Redis 赋能！Spring Boot 实现高性能分页+多条件模糊查询-51CTO.COM

Redis 作为一款高性能的内存数据库，支持多种数据结构，包括 String、List、Set、SortedSet 和 Hash 等。通常，我们在 Redis 中根据 key 来检索相应的值，但 Redis 并不原生支持模糊查询功能。因此，在需要进行分页、排序以及复杂条件检索（如评论管理、时间线排序、搜索等）的场景下，直接使用 Redis 可能无法满足需求。

本文将基于 Redis 设计一种高效的分页与模糊查询方案，结合 Spring Boot 3.4，提供思路和实践方法，帮助大家更好地利用 Redis 提升查询性能。

方案设计

Redis 实现分页查询

在传统关系型数据库（如 MySQL、Oracle）中，分页通常依赖 LIMIT 和 OFFSET 进行查询。但在 Redis 中，我们可以借助 SortedSet（ZSet）来高效实现分页。

关键指令解析

ZADD key score member向有序集合中添加元素，并指定排序权重 score。
ZREVRANGE key start stop按照 score 逆序返回指定范围的元素，用于分页。
ZREM key member从有序集合中移除某个元素，适用于删除操作。

通常，我们会将数据的时间戳作为 score 进行排序，从而实现基于时间的分页检索。SortedSet 相较于 List 具有自动排序的能力，并且可以根据 score 进行筛选，使其成为更适合分页查询的数据结构。

Redis 实现模糊查询

由于 Redis 是基于 key-value 存储的数据库，并不具备 SQL 级别的查询能力，因此我们需要利用 Redis 提供的 Hash 结构自行实现模糊查询。

HSCAN 指令实现模糊匹配

Redis 的 HSCAN 指令允许遍历 Hash 结构中的 key，并支持模式匹配。

示例存储格式：

field： <id>:<姓名>:<性别>
value： {"id": 1001, "name": "张三", "gender": "男"}

查询示例：

HSCAN user_data 0 MATCH *:*:男 —— 获取所有性别为“男”的用户。
HSCAN user_data 0 MATCH 100*:*:* —— 获取所有 ID 以 100 开头的用户。

分页+多条件模糊查询的组合实现

分页和模糊查询各自独立实现后，我们需要将它们结合，支持在模糊查询的基础上进行分页。

方案思路

模糊查询阶段使用 HSCAN 遍历 Hash，筛选符合条件的 field，将匹配的 key 存入 Redis 的一个临时 ZSet 集合。
分页阶段在 Redis 中查询该 ZSet 集合，并使用 ZREVRANGE 进行分页。
缓存优化为 ZSet 集合设置 TTL，避免 Redis 负载过高。

性能优化策略

设置过期时间

生成的 ZSet 结果集合可设置短时间 TTL，避免缓存过载。
在访问集合时重置 TTL，延长热点数据的生命周期。

实时性保障

插入新数据时，需同步更新 ZSet 相关集合。
或者，定期触发批量更新，减少实时更新的开销。

代码示例

1. 在 Redis 中存储数据

@Autowired
private StringRedisTemplate redisTemplate;

public void saveData(String key, String value, double score) {
    redisTemplate.opsForZSet().add("data_zset", value, score);
}

2. 分页查询

public Set<String> getPaginatedData(int page, int pageSize) {
    int start = (page - 1) * pageSize;
    int end = start + pageSize - 1;
    return redisTemplate.opsForZSet().reverseRange("data_zset", start, end);
}

3. 模糊查询

public List<String> fuzzySearch(String pattern) {
    List<String> result = new ArrayList<>();
    Cursor<Map.Entry<Object, Object>> cursor = redisTemplate.opsForHash().scan("user_data", ScanOptions.scanOptions().match(pattern).build());
    while (cursor.hasNext()) {
        result.add(cursor.next().getKey().toString());
    }
    return result;
}

结论

本文介绍了一种基于 Redis 实现高性能分页+多条件模糊查询的思路。通过 SortedSet 进行分页，结合 Hash 结构与 HSCAN 实现模糊匹配，并优化查询效率，能够大幅提升查询性能。希望本文的方案能够帮助大家更高效地使用 Redis 进行复杂查询优化。