Redis LCS 怎么找文本版本差异：IDX、MINMATCHLEN 与结果核对

配置中心刚推了一版规则，值班同学发现新旧文本看起来只改了几处，却没法快速定位到底哪些字符真的发生了变动。把两段内容拉到应用层逐字比对当然能实现，但 Redis 已经提供了 LCS 命令：先用 LEN 判断相似度，再用 IDX 找出两边的匹配区间，必要时用 MINMATCHLEN 去掉太短的噪声片段。

先用 LEN 判断两版文本有多像

假设 Redis 里存了两版不同的发布规则：

MSET cfg:checkout:v1 "pay=card;retry=2;timeout=800" cfg:checkout:v2 "pay=card;retry=3;timeout=800"
LCS cfg:checkout:v1 cfg:checkout:v2 LEN

返回值是一个整数，代表最长公共子序列的长度。它很适合作为第一道筛选逻辑：如果长度很小，说明两版的变化范围可能很大；长度接近原文总长度的时候，才值得继续拉取匹配区间做进一步拆解。这个值不是“修改字符数”，也不等同于编辑距离，不能直接拿来当最终的 diff 结果用。

IDX 返回的不是 diff 文本，而是两边的坐标

想确认匹配片段分别落在旧文本和新文本的什么位置，可以加上 IDX 参数：

LCS cfg:checkout:v1 cfg:checkout:v2 IDX

响应里包含 matches 和 len 两部分。每个匹配段会分别给出旧文本的起止位置、新文本的起止位置；位置下标从 0 开始，起止点本身都被包含在区间内。比如旧文本区间 4..8 的长度要按 8 - 4 + 1 计算，不能直接用结束点减开始点得到结果。

这里最容易踩坑的点是输出顺序：Redis 官方文档明确说明这些匹配段是按算法内部输出顺序从后往前排列的。应用层如果要渲染成大家熟悉的从左到右的差异视图，要先按旧文本起点、新文本起点重新排序，再挨个计算中间的未匹配区间。

用 MINMATCHLEN 收住短片段噪声

两段日志、配置项或者模板文本里，单个标点、短字段也可能被算法识别为公共片段。如果我们只关心稳定的长匹配片段，可以按这个方式写命令：

LCS cfg:checkout:v1 cfg:checkout:v2 IDX MINMATCHLEN 5 WITHMATCHLEN

MINMATCHLEN 5 会过滤掉长度小于 5 的匹配段；WITHMATCHLEN 则会把每个保留下来的区间对应的长度一起返回。它不会改变 len 这个最长公共子序列的总长度，应用侧不能把过滤后的各个区间长度相加，直接当成总长度来用。

把 Redis 返回结构变成可复查的版本差异

建议先把 Redis 返回的原始结果转换成应用自己定义的中间结构，别直接把数组下标硬写在页面渲染逻辑里。每段匹配记录至少存四个字段：

• 旧文本起点与终点；
• 新文本起点与终点；
• 匹配长度；
• 归一化之后的排序序号。

渲染的时候从上一个游标位置开始，先截取两边的未匹配部分，再输出当前匹配段，最后把游标推进到区间终点加一的位置。这样就算 Redis 返回的匹配段是倒序的，页面也不会把变更片段拼接反。如果处理的是 UTF-8 中文文本，还要提前约定好坐标是按字节解释还是按字符解释；如果最终要展示的是中文段落，最好在应用侧统一按字符切分，再拿一组中文样例做验收。

生产使用前要设的边界

LCS 需要逐段比较两段字符串，输入内容越长，计算消耗和临时内存压力就越明显。不要把整份超大 JSON、日志文件或者很长的用户长文本直接塞进 Redis 做在线差异比对。更稳妥的做法是先在应用侧限制输入字节数，超出阈值就转成离线任务处理；在线链路里只比较配置片段、短模板或者已经提前裁剪好的短文本。

验收的时候至少准备四组测试样例：两段内容完全相同、只有一个字段变化、存在多段长匹配、只有很多零散的短片段。分别记录 LEN、IDX、过滤后的区间数量和最终渲染出的文本。这个结果只能说明字符序列相似，不代表 JSON 语义完全等价；配置正式发布前还是要经过格式解析和业务侧的常规校验。

相关问题

LCS LEN 能直接算出修改了几个字符吗？

不能。它返回的是最长公共子序列长度，不包含插入、删除、替换的完整编辑成本。要展示最终的修改片段，得用 IDX 返回的区间结果再由应用层自行拼接。

为什么 IDX 的匹配区间看起来是倒序？

这是 Redis 文档定义的默认输出顺序。读取结果之后按旧文本起点和新文本起点重新排序就可以正常处理，不要直接假设数组第一项就是文本的开头位置。

MINMATCHLEN 会改变 LEN 吗？

不会。它只筛掉 IDX 返回的短匹配段，公共子序列的总长度还是按原始比对结果返回的。

发布前检查清单

• 先用 LEN 做相似度初筛，再决定要不要请求 IDX。
• 按闭区间规则解释坐标，同时把倒序返回的结果做规范化排序。
• 需要过滤噪声的时候同时保留 MINMATCHLEN 和原始总长度。
• 限制输入文本大小，补做中文、JSON 和多段匹配的覆盖样例。