你必须懂的Redis十大应用场景（redis常见应用场景）

Redis作为一款高性能的键值存储数据库，在互联网业务中有着广泛的应用。今天，我们就来详细盘点一下Redis的十大常用业务场景，并附上Golang的示例代码和简图，帮助大家更好地理解和应用Redis。

01

架构 — 思维

分布式锁

场景描述：在分布式系统中，为了保证同一时间只有一个客户端对共享资源进行操作，分布式锁是必不可少的。相比于其他类似Zookeeper等组件,Redis的高性能使其成为实现分布式锁的理想选择。
实现方式：通过SETNX（SET if Not Exists）命令实现，结合过期时间防止死锁。
优势：高性能、易于实现、支持集群环境。
Golang示例代码：

  lockKey := "my_lock"
  lockValue := "locked"
  expireTime := 30 * time.Second


  // 加锁
  result, err := rdb.SetNX(ctx, lockKey, lockValue, expireTime).Result()
  if err != nil {
      panic(err)
  }
  if result {
      fmt.Println("Lock acquired")
      // 执行需要加锁的操作
      time.Sleep(10 * time.Second)


      // 解锁
      _, err = rdb.Del(ctx, lockKey).Result()
      if err != nil {
          panic(err)
      }
      fmt.Println("Lock released")
  } else {
      fmt.Println("Lock not acquired")
  }

02

架构 — 思维

排行榜

场景描述：无论是商城中的商品销量排行榜，还是游戏中的玩家积分排行榜，Redis都能轻松应对。
实现方式：利用Redis的Sorted Set（有序集合）数据结构，通过ZADD添加数据，ZREVRANGE获取数据。
优势：支持实时更新、查询高效、排序准确。
Golang示例代码：

    leaderboardKey := "game_leaderboard"


    // 添加或更新用户分数
    rdb.ZAdd(ctx, leaderboardKey, &redis.Z{
        Score:  1000.0,
        Member: "user1",
    })
    rdb.ZAdd(ctx, leaderboardKey, &redis.Z{
        Score:  1500.0,
        Member: "user2",
    })


    // 获取排行榜前3名
    results, err := rdb.ZRevRangeWithScores(ctx, leaderboardKey, 0, 2).Result()
    if err != nil {
        panic(err)
    }
    fmt.Println("Top 3 users:")
    for _, result := range results {
        fmt.Printf("%s: %f\n", result.Member, result.Score)
    }

返回结果

1) "user2: 1500.0"
2) "user1: 1000.0"

03

架构 — 思维

统计访问次数

场景描述：统计网站首页的访问次数，或者某个API的调用次数，投票，Redis都能轻松搞定。
实现方式：使用INCR命令对特定key进行加1操作，支持原子性操作。DECR 还能用于库存扣减操作，这是目前电商最常用的模式。
优势：实时计数、高效可靠。
Golang示例代码：

    visitCountKey := "homepage_visits"


    // 增加访问次数
    _, err := rdb.Incr(ctx, visitCountKey).Result()
    if err != nil {
        panic(err)
    }


    // 获取访问次数
    count, err := rdb.Get(ctx, visitCountKey).Int64()
    if err != nil {
        panic(err)
    }
    fmt.Printf("Homepage visits: %d\n", count)

03

架构 — 思维

获取分类树

场景描述：在电商系统中，分类树数据频繁被访问，使用Redis缓存可以避免每次递归查询数据库。
实现方式：通过定时任务将分类树数据缓存到Redis中，使用Hashes数据结构存储节点信息。
优势：减少数据库压力、提高访问速度。
Golang示例代码：

    nodeKey := "site_map"
    // 假设我们有如下的分类树结构，我们将其存再数据库中，提前组成JSON字符串，放在缓存中：
    sitemap_json := `{"id":1,"name":"Electronics","children":[{"id":2,"name":"Computers"},{"id":3,"name":"Mobile Phones"}]}`


    // 添加分类树节点 Json数据结构存储，例如：
    err := rdb.Set(ctx, nodeKey, sitemap_json, 24*time.Hour).Err()


    // 后续直接缓存中取用就可以，不用每次都去数据库中多次的父子级联查询
    ···

05

架构 — 思维

记录用户登录状态

场景描述：用户登录后，将登录状态信息保存到Redis中，以便后续操作验证。
实现方式：使用String类型存储用户Token，设置过期时间。
优势：会话管理方便、支持自动过期。
Golang示例代码：

    userKey := "user:123"
    token := "abc123"
    // 这边支持30分钟过期时间，也就是半小时内有效。
    expireTime := 30 * time.Minute


    // 存储用户登录状态
    err := rdb.Set(ctx, userKey, token, expireTime).Err()
    if err != nil {
        panic(err)
    }
    fmt.Println("User logged in")


