Redis 删除1.2亿指定前缀的key

背景

因为更换IDC的原因，我们需要迁移缓存到新的机房，开发同学提出老的缓存有1.2亿无效(未设置过期时间)的key和正常在用的业务key，在迁移之前可以先指定前缀将key删除。那么问题来了,如何快速删除1.2亿的key呢？

如何获取指定的 key

大家都知道由于Redis的单线程服务模式，命令keys *会阻塞正常的业务请求，所以肯定不行。

在这里我们利用Redis 提供的SCAN功能。SCAN 命令是一个基于游标的迭代器（cursor based iterator）： SCAN 命令每次被调用之后， 都会向用户返回一个新的游标， 用户在下次迭代时需要使用这个新游标作为 SCAN 命令的游标参数， 以此来延续之前的迭代过程。

当 SCAN 命令的游标参数被设置为 0 时， 服务器将开始一次新的迭代， 而当服务器向用户返回值为 0 的游标时， 表示迭代已结束。 SCAN的语法如下

其中 cousor 是游标，MATCH 则支持正则匹配，我们正好可以利用此功能，比如匹配 前缀为"dba_"的key， COUNT 是每次获取多少个key。

在上面这个例子中， 第一次迭代使用 0 作为游标， 表示开始一次新的迭代。第二次迭代使用的是第一次迭代时返回的游标， 也即是命令回复第一个元素的值 —— 17 。 在第二次调用 SCAN 命令时， 命令返回了游标 0 ， 这表示迭代已经结束， 整个数据集（collection）已经被完整遍历过了。

从上面的示例可以看到， SCAN 命令的回复是一个包含两个元素的数组， 第一个数组元素是用于进行下一次迭代的新游标， 而第二个数组元素则是一个数组， 这个数组中包含了所有被迭代的元素。

注意:以 0 作为游标开始一次新的迭代， 一直调用 SCAN 命令， 直到命令返回游标 0 ， 我们称这个过程为一次完整遍历（full iteration）。我们会在后面的代码实现中利用此特点。

Python的redis 模块提供 scan_iter 迭代器来遍历key，其返回的结果迭代器对象。

至此，我们解决了如何获取数据的问题，下面思考第二个问题。

如何执行删除

这个相对比较简单，Redis 提供DEL命令

在redis-py 中，提供了delete(key)，delete(*key)的函数, 其中参数 *key 是多个值的列表。 到这里，我们大致可以想到获取key，然后批量删除

常规方式的删除10W个key耗时68.7秒，如果是1.2亿个key 要多少时间呢？68*1000/3600=18.8小时。能不能更快呢？

如何提高执行速度

Redis本身是基于Request/Response协议的，客户端发送一个命令，等待Redis应答，Redis在接收到命令，处理后应答。其中发送命令加上返回结果的时间称为(Round Time Trip)RRT-往返时间。如果客户端发送大量的命令给Redis，那就是等待上一条命令应答后再执行再执行下一条命令，这中间不仅仅多了RTT，而且还频繁的调用系统IO，发送网络请求。

Pipeline(流水线)功能极大的改善了上面的缺点。Pipeline能将一组Redis命令进行组装，然后一次性传输给Redis，再将Redis执行这组命令的结果按照顺序返回给客户端。

需要注意的是Pipeline 虽然好用，但是Pipline组装的命令个数不能没有限制，否则一次组装数据量过大，一方面增加客户端的等待时间，另一方面会造成网络阻塞，需要批量组装。使用Pepline 和常规方式的性能对比如下:

代码

# encoding: utf-8

"""

author: yangyi@youzan.com

time: 2018/3/9 下午8:35

func:

"""

importredis

importrandom

importstring

importtime

pool = redis.ConnectionPool(host='127.0.0.1',port=6379,db=2)

r = redis.Redis(connection_pool=pool)

defrandom_str():

return''.join(random.choice(string.ascii_letters + string.digits)for_inrange(7))

definit_keys():

start_time = time.time()

foriinxrange(,20):

key_name ='dba_'+str(i)

value_name = random_str()

r.set(key_name,value_name)

print'initial keys successfully,use time:',time.time() - start_time

defdel_keys_without_pipe():

start_time = time.time()

result_length =

forkeyinr.scan_iter(match='dba_*',count=2000):

r.delete(key)

result_length +=1

print"normal ways end at:",time.time() - start_time

print"normal ways delete numbers:",result_length

defdel_keys_with_pipe():

start_time = time.time()

result_length =

pipe = r.pipeline()

forkeyinr.scan_iter(match='dba_*',count=5000):

pipe.delete(key)

result_length +=1

ifresult_length %5000==:

pipe.execute()

pip_time = time.time()

print"use pipeline scan time ",time.time() - start_time

pipe.execute()

print"use pipeline end at:",time.time() - pip_time

print"use pipeline ways delete numbers:",result_length

defmain():

init_keys()

del_keys_without_pipe()

init_keys()

del_keys_with_pipe()

if__name__ =='__main__':

main()

如果读者朋友有其他更好的方式的，欢迎交流。

资料

https://pypi.python.org/pypi/redis