当前位置:首页 > 文章列表 > 数据库 > Redis > Redis Lua 脚本怎样保证读改写原子性

Redis Lua 脚本怎样保证读改写原子性

来源:17golang原创 2026-10-14 10:08:24 0浏览 收藏

Redis 里最容易出现超卖的写法,是先用 GET 读库存,在客户端判断够不够,再用 DECRBY 扣减。两个命令之间可能插入另一个请求,两个客户端都读到“库存足够”,最后一起扣减。把检查和更新放进同一个 Lua 脚本,Redis 会在服务端连续执行整段脚本,其他命令不能插入这段执行过程,读改写才真正成为一个原子单元。

官方地址:https://redis.io/docs/latest/develop/programmability/eval-intro/

要点速览
  • Lua 原子性解决的是“读取结果后再决定是否更新”之间的竞态,不是让任意长脚本都适合在线执行。
  • 所有脚本访问的键放进 KEYS,业务参数放进 ARGV,不要在脚本里拼接或猜键名。
  • 生产环境可以用 EVALSHA 减少重复传输,但脚本缓存会因重启、故障切换或清理而丢失,要能处理 NOSCRIPT。

客户端读改写为什么不安全

先看旧写法:客户端执行 GET stock:sku:42,把结果拿回应用层;应用层判断库存大于等于本次数量后,再发送 DECRBY。问题不在单个命令,而在判断发生在 Redis 之外。请求 A 和请求 B 都可能在扣减前读到同一个旧值,随后分别执行更新。

Lua 的关键不是“把多条命令写在一段字符串里”,而是让 Redis 把这段脚本当作一次服务端执行单元。官方文档说明,脚本运行期间 Redis 会阻塞其他服务活动,因此脚本的效果要么尚未发生,要么已经完整发生。脚本必须短小,不能把网络调用、复杂循环或大量无关业务塞进来。

Redis 客户端读改写的竞态窗口与 Lua 原子边界结构说明图
图1:Redis 客户端读改写与 Lua 原子边界的结构说明图,不是运行截图。

写一个原子扣减脚本

把库存键作为 KEYS[1],把扣减量作为 ARGV[1]。脚本先读取并转成数字;库存不足返回 0,库存足够才执行 DECRBY,并返回 1 和扣减后的剩余值。检查、分支和更新都在同一个脚本边界内。

-- KEYS[1] 是库存键,ARGV[1] 是本次要扣减的数量
local stock = tonumber(redis.call('GET', KEYS[1]) or '0')
local amount = tonumber(ARGV[1])

-- 参数无效时直接返回错误,避免把错误输入当成扣减成功
if not amount or amount 

用 redis-cli 调用时,--eval 后先写脚本文件,再写键参数,逗号后写普通参数。这个分隔关系很重要:键名进入 KEYS,扣减量才进入 ARGV。

# 第一个参数是脚本文件,逗号前传入 KEYS,逗号后传入 ARGV
redis-cli --eval quota.lua stock:sku:42 , 3
Redis Lua 原子扣减脚本的 KEYS ARGV 输入、库存检查、DECRBY 更新和返回值结构说明图
图2:Lua 原子扣减脚本的输入、判断、更新和返回值结构说明图,不是运行截图。

从 EVAL 迁移到 EVALSHA

开发阶段可以直接用 EVAL 发送脚本文本。脚本稳定后,可先用 SCRIPT LOAD 把脚本放进 Redis 的脚本缓存,再用返回的 SHA1 调用 EVALSHA,这样重复请求不必反复传输同一份源码。参数仍然保持不变:键在前,业务参数在后。

# 先加载固定脚本,返回值是后续 EVALSHA 使用的 SHA1
redis-cli SCRIPT LOAD "$(cat quota.lua)"

# 使用脚本摘要执行,仍然显式传入键和普通参数
redis-cli EVALSHA  1 stock:sku:42 3

脚本缓存不是持久化数据。Redis 重启、主从故障切换或执行缓存清理后,EVALSHA 可能返回 NOSCRIPT。客户端应捕获这个错误,重新加载固定脚本,再重试一次;不要为每个请求动态拼出一份新脚本,否则会让脚本缓存持续膨胀。

迁移清单与常见误区

检查项建议原因
键名来源所有访问键显式放入 KEYS便于集群路由,也避免脚本偷偷访问未知键
普通输入数量、阈值、状态放入 ARGV脚本保持固定,参数负责变化
脚本长度只保留紧邻数据的短逻辑脚本执行期间会阻塞其他命令
缓存恢复为 NOSCRIPT 准备加载路径脚本缓存会因重启或清理丢失

还要区分 Lua 与事务的职责。MULTI/EXEC 能按顺序执行排队命令,但客户端无法把“读到的值是否满足条件”直接变成事务内的服务端分支;使用 WATCH 则需要处理乐观锁失败和重试。需要把读取、判断、更新组合成一次服务端决策时,Lua 更直接。

迁移前先确认脚本只处理必要的键和参数,再固定返回协议;迁移后重点回归库存刚好足够、库存不足、数量非法、脚本缓存丢失和集群多键槽位这几类边界。这样保证的是业务决策的原子性,而不是替代幂等键、重复请求保护或整体业务事务。

常见问题

Lua 脚本执行时 Redis 会不会被其他客户端插入命令?

脚本执行期间不会插入其他命令,这正是读改写能够保持原子的原因。但脚本越长,其他请求等待越久,所以应把逻辑限制在短小、确定的服务端数据操作内。

为什么不能在脚本里自己拼接 Redis 键名?

脚本访问的键应该由调用方显式放入 KEYS。这让 Redis 和集群能够知道脚本涉及哪些键,也让脚本的输入边界清楚。

EVALSHA 返回 NOSCRIPT 后应该怎么办?

重新用固定源码执行 SCRIPT LOAD,拿到新的摘要后再调用 EVALSHA。不要把动态业务数据拼进脚本源码。

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
Redis TTL 为什么没有按预期过期Redis TTL 为什么没有按预期过期
上一篇
Redis TTL 为什么没有按预期过期
Redis 分布式锁怎样处理客户端超时
下一篇
Redis 分布式锁怎样处理客户端超时
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。
    467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。
    529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。
    548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。
    497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。
    317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