Redis 的不同数据结构分别适用于哪些微服务场景-优快云博客

本文链接：https://blog.youkuaiyun.com/nmsoftklb/article/details/147150751

我们一块来分析下Redis 的不同数据结构在微服务场景下的具体应用：

1. String (字符串)

特点: 最基本的数据类型，二进制安全，可以存储任何类型的数据（文本、序列化对象、图片等），最大 512MB。支持原子性的递增/递减操作。
微服务适用场景:
- 分布式缓存: 最常见的用途。缓存数据库查询结果、API 响应、渲染后的 HTML 片段等。
  - 示例: UserService 查询用户信息后，将用户 ID 作为 Key，用户信息（序列化后的 JSON 或其他格式）作为 Value 存入 Redis String，并设置 TTL。GET user:123 -> {"name": "Alice", "email": "..."}。
- 分布式会话: 存储 Session ID 到用户会话数据的映射。
  - 示例: 用户登录后，AuthService 生成一个 Session ID，将 Session ID 作为 Key，用户的登录状态、权限等信息作为 Value 存入 Redis String。GET session:xyzabc -> {"userId": 123, "role": "admin", "loginTime": ...}。
- 计数器/限流器: 利用 INCR, DECR, INCRBY 等原子操作实现。
  - 示例: APIGateway 对某个接口进行限流，使用 INCR api:/orders:user:123，并结合 EXPIRE 设置时间窗口。当计数值超过阈值时拒绝请求。
  - 示例: ContentService 统计文章阅读数：INCR article:readcount:456。
- 分布式锁 (简单实现): 利用 SET key value NX EX seconds 命令实现简单的互斥锁。
  - 示例: InventoryService 在扣减库存前尝试获取商品锁：SET product:lock:sku123 my_request_id NX EX 30。

2. Hash (哈希)

特点: 存储一个 Key 到多个 Field-Value 对的映射，类似于编程语言中的 Map 或 Dictionary。适合存储结构化对象。
微服务适用场景:
- 缓存结构化对象: 存储对象的部分或全部属性，便于单独更新或获取某个字段，节省网络带宽和序列化开销。
  - 示例: UserService 缓存用户信息，Key 为 user:123，Fields 包括 name, email, age 等。HGET user:123 name -> "Alice"; HSET user:123 age 31 只更新年龄。
- 购物车: 存储用户的购物车信息。
  - 示例: CartService 使用 Hash 存储购物车，Key 为 cart:user:123，Field 为商品 ID (product:sku456)，Value 为商品数量 (3)。HINCRBY cart:user:123 product:sku456 1 实现添加商品数量。

3. List (列表)

特点: 有序的字符串列表，按照插入顺序排序。可以在列表头部或尾部添加/移除元素。支持阻塞式弹出操作。
微服务适用场景:
- 轻量级消息队列/任务队列: 实现先进先出 (FIFO) 或后进先出 (LIFO) 的简单队列。
  - 示例: OrderService 创建订单后，使用 LPUSH order:notify:queue {"orderId": 789, "type": "email"} 将通知任务推入队列。NotificationService 使用 BRPOP order:notify:queue 10 阻塞式地获取并处理任务。
- 最新消息/动态 Feed: 存储用户最近的操作或接收到的消息列表（通常需要配合 LTRIM 来限制列表长度）。
  - 示例: TimelineService 用户发布新帖子后，LPUSH user:timeline:123 post:abc，并用 LTRIM user:timeline:123 0 999 保留最新的 1000 条。

