TryQuickToolBox

Redis 使用场景：缓存、队列与限流

Backend2026-09-15TryQuickToolBox

你已经构建了一个在开发环境中运行良好的 Web 应用，但随着流量增长，你注意到响应时间变慢和数据库过载。罪魁祸首通常是重复的昂贵操作：从数据库获取相同数据、同步处理任务，或允许滥用请求速率。Redis 是一个内存数据存储，为这些问题提供了优雅的解决方案。在本文中，我们将探讨三个实用的 Redis 使用场景：缓存、队列和限流。你将通过代码示例学习如何实现每种模式，并理解何时应用它们。

为什么选择 Redis？

Redis 是一个开源的内存键值存储，以其速度和多功能性而闻名。它支持字符串、列表、集合和哈希等数据结构，使其适用于简单缓存之外的多种任务。由于它将数据保存在内存中，Redis 提供亚毫秒级延迟，非常适合高性能场景。它还提供持久化选项，因此重启时不会丢失数据。让我们深入了解这三个使用场景。

1. 使用 Redis 进行缓存

缓存是最常见的 Redis 使用场景。思路很简单：将昂贵操作（如数据库查询或 API 调用）的结果存储在 Redis 中，并在后续请求中直接提供这些结果。这减少了对主数据库的负载并加快了响应时间。

如何实现缓存

  1. 检查缓存：在访问数据库之前，使用唯一键（例如 user:123）查询 Redis 获取数据。
  2. 如果找到（缓存命中）：立即返回缓存数据。
  3. 如果未找到（缓存未命中）：从数据库获取数据，将其存储在 Redis 中并设置过期时间（TTL），然后返回。

以下是使用 redis-py 的 Python 示例：

import redis
import json

r = redis.Redis(host='localhost', port=6379, db=0)

def get_user(user_id):
    cache_key = f'user:{user_id}'
    cached = r.get(cache_key)
    if cached:
        return json.loads(cached)
    # 模拟数据库获取
    user = fetch_user_from_db(user_id)
    r.setex(cache_key, 3600, json.dumps(user))  # 缓存 1 小时
    return user

最佳实践：选择有意义的键，设置适当的 TTL 以避免数据过时，并考虑缓存失效策略。对于读密集型工作负载，缓存可以将数据库负载减少几个数量级。

2. 使用 Redis 实现队列

队列将耗时的任务从请求-响应周期中解耦。例如，发送电子邮件、处理图像或生成报告可以异步完成。Redis 列表或流非常适合实现简单队列。

实现基本队列

使用 LPUSH 将任务添加到列表左侧，使用 BRPOP 阻塞并从右侧弹出。这创建了一个 FIFO 队列。

# 生产者：添加任务
r.lpush('email_queue', json.dumps({'to': 'user@example.com', 'subject': 'Welcome'}))

# 消费者：处理任务
while True:
    _, job = r.brpop('email_queue', timeout=30)
    if job:
        process_email(json.loads(job))

对于更高级的需求，Redis Streams 提供消费者组、确认和可重放性，使其适用于健壮的消息处理。

3. 使用 Redis 进行限流

限流保护你的 API 免受滥用并确保公平使用。Redis 的原子操作使得实现自动过期的计数器变得容易。

固定窗口限流

在固定窗口方法中，你允许每个时间窗口 N 个请求（例如，每个 IP 每小时 100 个请求）。使用 INCR 和 EXPIRE：

def is_allowed(ip, limit=100, window=3600):
    key = f'rate:{ip}'
    current = r.incr(key)
    if current == 1:
        r.expire(key, window)
    return current