我們有個這樣的需求：每天每一個搶購商品只能買一次，並且全場搶購商品總購買次數不允許超過5次。
那麼，整個商品限購的流程大概如下圖所示：
那麼，在每次購買成功商品成功後，發送的MQ大概是這樣的（假設當前這筆訂單有兩件搶購商品）：
<code>這條消息表示860000000000001這個用戶在1581001673012這個時間點（北京時間為2020/02/06 23:07:53）在A045這個商戶分別購買了商品ID為599055114591和599055114592兩樣商品。
那麼，當消費這條信息後，更新頻控的幾條關鍵Redis命令如下（上面的需求不是重點，優化下面5條命令才是本文的重點）：[{
"orderId": "2020020622000001",
"orderTime": "1581001673012",
"productId": "599055114591",
"userId": "860000000000001",
"merchantCode": "A045"
}, {
"orderId": "2020020622000001",
"orderTime": "1581001673012",
"productId": "599055114592",
"userId": "860000000這條消息表示860000000000001這個用戶在1581001673012這個時間點（北京時間為2020/02/06 23:07:53）在A045這個商戶分別購買了商品ID為599055114591和599055114592兩樣商品。
那麼，當消費這條信息後，更新頻控的幾條關鍵Redis命令如下（上面的需求不是重點，優化下面5條命令才是本文的重點）：0001",
"merchantCode": "A045"
}]
/<code>
這條消息表示860000000000001這個用戶在1581001673012這個時間點（北京時間為2020/02/06 23:07:53）在A045這個商戶分別購買了商品ID為599055114591和599055114592兩樣商品。
那麼，當消費這條信息後，更新頻控的幾條關鍵Redis命令如下（上面的需求不是重點，優化下面5條命令才是本文的重點）：
<code>命令1：hset mall:sale:freq:ctrl:860000000000001 599055114591 1（hash結構，field表示購買的商品ID，value表示購買次數）
命令2：hset mall:sale:freq:ctrl:860000000000001 599055114592 2
命令3：expire mall:sale:freq:ctrl:860000000000001 3127（設置過期時間）
命令4：set mall:total:freq:ctrl:860000000000001 3
命令5：expire mall:total:freq:ctrl:860000000000001 3127（設置過期時間）/<code>
我們首先了解一下執行一條Redis命令耗時由哪幾部分組成：
發送命令網絡傳輸時間，命令在Redis服務端隊列中等待的時間，命令執行的時間（Redis中的slowlog只是檢測這一步驟的時間），結果返回的Redis客戶端的時間。
如下圖所示：
上面的業務總計涉及5條Redis命令，每條命令都需要經過這些步驟，可想而知性能真的弱爆了（可能整個執行過程還不需要10ms，但還是弱爆了）。
- 第1次優化
第一次優化非常簡單，稍微有點經驗就能看出來，利用hmset命令將兩條hmset命令合二為一，優化後的Redis命令如下：
<code>hmset mall:sale:freq:ctrl:860000000000001 599055114591 1 599055114592 2
expire mall:sale:freq:ctrl:860000000000001 3127
set mall:total:freq:ctrl:860000000000001 3
expire mall:total:freq:ctrl:860000000000001 3127/<code>
第二次優化將set和expire命令合二為一，這個一般對Redis有點了解的也知道如何優化：
<code>hmset mall:sale:freq:ctrl:860000000000001 599055114591 1 599055114592 2
expire mall:sale:freq:ctrl:860000000000001 3127
setex mall:total:freq:ctrl:860000000000001 3127 3/<code>
第3次優化需要藉助pipeline，簡直就是Redis優化的一大殺器。
不過，需要注意的是在RedisCluster中使用pipeline時必須滿足pipeline打包的所有命令key在RedisCluster的同一個slot上。
如果打包命令的key不在同一個slot上，就會報錯。所以我們需要分兩批打包：
<code>-- 這兩條命令的key都是一樣的，肯定在同一個slot上
pipeline(
hmset mall:sale:freq:ctrl:860000000000001 599055114591 1 599055114592 2
expire mall:sale:freq:ctrl:860000000000001 3127
)
-- mall:total:freq:ctrl:860000000000001和mall:sale:freq:ctrl:860000000000001兩條命令不在同一個slot上，所以需要單獨執行下面這條命令
setex mall:total:freq:ctrl:860000000000001 3127 3/<code>
經過第3次的優化後，這些命令還是需要2次網絡交互。較勁的我還是不甘心，想要將其優化到只需要一次網絡交互即可，有沒有辦法？
當然有！
- 第4次優化
這次優化利用了一個高級特性：hashtag
是啥子意思呢？我們知道，RedisCluster總計有16*1024=16384個slot。那麼執行一條Redis命令時，其key對應的是哪個slot呢？是利用這樣一個計算公式得到的：
slot = CRC16(key)%16384示意圖如下：
也就是說，默認情況下，key在哪個slot上，與key有關。那麼，我們能否只讓key在哪個slot上與部分key有關呢？
當然可以，這就是hashtag特性。用法非常簡單，假設一個key是mall:sale:freq:ctrl:860000000000001，我們只需要用{}將key中我們需要的那部分包括起來即可。
例如，我們只想讓其根據用戶IMEI計算即可，那麼key是這樣的：mall:sale:freq:ctrl:{860000000000001}。只要key中有{860000000000001}這一部分，就一定落在同一個slot上。
所以，第四次優化以後的命令執行如下所示：
<code>pipeline(
hmset mall:sale:freq:ctrl:${860000000000001} 599055114591 1 599055114592 2
expire mall:sale:freq:ctrl:${860000000000001} 3127
setex mall:total:freq:ctrl:${860000000000001} 3127 3
)/<code>
優化後，5條Redis命令壓縮到3條Redis命令，並且3條Redis命令只需要發送一次，並且結果也一次就能全部返回。簡直
完美！！- 注意事項
我們在使用hashtag特性時，一定要注意，不能把key的離散性變得非常差。
以本文為例，沒有利用hashtag特性之前，key是這樣的：mall:sale:freq:ctrl:860000000000001，很明顯這種key由於與用戶相關，所以離散性非常好。
而使用hashtag以後，key是這樣的：mall:sale:freq:ctrl:{860000000000001}，這種key還是與用戶相關，所以離散性依然非常好。
我們千萬不要這樣來使用hashtag特性，例如將key設置為：mall:{sale:freq:ctrl}:860000000000001。
這樣的話，無論有多少個用戶多少個key，其{}中的內容完全一樣都是sale:freq:ctrl，也就是說，所有的key都會落在同一個slot上，導致整個Redis集群出現嚴重的傾斜問題。
閱讀更多 Java編碼碼農 的文章
