当前位置:首页 > 文章列表 > 数据库 > Redis > Redis 客户端缓存失效通知与广播模式

Redis 客户端缓存失效通知与广播模式

来源:17golang原创 2026-10-11 00:26:40 0浏览 收藏

Redis 客户端缓存一旦跨出 Redis 进程,就必须同时设计“数据怎么读”和“旧副本什么时候删”。Redis 的服务端辅助客户端缓存通过 CLIENT TRACKING 发送失效通知,常用的选择有两种:默认模式按客户端实际读过的键通知,BCAST 模式按键名前缀广播。前者通知更精准但服务端要维护键关系,后者不维护逐键关系但会把匹配前缀的变更通知给更多客户端。

官方资料:https://redis.io/docs/latest/develop/reference/client-side-caching/

读热点集中、键访问关系比较稳定时优先默认 Tracking;多个实例共享少量稳定前缀、又不想让 Redis 保存大量逐键关系时再考虑 BCAST。无论选哪种模式,收到失效消息都必须删除本地副本,失去通知连接时则应先清空缓存。

先看清默认 Tracking 和 BCAST 的差别

默认 Tracking 的核心是“读过什么就跟踪什么”。连接启用 Tracking 后,Redis 会记住该连接通过只读命令访问过的键;其他客户端修改这些键,Redis 就把失效消息发给可能持有副本的连接。服务端维护的关系越多,内存成本越高,但通知通常只覆盖真正被该连接读过的键。

BCAST 则换了一种取舍:Redis 不再为每个客户端保存“读过哪些键”的逐键失效表,而是根据 PREFIX 建立前缀订阅关系。只要某个匹配前缀的键被修改,订阅该前缀的客户端就会收到通知;因此服务端逐键关系更少,但客户端可能收到自己没有缓存过的键的失效消息。

维度默认 TrackingBCAST
服务端状态维护客户端读过的键关系维护前缀与客户端关系
通知范围客户端实际读过且可能缓存的键匹配前缀的所有变更键
适合场景热点键明确、缓存命中希望高前缀稳定、实例多、按组失效
主要代价逐键关系占用服务端内存通知量和前缀匹配 CPU 成本上升
Redis 默认 Tracking 模式中本地缓存、数据连接、Redis 键跟踪表和失效消息的静态关系说明图
图1:默认 Tracking 的静态关系图,查看应用本地缓存、Redis 键跟踪表、写入方与失效通知之间的边界;这是说明图,不是运行截图。

按业务负载决定通知模式

不要先看命令长短再选模式,先把四个约束写下来:本地缓存覆盖的键数、键的更新频率、客户端连接数、可接受的无效通知量。只缓存少量读多写少的对象时,默认 Tracking 往往更省通知;如果应用实例很多,且缓存都围绕 user:、product: 这类稳定前缀组织,BCAST 更容易按业务域管理。

高频变化的计数器、排行榜或持续刷新的状态不适合盲目放进客户端缓存。Redis 官方建议把不适合缓存的数据放到未启用客户端缓存的独立连接上,否则失效消息开销可能抵消减少网络往返带来的收益。

还要注意客户端库能力不等于 Redis 服务端命令能力。Redis 文档列出了部分客户端对客户端缓存的支持版本;如果当前库没有完整封装 BCAST 或失效消息解析,可以直接使用底层连接能力,或者只采用库已经明确支持的模式,不要只因为服务端版本满足就假设业务代码已经具备缓存淘汰逻辑。

默认 Tracking 的最小配置

RESP3 可以在同一连接中接收普通响应和失效消息,适合客户端能够正确处理推送消息的场景。下面是命令关系示意,注释说明每个命令的职责;它不是运行输出,也不代表某个本机实例已经执行。

# 使用 RESP3 连接,让数据响应与失效推送复用一条连接
redis-cli -3

# 为当前连接打开默认 Tracking,按实际读过的键接收失效消息
CLIENT TRACKING ON

# 读取后,Redis 会把 user:1001 纳入当前连接的跟踪范围
GET user:1001

# 业务代码收到失效消息后,应删除本地缓存中的同名键
# 连接侧的缓存淘汰逻辑不由 Redis 自动完成

RESP2 不支持在同一数据连接上复用推送消息时,可以使用两条连接:一条连接订阅 __redis__:invalidate,另一条数据连接用 REDIRECT 把失效通知转给第一条连接。

