当前位置:首页 > 文章列表 > 数据库 > Redis > Redis EVALSHA 怎样判断脚本是否已缓存

Redis EVALSHA 怎样判断脚本是否已缓存

来源:17golang原创 2026-11-17 21:42:31 0浏览 收藏

Redis 的 EVALSHA 不是“只要拿到 SHA1 就一定能执行”。它要求当前 Redis 实例的脚本缓存里已经存在对应摘要;缓存未命中时,服务端会返回 NOSCRIPT No matching script。最稳妥的处理是:平时用 SCRIPT EXISTS 做预判,执行时仍捕获 NOSCRIPT,再用 SCRIPT LOAD 加载原脚本并重试一次。

官方地址:https://redis.io/docs/latest/commands/evalsha/

先记住结论:EVALSHA 判断的是当前脚本缓存

EVALSHA 的第一个参数是脚本的 SHA1 摘要,后面仍要传 numkeys、键名和普通参数。摘要只代表脚本源码,不代表它已经永久存储在数据库里。Redis 官方文档明确说明,脚本缓存可能因为重启、故障转移或 SCRIPT FLUSH 被清空,所以“之前成功过”不能作为永久保证。

Redis EVALSHA 通过 SHA1 摘要命中脚本缓存的生命周期说明图
图1:Redis 脚本缓存按 SHA1 摘要索引的生命周期说明图,不是截图或运行证据。

怎样用 SCRIPT EXISTS 预判脚本是否存在

SCRIPT EXISTS 可以一次接收一个或多个 SHA1 摘要,返回对应的 1 或 0。其中 1 表示该摘要当前被脚本缓存识别,0 表示没有找到。它适合在启动预热、批量准备或事务前检查脚本状态。

# 先把脚本源码装入缓存,并记录 Redis 返回的 SHA1
SHA=$(redis-cli SCRIPT LOAD "return ARGV[1]")

# SCRIPT EXISTS 返回 1 表示当前实例能找到这个脚本
redis-cli SCRIPT EXISTS "$SHA"

# 也可以一次检查多个摘要,返回结果顺序与参数顺序一致
redis-cli SCRIPT EXISTS "$SHA" "0000000000000000000000000000000000000000"

注意,SCRIPT EXISTS 是一次检查的结果,不是锁。检查完成后,实例仍可能重启或执行 SCRIPT FLUSH,因此真正执行 EVALSHA 时仍要保留错误回退。

收到 NOSCRIPT 后怎样加载并重试

普通请求可以采用“先摘要执行,未命中就加载源码,再重试摘要”的路径。SCRIPT LOAD 只编译并装入脚本,不执行脚本;它返回的摘要应与后续 EVALSHA 配对使用。

# 这段 Lua 只读取第一个普通参数,便于演示缓存流程
SCRIPT='return ARGV[1]'

# 先加载源码,得到当前脚本的 SHA1 摘要
SHA=$(redis-cli SCRIPT LOAD "$SCRIPT")

# 缓存命中时直接按摘要执行,0 表示没有 KEYS 参数
redis-cli EVALSHA "$SHA" 0 "first-call"

# 若服务端返回 NOSCRIPT,重新 SCRIPT LOAD 后再执行 EVALSHA
SHA=$(redis-cli SCRIPT LOAD "$SCRIPT")
redis-cli EVALSHA "$SHA" 0 "retry-call"

在真实客户端里,不要只根据“是否调用过 SCRIPT LOAD”判断。应识别服务端返回的 NOSCRIPT,确认脚本源码来自本地固定版本,然后重新加载。不要把不确定的动态字符串直接拼成脚本源码;把变化值放进 ARGV,更容易保持同一份脚本摘要。

流水线和事务场景为什么要提前准备

流水线中的命令按发送顺序执行,但客户端通常要等整批响应返回后才能看到错误。Redis 官方文档特别提醒,流水线里出现 NOSCRIPT 时,客户端无法像普通单请求那样在中间插入加载命令并继续处理原批次。因此,流水线应在发送前用 SCRIPT LOAD 或 SCRIPT EXISTS 准备好脚本;如果仍未命中,整批应按客户端策略重建,而不是假设当前批次会自动修复。

Redis EVALSHA 未命中后通过 SCRIPT LOAD 回退重试的流程说明图
图2:EVALSHA 缓存未命中后的回退路径说明图,不是截图或运行证据。
# 启动或连接建立后预加载固定脚本,避免流水线中途才发现 NOSCRIPT
SCRIPT='return redis.call("GET", KEYS[1])'
SHA=$(redis-cli SCRIPT LOAD "$SCRIPT")

# 发送流水线前可先检查摘要;0 表示应先重新 SCRIPT LOAD
redis-cli SCRIPT EXISTS "$SHA"

# 确认返回 1 后,再把同一 SHA1 放入流水线执行
redis-cli --pipe 

常见误区与排查清单

现象真正要判断的事情处理方式
EVALSHA 返回 NOSCRIPT当前实例没有这个 SHA1 的缓存项加载固定源码,再重试一次
刚才成功,换连接后失败连接背后的实例或主从角色可能变化把脚本加载视为连接/实例级准备动作
SCRIPT EXISTS 返回 0摘要未被当前脚本缓存识别执行前 SCRIPT LOAD,或改用客户端的脚本封装
流水线中出现 NOSCRIPT批次已经发送,不能现场插入恢复命令提前预加载;必要时重建整批请求

总结

判断 Redis 的 EVALSHA 是否可用,可以用 SCRIPT EXISTS 做显式预判,但最终仍要把 NOSCRIPT 当作正常的缓存未命中分支。普通请求在本地保留固定脚本源码,按“EVALSHA → NOSCRIPT → SCRIPT LOAD → 重试”恢复;流水线和事务则应提前加载,避免批次发送后才发现缓存缺失。

相关问题

EVALSHA 的 SHA1 从哪里来?

可以由 SCRIPT LOAD 返回,也可以由客户端按完全一致的脚本源码计算。生产中更建议以 Redis 返回值和固定源码版本为准。

脚本缓存会持久化到 RDB 或 AOF 吗?

不会把脚本缓存当作数据库数据依赖。重启、故障转移或显式清空都可能让它消失,应用应能重新加载。

能不能每次都直接使用 EVAL?

可以,但重复发送同一脚本会增加网络传输和处理开销。参数化脚本配合 EVALSHA 更适合稳定复用;流水线则要结合预加载策略。

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 WAITAOF 怎样同时判断本地 AOF 和副本持久化Redis WAITAOF 怎样同时判断本地 AOF 和副本持久化
上一篇
Redis WAITAOF 怎样同时判断本地 AOF 和副本持久化
Redis Lua cjson.decode 解析 JSON 字符串的字段读取与错误处理
下一篇
Redis Lua cjson.decode 解析 JSON 字符串的字段读取与错误处理
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。
    1082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。
    1083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。
    1246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。
    1190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。
    1034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