当前位置:首页 > 文章列表 > 数据库 > Redis > Redis CLIENT NO-TOUCH 怎样避免访问键更新 LRU/LFU

Redis CLIENT NO-TOUCH 怎样避免访问键更新 LRU/LFU

来源:17golang原创 2026-11-03 06:22:12 0浏览 收藏

如果一个 Redis 客户端主要做批量扫描、离线统计或后台检查,频繁读取大量键可能会改变这些键的 LRU/LFU 访问状态。CLIENT NO-TOUCH ON 可以让当前连接访问键时不更新这类触碰信息;任务结束后执行 CLIENT NO-TOUCH OFF,即可恢复该连接的默认行为。

它控制的是“当前客户端连接如何触碰访问统计”,不是删除键,也不是修改 Redis 的全局淘汰策略。官方命令地址:https://redis.io/docs/latest/commands/client-no-touch/

先分清访问触碰和淘汰策略

Redis 的 LRU/LFU 淘汰会参考键的访问相关信息,但“访问某个键时是否更新统计”和“实例最终采用哪种淘汰策略”是两件事。CLIENT NO-TOUCH 只改变前一件事:当前连接发出的访问命令,不再更新被访问键的 LRU/LFU 触碰状态。

因此它不会完成下面这些动作:

  • 不会删除已经存在的键;
  • 不会阻止其他客户端访问同一批键;
  • 不会修改 maxmemory-policy 等全局配置;
  • 不会把当前连接变成“只读连接”,写命令仍需遵守原有权限和命令语义。
Redis CLIENT NO-TOUCH 当前连接控制 LRU 和 LFU 触碰状态的结构说明图
图1:CLIENT NO-TOUCH 的连接级作用域与访问触碰关系;这是原创静态说明图,不是运行截图。

CLIENT NO-TOUCH 的语法和作用域

命令只有两个状态:

# 在当前 redis-cli 连接上关闭访问触碰
redis-cli CLIENT NO-TOUCH ON

# 任务结束后恢复该连接的默认行为
redis-cli CLIENT NO-TOUCH OFF

官方文档给出的命令复杂度是 O(1),命令本身返回 OK 表示切换请求被接受。ON 不是实例级开关,而是当前连接的状态;换一个客户端连接,不能假设它已经继承了上一个连接的设置。

可以把它理解成连接上的一个小开关:

状态当前连接访问键适合的典型场景
OFF按 Redis 默认行为更新访问触碰正常业务请求、需要保持访问热度的读取
ON不因当前连接的访问更新 LRU/LFU 触碰批量检查、低干扰扫描、后台统计

怎样在受控连接上切换

最简单的做法是让后台任务独占一条连接,进入任务时打开 NO-TOUCH,任务结束时关闭。下面的命令序列只表达连接状态切换,不把它当作业务数据处理结果:

# 先打开当前连接的无触碰模式
redis-cli CLIENT NO-TOUCH ON

# 这里执行本次后台读取任务;读取结果仍由具体命令返回
redis-cli --scan --pattern 'report:*' | head -n 20

# 任务完成后显式恢复默认,避免连接继续被复用时带着旧状态
redis-cli CLIENT NO-TOUCH OFF

如果需要在脚本中判断切换是否成功,应检查命令返回值;连接断开、权限策略或客户端封装错误,都不应被误判成“已经开启”。同时,不要把命令的 OK 当作内存下降、淘汰行为改变或数据清理完成的证明。

连接池为什么更容易踩坑

连接池会复用 TCP 连接,而 NO-TOUCH 是连接级状态。一个后台任务把状态设为 ON 后,如果把连接放回池中,后续普通业务请求可能继续使用这个状态;反过来,如果业务连接曾经被改成 OFF,后台任务也不能假定它已经处于想要的状态。

更稳妥的处理有三点:

  1. 任务开始时显式发送 CLIENT NO-TOUCH ON,不依赖连接池初始状态;
  2. 任务结束时在同一条连接发送 CLIENT NO-TOUCH OFF;
  3. 如果中途发生异常,也要在连接归还前执行清理,或直接销毁这条连接。

尤其要注意,普通客户端库通常会把命令封装成方法或原始命令调用。封装层如果自动重连,新的连接不会自动等价于旧连接,初始化钩子需要重新设置。

它适合什么场景,不适合什么场景

当访问行为本身不应把键“加热”时,NO-TOUCH 很有价值。例如离线盘点、低频抽样、后台扫描或迁移前的只读检查,可以减少诊断任务对访问统计的干扰。

但如果读取就是业务热度的一部分,就不应为了降低触碰而盲目开启。商品详情、会话续期、热点排行榜等正常业务读取,可能需要按默认行为维护访问信息。NO-TOUCH 也不能解决键空间持续增长、内存碎片、错误的过期策略或大键本身占用过高等问题。

Redis CLIENT NO-TOUCH 与连接级访问统计和全局淘汰策略边界的决策说明图
图2:把连接级访问统计控制与全局淘汰策略分开的决策说明图;这是原创静态结构图,不是运行证据。

用一张表做最后判断

你要解决的问题是否优先考虑 NO-TOUCH还要看什么
后台读取不希望改变 LRU/LFU 热度可以,在独占或受控连接上使用任务结束是否恢复 OFF
Redis 内存一直上涨不能单靠它解决键增长、过期、淘汰策略和分配器指标
普通业务访问需要维持热度通常保持 OFF业务访问语义和连接池初始化
想修改全局淘汰规则不是同一个工具实例配置与变更窗口

常见问题

CLIENT NO-TOUCH ON 会阻止 Redis 淘汰键吗?

不会。它只影响当前连接访问键时的 LRU/LFU 触碰更新,不能替代淘汰策略配置,也不能保证键不会被其他原因淘汰。

执行一次 ON 后所有客户端都生效吗?

不会。该设置绑定当前客户端连接,其他连接需要单独设置。

连接断开后需要手动恢复 OFF 吗?

断开的连接状态不会继续存在,但连接池复用场景不能等到断开再处理;归还连接前应显式恢复 OFF,或者销毁连接。

返回 OK 是否说明内存已经下降?

不是。OK 只说明开关命令被接受,是否影响后续访问统计以及实例内存表现,需要结合实际任务和指标单独判断。

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 SPUBLISH 怎样向分片频道发送消息Redis SPUBLISH 怎样向分片频道发送消息
上一篇
Redis SPUBLISH 怎样向分片频道发送消息
VS Code 怎样只对当前文件启用格式化工具
下一篇
VS Code 怎样只对当前文件启用格式化工具
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。
    852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。
    857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。
    937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。
    912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。
    743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