4. Set (集合)

特点: 无序的、唯一的字符串集合。支持高效的成员检查、添加、删除操作，以及集合间的交集、并集、差集运算。
微服务适用场景:
- 标签系统/分类: 存储对象（如文章、商品）关联的标签。
  - 示例: ProductService 存储商品的标签：SADD product:tags:sku123 "electronics" "audio" "bluetooth"。可以方便地通过 SISMEMBER 检查商品是否有某标签，或通过 SINTER 查找同时具有多个标签的商品。
- 共同好友/关注关系: 存储用户的关注列表或好友列表，并利用集合运算找到共同关系。
  - 示例: SocialService 存储用户关注的人：SADD user:following:alice "bob" "charlie"; SADD user:following:bob "alice" "charlie" "david". SINTER user:following:alice user:following:bob -> {"charlie"} (共同关注)。
- 唯一访客统计 (简单场景): 记录访问某页面或功能的独立用户 ID。
  - 示例: AnalyticsService 记录访问某页面的独立访客：SADD page:visitors:/home "user:123" "user:456"。SCARD page:visitors:/home 获取独立访客数。

5. Sorted Set (ZSet / 有序集合)

特点: Set 的升级版，每个成员都关联一个 double 类型的分数 (score)，并根据分数进行排序。成员唯一，但分数可以重复。支持按分数范围或排名范围获取成员。
微服务适用场景:
- 排行榜: 根据分数（如积分、销售额、时间戳）对成员进行排序。
  - 示例: GameService 存储玩家积分榜：ZADD game:leaderboard 1500 "player1" 1200 "player2"。ZREVRANGE game:leaderboard 0 9 WITHSCORES 获取排名前 10 的玩家及其分数。
- 延迟队列/定时任务: 将任务的执行时间戳作为 score，利用 ZRANGEBYSCORE 定期查询到期的任务。
  - 示例: OrderService 创建订单后 30 分钟未支付自动取消：ZADD order:pending:cancel <current_timestamp + 30_minutes> "order:789"。后台任务定时 ZRANGEBYSCORE order:pending:cancel 0 <current_timestamp> 获取到期订单进行处理。
- 带权重的任务队列: score 可以代表任务优先级。

6. Stream (流)

特点: Redis 5.0 引入的强大的 append-only 日志结构。支持消费组 (Consumer Groups)，允许多个消费者并行处理同一个流的不同部分，并提供消息确认 (ACK) 机制，比 List 做消息队列更可靠、功能更丰富。
微服务适用场景:
- 可靠的消息队列/事件总线: 用于服务间的异步通信、事件溯源（轻量级）、日志收集等。
  - 示例: OrderService 在订单状态变更时，XADD order:events * status "paid" orderId "789" userId "123" 将事件添加到流中。InventoryService 和 ShippingService 可以分别创建消费组，独立地从流中读取并处理 paid 事件，并通过 XACK 确认处理完成。

7. HyperLogLog (HLL)

特点: 概率数据结构，用于对集合的基数（唯一元素的数量）进行估算，占用内存极小 (固定约 12KB)，但结果有微小误差 (标准误差约 0.81%)。
微服务适用场景:
- 大规模唯一计数: 统计海量数据中的独立元素数量，如网站的 UV (Unique Visitors)、独立 IP 数、搜索词的独立用户数等，对精度要求不是 100% 严格的场景。
  - 示例: AnalyticsService 统计每日独立访客：对每个访问的用户 ID 执行 PFADD daily_visitors:2023-10-27 "user_id_abc"。最后通过 PFCOUNT daily_visitors:2023-10-27 获得估算的 UV 值。

8. Geospatial (GEO)

特点: 基于 Sorted Set 实现，专门用于存储地理空间坐标（经度、纬度）并进行相关查询。
微服务适用场景:
- 位置服务: 查找附近的人/地点、计算两点间距离等。
  - 示例: LocationService 或 RideSharingService 存储司机的位置：GEOADD drivers:available 116.40 39.90 "driver123"。用户请求打车时，GEORADIUS drivers:available <user_longitude> <user_latitude> 5 km WITHDIST 查找 5 公里内的可用司机及其距离。

总结:

选择哪种 Redis 数据结构取决于微服务具体要解决的问题。通过比较每种数据结构的特性和优势，可以更高效的实现微服务中的缓存、通信和特定业务逻辑。我们要合理利用这些结构让Redis 在微服务架构中发挥它的价值。