    // 检查用户登录状态
    ···

06

架构 — 思维

限流

场景描述：为了防止恶意请求或系统过载，需要对接口进行限流控制。比如限制用户每分钟只能请求100次，超过100次的请求就会被丢弃。
实现方式：基于计数器或滑动窗口实现限流，控制请求频率。
优势：精细控制、防止滥用。
Golang示例代码（固定窗口限流）：

    rateLimitKey := "rate_limit:127.0.0.1"
    limit := 100
    windowSeconds := 60


    // 增加请求计数
    count, err := rdb.Incr(ctx, rateLimitKey).Result()
    if err != nil {
        panic(err)
    }


    // 设置过期时间
    if count == 1 {
        err = rdb.Expire(ctx, rateLimitKey, time.Duration(windowSeconds)*time.Second).Err()
        if err != nil {
            panic(err)
        }
    }


    // 判断是否超过限流阈值，超过100次，则丢弃请求，并打印出限流信息。
    if count > limit {
        fmt.Println("Rate limit exceeded")
    } else {
        fmt.Println("Request allowed")
    }

07

架构 — 思维

位统计

场景描述：统计一周内连续登录的用户，或者一个月内登录过的用户。
实现方式：利用Redis的Bitmap功能，通过SETBIT和GETBIT命令进行操作。
优势：节省存储空间、查询高效。
Golang示例代码：

    bitmapKey := "user:login:2025-01-01"
    userID := 123


    // 标记用户登录(代表用户123在2025-01-01 元旦这一天登录过，标记为1)
    err := rdb.SetBit(ctx, bitmapKey, userID, 1).Err()
    if err != nil {
        panic(err)
    }


    // 检查用户是否登录
    result, err := rdb.GetBit(ctx, bitmapKey, userID).Result()
    if err != nil {
        panic(err)
    }
    if result == 1 {
        fmt.Println("User logged in")
    } else {
        fmt.Println("User not logged in")
    }

08

架构 — 思维

生成全局ID

场景描述：在分库分表或分布式系统中，需要生成全局唯一的ID。
实现方式：利用Redis的INCR命令，结合当前时间戳生成全局ID。
优势：唯一性保证、高性能。
Golang示例代码：

    globalIDKey := "global_id"


    // 生成全局ID
    id, err := rdb.Incr(ctx, globalIDKey).Result()
    if err != nil {
        panic(err)
    }


    // 结合时间戳生成唯一ID（示例）
    timestamp := time.Now().UnixNano()
    uniqueID := fmt.Sprintf("%d-%d", timestamp, id)
    fmt.Println("Generated unique ID:", uniqueID)

09

架构 — 思维

作为缓存加速

场景描述：将热点数据缓存到Redis中，加速数据查询，这应该是最常用的，相比与常规的数据库来说，这性能搞得不是一点半点。Redis是高并发的必备利器。
实现方式：先查询Redis，不存在则查询数据库，并回写到Redis。
优势：提高访问速度、减少数据库压力。
Golang示例代码：

    cacheKey := "user:123"


    // 从Redis获取数据
    result, err := rdb.Get(ctx, cacheKey).Result()
    if err != nil {
        panic(err)
    }


    if result != "" {
        fmt.Println("Cache hit:", result)
    } else {
        // 从数据库获取数据（示例）
        dbData := "user data from database"
        fmt.Println("Cache miss, fetching from database...")


        // 将数据回写到Redis
        err = rdb.Set(ctx, cacheKey, dbData, 1*time.Hour).Err()
        if err != nil {
            panic(err)
        }
        fmt.Println("Data cached:", dbData)
    }

10

架构 — 思维

消息队列

场景描述：实现发布-订阅模式，用于系统解耦或异步处理。
实现方式：利用Redis的List或Pub/Sub功能。
优势：简单高效、支持集群。
Golang示例代码（使用List实现消息队列）：

    queueKey := "task_queue"


    // 生产者发布消息
    go func() {
        for i := 0; i < 5; i++ {
            task := fmt.Sprintf("task%d", i)
            err := rdb.LPush(ctx, queueKey, task).Err()
            if err != nil {
                panic(err)
            }
            fmt.Println("Produced:", task)
            time.Sleep(1 * time.Second)
        }
    }()


    // 消费者消费消息
    for {
        task, err := rdb.BRPop(ctx, 0*time.Second, queueKey).Result()
        if err != nil {
            panic(err)
        }
        fmt.Println("Consumed:", task[1])
    }

11

架构 — 思维

最后

通过这十大业务场景，可以看出Redis在分布式系统、缓存加速、实时统计等方面有着广泛的应用。如果你正在使用Redis，不妨看看这些场景是否也能应用到你的项目中。

最后附上一张数据类型和应用场景工具图，作为大家的日常参考：