当前位置:首页 > 文章列表 > 数据库 > Redis > Redis SCRIPT EXISTS 怎样批量判断脚本摘要是否已缓存

Redis SCRIPT EXISTS 怎样批量判断脚本摘要是否已缓存

来源:17golang原创 2026-11-18 15:47:45 0浏览 收藏

当服务要用 EVALSHA 执行多段 Lua 脚本时,先确认脚本摘要是否已经在 Redis 的脚本缓存中,可以避免把“脚本不存在”和“脚本执行失败”混在一起。SCRIPT EXISTS 支持一次传入多个 SHA1 摘要,返回数组中的每个整数都按输入位置对应一个摘要:1 表示存在,0 表示不存在。

官方文档:https://redis.io/docs/latest/commands/script-exists/

这篇只处理脚本缓存状态,不把它当成业务键的 EXISTS,也不讨论 Redis Functions。值班时可以把它当成“调用前的脚本清单检查项”。

先看清命令输入和返回值

命令的形状是 SCRIPT EXISTS sha1 [sha1 ...]。参数必须是脚本内容对应的 SHA1 摘要,而不是 Lua 源码、脚本名称或业务键。一次可以传入一个或多个摘要,返回数组的长度与摘要数量一致。

# 用三个摘要一次查询脚本缓存状态;摘要顺序就是结果数组的顺序
redis-cli SCRIPT EXISTS 2c3b1a 9f8e7d 000000

# 只查一个摘要时,返回数组仍然只包含一个位置
redis-cli SCRIPT EXISTS 2c3b1a

示例返回可以理解为下面的静态结果:

[1, 0, 0]

它不是“有几个脚本”的总数,而是三个位置分别对应三个输入:第一个已缓存,第二和第三个未缓存。不要先把数组排序、去重或只统计 1,否则会丢失摘要与状态的对应关系。

SHA1摘要列表、SCRIPT EXISTS、Redis脚本缓存与返回整数数组的位置对应静态结构图
图1:静态结构说明图,查看多个 SHA1 摘要如何分别对应脚本缓存状态与返回数组位置。

批量判断时按输入位置建立清单

线上排查最容易出错的地方,是把返回数组当成无序集合。更稳妥的做法是保留一份同序清单,把摘要、脚本用途和返回位绑定起来:

# 下面的注释说明清单顺序;实际命令只发送摘要,不发送脚本名称
# 位置 0:限流脚本;位置 1:库存校验脚本;位置 2:过期清理脚本
redis-cli SCRIPT EXISTS \
  7b2e9a... \
  a91d40... \
  0c5f12...

拿到返回数组后,按位置生成三类判断即可:

  • 1:该摘要对应的脚本在当前 Redis 实例脚本缓存中,可以继续评估 EVALSHA。
  • 0:当前实例没有该摘要,需要先补载脚本,或者让调用方走一次带脚本文本的兜底路径。
  • 数组长度不符合输入数量:优先记录客户端解析、命令组装或响应处理异常,不要把它解释成缓存 miss。

官方文档给出的复杂度是 O(N),N 是要检查的摘要数量;只查一个摘要时是 O(1)。因此,批量检查应当按一个调用方的脚本清单合并查询,避免为每个摘要单独发请求,但也不要把无关服务的全部历史摘要拼成一条超长命令。

缺失脚本时先补载,再使用 EVALSHA

如果结果里出现 0,不要直接把它当成 Redis 故障。脚本缓存是当前 Redis 实例的状态,脚本被清理、实例重启或请求落到另一节点,都可能让摘要暂时不存在。处理顺序应当由调用方保存的“摘要—脚本文本”映射驱动:

# 缺失摘要必须能在发布包或客户端映射中找到对应脚本文本
# SCRIPT LOAD 返回新的摘要;客户端应把它与原脚本内容重新绑定
redis-cli SCRIPT LOAD "return redis.call('GET', KEYS[1])"

# 只有摘要已准备好时,才把摘要交给 EVALSHA
# KEYS[1] 和 ARGV[1] 的数量、含义要与脚本约定保持一致
redis-cli EVALSHA 2c3b1a 1 order:1001 1

这里的关键不是把所有脚本都重新加载,而是只处理返回 0 的缺失集合。已命中的摘要可以保留原状态;缺失脚本补载后,再让调用方更新清单。若补载失败,应保留原始错误并回退到已知可用的执行路径,不要用一个不确定的摘要继续调用。

客户端脚本清单、SCRIPT EXISTS、命中集合、缺失集合、SCRIPT LOAD与EVALSHA的静态边界图
图2:静态边界说明图,查看命中集合、缺失集合和补载组件的关系;它不是执行流程或运行截图。

值班复查时要确认哪些边界

  1. 确认检查对象。检查的是脚本缓存,不是业务键、配置键或函数库;摘要也必须来自同一份脚本文本。
  2. 确认实例范围。在集群、主从切换或多连接池环境中,记录命令实际发送到的实例,避免拿 A 节点的结果解释 B 节点的 EVALSHA 失败。
  3. 确认补载来源。缺失摘要对应的脚本文本应来自版本化发布包或可靠的客户端映射,不能临时凭记忆改写脚本。
  4. 确认回滚动作。如果 SCRIPT LOAD 或后续调用异常,先停止扩大补载范围,保留摘要、实例和错误信息,再恢复到原有兜底路径。

可以把下面三项写入告警或复盘记录:查询的摘要列表、返回的 1/0 数组、缺失摘要的补载结果。这样下一次出现 NOSCRIPT 时,能够直接判断是缓存状态变化、实例路由变化,还是客户端摘要映射错误。

常见问题

SCRIPT EXISTS 返回的是布尔值还是数组?

命令协议返回与输入摘要一一对应的整数数组,常见客户端会把它转换成布尔列表。判断时仍要保留位置关系。

能不能用脚本名称查询?

不能。命令参数是 SHA1 摘要;脚本名称只能由客户端用于建立自己的清单映射。

返回 1 后就一定能执行成功吗?

不一定。它只说明摘要存在于当前脚本缓存,脚本参数、键路由、权限和脚本自身逻辑仍可能让后续执行失败。

小结:批量判断的核心是“摘要顺序不变、结果按位置解释、缺失集合单独补载”。把 SCRIPT EXISTS 放在调用前的状态判断层,就能更快区分缓存 miss 与脚本业务错误。

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
Go go/ast.Field.Pos 怎样定位带名称和标签的字段起点Go go/ast.Field.Pos 怎样定位带名称和标签的字段起点
上一篇
Go go/ast.Field.Pos 怎样定位带名称和标签的字段起点
GIMP 怎样改变当前图像网格的线条样式
下一篇
GIMP 怎样改变当前图像网格的线条样式
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。
    1095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。
    1092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。
    1256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。
    1197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。
    1046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