String field = "item:" + itemId;

    // 原子增加数量
    redisTemplate.opsForHash().increment(key, field, quantity);

    // 设置过期时间（可选，如 7 天）
    redisTemplate.expire(key, 7, TimeUnit.DAYS);
}

场景 2：用户修改商品数量

public void updateCartItem(long userId, long itemId, int quantity) {
    String key = "cart:" + userId;
    String field = "item:" + itemId;

    if (quantity <= 0) {
        // 删除商品
        redisTemplate.opsForHash().delete(key, field);
    } else {
        redisTemplate.opsForHash().put(key, field, String.valueOf(quantity));
    }
}

场景 3：获取购物车详情

public Map<String, Integer> getCart(long userId) {
    String key = "cart:" + userId;
    Map<Object, Object> entries = redisTemplate.opsForHash().entries(key);

    Map<String, Integer> cart = new HashMap<>();
    for (Map.Entry<Object, Object> entry : entries.entrySet()) {
        String field = (String) entry.getKey();
        int qty = Integer.parseInt((String) entry.getValue());
        cart.put(field, qty);
    }
    return cart;
}

场景 4：未登录用户购物车合并（登录后）

public void mergeCartAfterLogin(String tempCartKey, long userId) {
    String userCartKey = "cart:" + userId;

    // 将临时购物车合并到用户购物车
    Map<Object, Object> tempItems = redisTemplate.opsForHash().entries(tempCartKey);
    for (Map.Entry<Object, Object> entry : tempItems.entrySet()) {
        String itemKey = (String) entry.getKey();
        int qty = Integer.parseInt((String) entry.getValue());
        redisTemplate.opsForHash().increment(userCartKey, itemKey, qty);
    }

    // 删除临时购物车
    redisTemplate.delete(tempCartKey);

    // 设置长期过期
    redisTemplate.expire(userCartKey, 30, TimeUnit.DAYS);
}

---

五、并发与一致性控制

1. 原子性保障

• HINCRBY 是原子操作，多个用户同时加购同一商品不会出错
• HSET、HDEL 也是原子的

2. 避免超卖（需结合库存系统）

• 购物车只存数量，不保证库存
• 下单时需校验真实库存（可使用 Redis + Lua 或数据库）

3. 使用 Lua 脚本保证复合操作原子性

-- 添加商品，但最多不超过 99 件
EVAL "
  local current = tonumber(redis.call('HGET', KEYS[1], ARGV[1]) or 0)
  if current + ARGV[2] > 99 then
    return -1
  else
    redis.call('HINCRBY', KEYS[1], ARGV[1], ARGV[2])
    return current + ARGV[2]
  end
" 1 cart:1001 item:1001 1

---

六、性能优化与最佳实践

✅ 1. 合理设置过期时间

• 未登录用户：EXPIRE cart:temp_xxx 1d
• 登录用户：可设为 7~30 天，或永久（由业务决定）

✅ 2. 避免大购物车

• 限制单用户商品数（如最多 100 种商品）
• 使用 HLEN cart:1001 判断数量

✅ 3. 批量操作优化

• 获取多个商品信息时，使用 HMGET（虽不直接支持，可通过 pipeline）
• 使用 Pipeline 批量执行命令，减少网络开销

✅ 4. 监控大 key

• 使用 redis-cli --bigkeys 检测大购物车
• 大 HGETALL 可能阻塞，建议分页或限制商品数

✅ 5. 数据一致性

• 购物车数据以 Redis 为准
• 异步同步到数据库（如每天备份）
• 下单成功后清除购物车中已购商品

✅ 6. 扩展性考虑

• 用户量大时可按 userId % 100 分片存储
• 使用 Redis Cluster 自动分片

---

七、与其他数据结构对比

数据结构	是否适合购物车	原因
🟠 Hash	✅ 最佳选择	字段对应商品，操作原子，内存高效
🟡 String（JSON）	⚠️ 可用但不推荐	每次读写整个购物车，不原子
🔵 List	❌ 不适合	无法快速查找/修改指定商品
🔴 Set	❌ 不适合	无数量概念，不能重复
🟣 Sorted Set	⚠️ 可用	score 存数量，但语义不清晰，操作复杂

---

八、完整数据结构示例

# 用户 1001 的购物车
HSET cart:1001 item:1001 "2"
HSET cart:1001 item:1002 "1"
HSET cart:1001 item:1003 "5"

# 查询
HGETALL cart:1001
# 输出：
# item:1001 -> 2
# item:1002 -> 1
# item:1003 -> 5

# 总件数：2+1+5 = 8

---

九、总结：Redis Hash 实现购物车的优势

优势	说明
⚡ 高性能	内存操作，响应时间在毫秒级
🔐 原子性	HINCRBY 保证数量变更安全
💾 节省内存	Hash 编码优化，比多个 String 更高效
📦 易扩展	支持商品增删改查，逻辑清晰
🔁 易集成	与 Spring Data Redis、Redisson 等无缝集成

---

✅ 结语：
使用 Redis Hash 实现购物车，是电商系统的标准实践。它简单、高效、可靠，能够支撑高并发场景下的购物车操作。结合合理的过期策略、并发控制和监控，可构建一个稳定、高性能的购物车服务。

💡 进阶建议：

• 结合 Redisson 使用 RMap 提供更高级的 API
• 使用 Lua 脚本 实现复杂业务逻辑的原子性
• 购物车与 库存服务 联动，防止超卖