Redis 如何批量设置过期时间？PIPLINE的使用

合理的使用缓存策略对开发同学来讲，就好像孙悟空习得自在极意功一般~

抛出问题

Redis如何批量设置过期时间呢？

不要说在foreach中通过set()函数批量设置过期时间

给出方案

我们引入redis的PIPLINE，来解决批量设置过期时间的问题。

PIPLINE的原理是什么？

1. 未使用pipline执行N条命令

2. 使用pipline执行N条命令

通过图例可以很明显的看出来PIPLINE的原理：

客户端通过PIPLINE拼接子命令，只需要发送一次请求，在redis收到PIPLINE命令后，处理PIPLINE组成的命令块，减少了网络请求响应次数。

网络延迟越大PIPLINE的优势越能体现出来

拼接的子命令条数越多使用PIPLINE的优势越能体现出来

注意：并不是拼接的子命令越多越好，N值也有是上限的，当拼接命令过长时会导致客户端等待很长时间，造成网络堵塞；我们可以根据实际情况，把大批量命令拆分成几个PIPLINE执行。

代码封装

//批量设置过期时间
public static function myPut(array $data, $ttl = 0)
{
    if (empty($data)) {
        return false;
    }

    $pipeline = Redis::connection('cache')
        ->multi(\Redis::PIPELINE);
    foreach ($data as $key => $value) {
        if (empty($value)) {
            continue;
        }
        if ($ttl == 0) {
            $pipeline->set(trim($key), $value);
        } else {
            $pipeline->set(trim($key), $value, $ttl);
        }
    }
    $pipeline->exec();
}

项目实战

需求描述

1. 打开APP，给喜欢我的人发送我的上线通知（为了避免打扰，8小时内重复登录不触发通知）
2. 每个人每半小时只会收到一次这类上线通知（即半小时内就算我喜欢的1万人都上线了，我也只收到一次喜欢的人上线通知）

要点分析

1. 合理使用缓存，减少DB读写次数
2. 不仅要减少DB读写次数，也要减少Redis的读写次数，使用PIPLINE

代码实现解析

1. canRecall() 写的比较优雅，先判断是否已发送的标记，再判断HouseOpen::getCurrentOpen()，因为HouseOpen::getCurrentOpen()是要查询DB计算的，这种代码要尽可能少的被执行到，减少DB查询。
2. array_diff() 取差集的思路，获得需要推送的人

封装工具类

_userid = $userid;
        //登录后给喜欢我的人推送校验：同一场次重复登录不重复发送
        $this->_recallFlagKey = CacheKey::getCacheKey(CacheKey::TYPE_HOUSE_LIKE_RECALL_FLAG, $this->_userid);
    }

    //设置当前用户推送标示
    public function setRecalled()
    {
        Cache::put($this->_recallFlagKey, 1, self::TYPE_TTL_HOUSE_LIKE_RECALL_FLAG);
    }

    //获取当前用户是否触发推送
    public function canRecall()
    {
        $res = false;
        if (empty(Cache::get($this->_recallFlagKey))) {
            $houseOpen = HouseOpen::getCurrentOpen();
            if ($houseOpen['status'] == HouseOpen::HOUSE_STATUS_OPEN) {
                $res = true;
            }
        }
        return $res;
    }

    //获取需要推送用户
    public function getAvailableUser()
    {
        //获得最近喜欢我的用户
        $recentLikeMeUser = UserRelationSingle::getLikeMeUserIds($this->_userid, 100, Utility::getBeforeNDayTimestamp(7));

        //获得最近喜欢我的用户的 RECALL缓存标记
        foreach ($recentLikeMeUser as $userid) {
            $batchKey[] = CacheKey::getCacheKey(CacheKey::TYPE_HOUSE_LIKE_RECALL, $userid);
        }

        //获得最近喜欢我的且已经推送过的用户
        $cacheData = [];
        if (!empty($batchKey)) {
            $cacheData = Redis::connection('cache')->mget($batchKey);
        }

        //计算最近喜欢我的用户 和 已经推送过的用户 的差集：就是需要推送的用户
        $this->_availableUser = array_diff($recentLikeMeUser, $cacheData);
        return $this->_availableUser;
    }

    //更新已经推送的用户
    public function updateRecalledUser()
    {
        //批量更新差集用户
        $recalledUser = [];
        foreach ($this->_availableUser as $userid) {
            $cacheKey = CacheKey::getCacheKey(CacheKey::TYPE_HOUSE_LIKE_RECALL, $userid);
            $recalledUser[$cacheKey] = $userid;
        }
        //批量更新 设置过期时间
        self::myPut($recalledUser, self::TYPE_TTL_HOUSE_LIKE_RECALL);
    }

    //批量设置过期时间
    public static function myPut(array $data, $ttl = 0)
    {
        if (empty($data)) {
            return false;
        }

        $pipeline = Redis::connection('cache')
            ->multi(\Redis::PIPELINE);
        foreach ($data as $key => $value) {
            if (empty($value)) {
                continue;
            }
            if ($ttl == 0) {
                $pipeline->set(trim($key), $value);
            } else {
                $pipeline->set(trim($key), $value, $ttl);
            }
        }
        $pipeline->exec();
    }
}

调用工具类

public function handle()
{
    $userid = $this->_userid;
    $houseLikeRecallUser = new HouseLikeRecallUser($userid);
    if ($houseLikeRecallUser->canRecall()) {
        $recallUserIds = $houseLikeRecallUser->getAvailableUser();
        $houseLikeRecallUser->setRecalled();
        $houseLikeRecallUser->updateRecalledUser();
        //群发推送消息
        .
        .
        .
    }
}

总结

不同量级的数据需要不同的处理办法，减少网络请求次数，合理使用缓存，是性能优化的必经之路。

进一步思考

如果我喜欢的1万人同时上线（秒级并发），我只收到一个消息推送，要避免被通知轰炸，怎么解决这类并发问题呢？

小伙伴们有没有解决思路，可以在评论区讨论哦~

相关阅读推荐

性能优化反思：不要在for循环中操作DB

性能优化反思：不要在for循环中操作DB 进阶版

最后

：觉得有收获请点个赞鼓励一下！

：收藏文章，方便回看哦！

：评论交流，互相进步！

本文由博客一文多发平台 OpenWrite 发布！