# 连接 A:只负责接收失效通知,先取得自己的连接 ID
CLIENT ID

# 连接 A:订阅 Redis 为 RESP2 客户端缓存准备的失效频道
SUBSCRIBE __redis__:invalidate

# 连接 B:把当前数据连接的通知重定向到连接 A 的 ID
CLIENT TRACKING ON REDIRECT 

# 连接 B:正常读取,连接 A 负责消费并转成删除本地键的动作
GET user:1001

REDIRECT 指向的连接必须存在;如果通知连接断开,数据连接会收到重定向断开的信号或无法继续获得失效消息。连接池场景可以让多个数据连接把通知重定向到同一个专门连接,但应用必须把“通知连接生命周期”和“本地缓存生命周期”绑定起来。

BCAST 适合用前缀管理缓存域

BCAST 的命令结构是在 Tracking 后加入 BCAST 与一个或多个 PREFIX。如果不写前缀,通知范围会扩展到所有被修改的键;生产环境通常应该写窄前缀,避免把无关键变更广播到整个客户端群。

# 只接收 user: 前缀的键变更通知,减少无关失效消息
CLIENT TRACKING ON BCAST PREFIX user:

# product: 不在本连接的广播范围内,不能依赖本连接收到它的失效消息
# user:1001 即使当前连接没有先 GET,也会因前缀匹配而触发通知

前缀设计要保持清晰。Redis 文档指出,两个前缀不能覆盖重叠的键空间,例如同时注册 foo 和 foob 会产生重叠匹配;应选择一个能够覆盖业务域的前缀,而不是用很多相互包含的前缀凑范围。前缀数量较大时,服务端匹配成本也会增加。

Redis BCAST 前缀广播中本地缓存、PREFIX、前缀表和多个写入键的静态关系说明图
图2:BCAST 前缀广播的静态关系图,查看 PREFIX、前缀表、缓存域和多客户端失效通知之间的关系;这是说明图,不是运行截图。

NOLOOP、断线与缓存清空不能遗漏

如果写入连接同时把写入结果放进了本地缓存,默认情况下它可能立即收到自己的失效通知。NOLOOP 可以抑制“由当前连接修改的键”发回当前连接的通知,但在默认 Tracking 模式下,Redis 仍会因为写入而移除该键的跟踪关系。之后若还想继续接收该键的变化通知,需要再次读取它。

断线处理比命令配置更重要:只要用于接收失效消息的连接丢失,就可能有一段时间无法知道哪些本地副本已经过期。稳妥做法是把本地缓存整体清空,再等待连接恢复后的读取重新建立缓存;同时对通知连接做周期性保活,不能把 TCP 连接仍然存在误认为失效消息仍然可靠。

一个可落地的缓存对象至少应有三种状态:fresh 表示可以读取,invalidated 表示收到键通知后必须删除,flushed 表示通知链路断开后整批清空。这样重连逻辑不会把旧值悄悄恢复成“看起来正常”的状态。

上线前的选择清单

  • 热点键少、读写关系明确:优先默认 Tracking,评估服务端逐键关系的内存。
  • 实例多、业务域由稳定前缀划分:考虑 BCAST,并限制 PREFIX 数量和范围。
  • 使用 RESP3:确认客户端能持续读取失效推送,不要只处理普通命令返回值。
  • 使用 RESP2:准备独立通知连接和 REDIRECT,把它纳入连接池与重连设计。
  • 通知连接断开:立即清空本地缓存,恢复后让后续读取重新建立有效副本。
  • 高频写键:优先放到未启用客户端缓存的连接,避免通知成本超过缓存收益。

常见问题

BCAST 会不会只通知真正缓存过的键?

不会。BCAST 按前缀广播,客户端可能收到自己没有缓存过的匹配键通知,因此本地淘汰处理应允许“删除不存在的键”这种幂等情况。

默认 Tracking 和 BCAST 能同时解决断线旧值吗?

不能。两种模式都依赖通知链路;链路断开后,客户端无法可靠知道遗漏了哪些修改,仍应清空相关本地缓存,恢复后重新读取。

只开启 CLIENT TRACKING 就会自动维护应用内缓存吗?

不会。Redis 只负责记录关系并发送失效消息,缓存容量、淘汰策略、消息消费和断线清空仍由客户端实现。

Redis 客户端缓存的关键决策是“通知精度和服务端状态之间如何取舍”:默认 Tracking 面向实际读键,BCAST 面向稳定前缀。先按业务负载划分缓存域,再确定协议、连接模型和断线清空策略,才能让本地缓存提速而不把一致性责任藏起来。

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
context.AfterFunc 回调未执行时的取消时序context.AfterFunc 回调未执行时的取消时序
上一篇
context.AfterFunc 回调未执行时的取消时序
time.Location 缓存时区对象的初始化方式
下一篇
time.Location 缓存时区对象的初始化方式
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。
    408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。
    487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。
    494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。
    443次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    271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 和 隐私政策
返回登录
  • 重置密码