当前位置:首页 > 文章列表 > 数据库 > Redis > Redis Cluster 多 key Lua 怎样保持同槽

Redis Cluster 多 key Lua 怎样保持同槽

来源:17golang原创 2026-10-19 21:28:21 0浏览 收藏

Redis Cluster 中,多 key Lua 能否执行,关键不在 Lua 语法,而在这些 key 是否落到同一个 hash slot。实用做法是把同一个业务实体的标识放进花括号,例如 order:{42}:meta 和 order:{42}:items。Redis 只对 {42} 计算槽位,两个 key 就能被路由到同一节点。

官方文档:https://redis.io/docs/latest/

要点速览
  • hash tag 只影响花括号内的非空片段,业务前缀和后缀仍可保留。
  • EVAL 的前两个参数是脚本和 numkeys;真实 key 放入 KEYS,阈值等普通值放入 ARGV。
  • 同槽只解决集群路由前提,不代表脚本可以无限变长;Lua 仍会在 Redis 主线程中阻塞其他请求。

用 hash tag 让相关 key 落到同一个槽

Redis Cluster 把 key 空间分成 16384 个槽。普通 key 按整个 key 计算;当 key 中存在一对花括号,且中间有内容时,Redis 只对第一对有效花括号中的内容计算槽位。因此下面两组 key 的结果不同:

key 设计槽位关系适合场景
order:42:meta、order:42:items通常不同槽单 key 读写或客户端分别访问
order:{42}:meta、order:{42}:items共同使用 42需要多 key Lua、事务或多 key 命令
Redis Cluster 中 order 花括号 key、共同 hash tag、CRC16 槽计算与多 key Lua 的关系说明图
图1:Redis Cluster hash tag 与同槽关系说明图,不是运行截图或执行证据。

设计时要先找出真正需要原子处理的业务边界,再决定 tag。不要把所有用户都写成同一个固定 tag,否则虽然能避免 CROSSSLOT,却会把流量和数据集中到一个槽,形成热点。常见做法是以订单号、购物车号或租户号作为 tag,并保持同一实体的 key 模板稳定。

EVAL 的 KEYS 与 ARGV 必须分工

Redis 官方脚本约定要求:脚本会访问的所有 key 都由调用方显式传入;key 名称进入 KEYS,其他值进入 ARGV。在 Cluster 下,这个约定不仅是可读性问题,也是客户端计算路由和服务端判断同槽关系的输入。

-- 第二个参数 2 表示后面有两个 Redis key
EVAL "
  -- KEYS 只放脚本真正访问的 key
  local meta = redis.call('HGET', KEYS[1], 'status')
  local count = redis.call('INCRBY', KEYS[2], ARGV[1])
  -- 返回两个结果,便于客户端一次处理
  return {meta, count}
" 2 order:{42}:meta order:{42}:counter 1

这段调用中,order:{42}:meta 和 order:{42}:counter 是两个显式 key;1 是增量值,属于 ARGV[1]。不要在 Lua 中根据 ARGV 拼出另一个 key,也不要把 key 放进 ARGV 后再访问。这样做会让集群无法提前知道脚本涉及哪些槽。

Redis EVAL 的客户端脚本、numkeys、KEYS、ARGV 与 redis.call 参数边界说明图
图2:EVAL、KEYS 与 ARGV 的参数关系说明图,不是运行截图或执行证据。

用 CLUSTER KEYSLOT 做发布前检查

不需要先执行 Lua,就可以用 CLUSTER KEYSLOT 检查 key 的槽位。发布前至少检查同一脚本的全部 KEYS,并把检查写进测试或配置生成流程:

# 检查两个相关 key 是否使用同一个 hash tag
redis-cli -c CLUSTER KEYSLOT 'order:{42}:meta'
redis-cli -c CLUSTER KEYSLOT 'order:{42}:counter'

# 反例:没有共同 tag,两个 key 可能被分到不同槽
redis-cli -c CLUSTER KEYSLOT 'order:42:meta'
redis-cli -c CLUSTER KEYSLOT 'order:42:counter'

这里的输出只用于比对槽号,不应把某个具体槽号写死在业务代码里,因为重新分片会改变槽到节点的归属。真正稳定的是 key 的 hash tag 规则,而不是当前节点地址。

同槽之后仍要留意的边界

Lua 脚本在 Redis 中具有原子执行语义,但执行期间服务器会被脚本占用。脚本应保持短小,避免大范围遍历、不可控的集合操作和一次处理过多元素。若业务天然需要跨用户、跨租户聚合,不要为了强行同槽而使用一个全局 tag;可以改成客户端分片后汇总,或重新建模一个明确的聚合 key。

另外,hash tag 解决的是 key 的路由位置,不会替客户端库自动修正错误的参数顺序。使用 EVALSHA 时也要保持同样的 KEYS/ARGV 约定,并准备好脚本缓存丢失后的重新加载策略。

常见问题

为什么两个 key 看起来都包含订单号,仍然报 CROSSSLOT?

Redis 按完整 key 计算时,order:42:meta 与 order:42:counter 的前缀相似并不等于同槽。需要把共同标识写进同一对非空花括号。

可以把所有参数都放进 ARGV 吗?

不能。脚本实际访问的 key 必须进入 KEYS;ARGV 只适合数值、状态、内容等普通参数。

hash tag 会不会让集群失去分片效果?

只要 tag 使用订单号、用户号等分散的业务标识,仍可分布到多个槽。固定写成同一个 tag 才会制造热点。

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 Stream 怎样按 ID 截断而不误删新消息Redis Stream 怎样按 ID 截断而不误删新消息
上一篇
Redis Stream 怎样按 ID 截断而不误删新消息
Redis Cluster 事务怎样规划 hash tag
下一篇
Redis Cluster 事务怎样规划 hash tag
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。
    548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。
    601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。
    628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。
    581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。
    405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