当前位置:首页 > 文章列表 > 数据库 > Redis > Redis CLIENT TRACKING用 BCAST 接收客户端缓存失效通知的实现方法

Redis CLIENT TRACKING用 BCAST 接收客户端缓存失效通知的实现方法

来源:17golang原创 2026-09-15 19:01:22 0浏览 收藏

Redis 客户端缓存要解决的难点不是“把 GET 结果放进进程内存”,而是 Redis 中的键发生变化后,客户端能不能及时丢掉旧值。CLIENT TRACKINGBCAST 模式适合按业务前缀接收失效通知:Redis 不再为每个客户端记录访问过的每个键,而是维护“前缀—客户端”关系,匹配前缀的键被修改时向订阅者发送失效消息。

官方地址:https://redis.io/docs/latest/develop/reference/client-side-caching/

要点速览
  • BCAST 不保存逐键跟踪表,服务端内存压力更小,但可能向客户端发送它没有缓存过的键。
  • PREFIX object: 只接收匹配前缀的失效通知;重叠前缀不能同时声明。
  • 收到失效键后必须删除本地副本;通知连接断开时应整体清空本地缓存。

BCAST 的核心是前缀订阅,不是逐键登记

默认 Tracking 会记录“某个客户端可能缓存了哪些键”,键被修改、过期或被淘汰时只通知相关客户端。客户端数量和访问键数量都很大时,这张失效表会产生额外内存。BCAST 换了一个取舍:服务端不维护逐键清单,只维护前缀订阅关系。因此它适合键名有稳定业务命名空间的场景,例如 object:user:catalog:

代价也很明确:只要 user:42 被修改,订阅 user: 的客户端都会收到通知,即使某个客户端根本没有缓存它。前缀数量过多时,服务端还要为更多前缀匹配修改操作,CPU 成本会上升。BCAST 是“少维护服务端状态、接受更多广播”的方案,不是无条件优于默认 Tracking。

Redis CLIENT TRACKING BCAST 按 PREFIX 关联客户端与失效键的结构说明图
图1:BCAST 前缀关系说明图,展示前缀表、客户端与匹配键之间的静态边界,不是运行截图。

用 CLIENT TRACKING 配置 BCAST 和 PREFIX

以 RESP3 单连接模型为例,客户端可以在同一连接上启用广播跟踪:

# 只接收 object: 和 user: 命名空间的失效通知
CLIENT TRACKING ON BCAST PREFIX object: PREFIX user:

# 读取的数据仍由应用决定是否写入本地缓存
GET user:42

如果不写 PREFIX,空前缀意味着所有被修改的键都可能触发通知,通常范围过大。还要注意前缀不能重叠,例如 foofoob 不能同时声明,因为 foobar 会同时命中它们。设计时应选择最小但完整的命名空间,比如只保留 user:,不要再叠加一个覆盖它的短前缀。

RESP2 或连接池场景常使用两条连接:数据连接通过 REDIRECT 指向通知连接,通知连接订阅特殊入口:

# 通知连接:先取自己的连接 ID,再订阅 Redis 的失效消息入口
CLIENT ID
SUBSCRIBE __redis__:invalidate

# 数据连接:把失效消息重定向到通知连接 ID 10,并按前缀广播
CLIENT TRACKING ON BCAST REDIRECT 10 PREFIX object: PREFIX user:

这里的 Pub/Sub 入口是 RESP2 兼容方式,消息只会送到 REDIRECT 指定的连接,并不是普通频道订阅者都收到。客户端库若使用 RESP3,则应按库的 push 消息接口读取,而不要把失效消息误当作普通业务 Pub/Sub 消息。

失效消息到了以后,客户端要做什么

失效通知本身不替你修改本地缓存。客户端收到类似 __redis__:invalidate 的消息后,应取出其中的键名并删除对应条目。批量失效时消息数据可能包含多个键;执行 FLUSHDBFLUSHALL 这类全量清理时,需要按客户端协议处理空值信号,通常直接清空本地缓存。

// 失效消息处理示意:消息只负责告诉本地缓存哪些键不能再用
func handleInvalidation(keys []string, localCache map[string][]byte) {
	for _, key := range keys {
		// 删除不存在的键也应视为成功,避免重复通知阻塞消费循环
		delete(localCache, key)
	}
}

数据连接和通知连接分离时,要防一个竞态:GET 的结果可能晚于失效消息到达。稳妥做法是在发出 GET 时先把本地条目标记为“读取中”;如果期间收到失效通知,就删除占位。等旧 GET 返回后,发现该键已经不在缓存映射中,就不要把旧结果重新写回去。

Redis 客户端缓存收到 BCAST 失效键后删除本地副本并处理断线的结构说明图
图2:失效处理关系说明图,展示数据连接、通知连接、本地缓存和断线清理的静态关系,不是运行截图。

处理前缀、NOLOOP 与断线边界

NOLOOP 可用于避免“客户端自己修改键后又收到自己的失效通知”。它适合客户端会把自己的写入结果直接放入本地缓存的场景,但它只抑制当前写入连接的回环通知,不会替客户端解决其他连接的修改,也不代表这个键永久保持跟踪。写入后若还要继续接收后续变化,仍要按照客户端库的 Tracking 规则重新建立有效关联。

边界建议原因
前缀设计使用稳定、互不重叠的业务前缀避免重复匹配和无效广播
本地缓存同时设置本地容量与最大 TTL防止异常时旧值长期存在
通知连接定期 PING,失联后清空缓存没有失效通知就不能证明副本仍新鲜

连接断开是最容易被忽略的恢复边界。通知连接失效期间,Redis 发生的写入可能不会被客户端看见,所以重连成功后不能直接沿用原缓存;应先清空本地缓存,再恢复 Tracking,并逐步重新读取。若业务不能接受这段不确定性,还要给本地条目设置较短 TTL,作为广播通知之外的第二道保护。

常见问题

BCAST 会不会只通知真正缓存过的键?

不会。它按前缀广播,客户端可能收到自己没有保存的键,这是用服务端逐键内存换取通知范围的结果。

可以同时声明 user: 和 user:profile: 吗?

不建议也通常不被允许,因为后者与前者存在重叠键空间。保留覆盖业务对象的最小前缀即可。

收到失效消息后重新 GET 就够了吗?

还不够。必须先删除旧副本,并处理通知早于 GET 返回的竞态;否则旧结果可能在失效之后被重新写回缓存。

版本声明
本文转载于:17golang原创 如有侵犯,请联系study_golang@163.com删除
Go bufio.Reader预读协议头又保留正文的处理方案Go bufio.Reader预读协议头又保留正文的处理方案
上一篇
Go bufio.Reader预读协议头又保留正文的处理方案
Go encoding/csv复用字段切片降低分配的写法
下一篇
Go encoding/csv复用字段切片降低分配的写法
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    42次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    137次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    73次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    38次使用
  • CMMLU中文大模型评估基准:功能、使用教程与应用场景解析
    CMMLU
    深入了解CMMLU中文评估基准,涵盖67个学科主题,提供数据集下载、Zero-shot/Five-shot评估方法及排行榜,助力优化中文语言模型性能。
    25次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议隐私政策
返回登录
  • 重置密码