面试题：高并发场景下Redis WATCH命令错误处理的优化策略

Redis 配置优化

增加连接池大小 在 Redis 配置中，增加客户端连接池的大小。例如在 Jedis 中，可以通过如下方式设置连接池参数：

JedisPoolConfig poolConfig = new JedisPoolConfig();
poolConfig.setMaxTotal(100); // 最大连接数
poolConfig.setMaxIdle(20);  // 最大空闲连接数
JedisPool jedisPool = new JedisPool(poolConfig, "localhost", 6379);

这样可以让更多客户端同时与 Redis 交互，减少因为连接不足导致的竞争。 2. 调整 Redis 内存策略 根据业务需求合理设置 Redis 的内存淘汰策略，如 volatile - lru（对设置了过期时间的 key 使用 LRU 算法淘汰）。在 redis.conf 文件中配置：

maxmemory-policy volatile - lru

避免因为内存不足导致的异常，影响 WATCH 命令执行。

客户端代码设计优化

重试机制 在客户端代码中，当捕获到 WATCH 命令错误（如 WatchError）时，进行重试。以 Python 的 redis - py 库为例：

import redis

r = redis.Redis(host='localhost', port=6379, db = 0)
retry_count = 3
while True:
    try:
        pipe = r.pipeline()
        pipe.watch('key')
        value = pipe.get('key')
        new_value = int(value) + 1 if value else 1
        pipe.multi()
        pipe.set('key', new_value)
        pipe.execute()
        break
    except redis.WatchError:
        if retry_count <= 0:
            raise
        retry_count -= 1

减少事务中的操作 尽量减少 WATCH 事务中包含的命令数量，降低冲突的概率。例如，如果一个事务中有多个写操作，可以拆分成多个较小的事务。

// 优化前
Jedis jedis = jedisPool.getResource();
Transaction tx = jedis.multi();
tx.watch("key1", "key2", "key3");
tx.set("key1", "value1");
tx.set("key2", "value2");
tx.set("key3", "value3");
tx.exec();
jedis.close();

// 优化后
Jedis jedis = jedisPool.getResource();
Transaction tx1 = jedis.multi();
tx1.watch("key1");
tx1.set("key1", "value1");
tx1.exec();

Transaction tx2 = jedis.multi();
tx2.watch("key2");
tx2.set("key2", "value2");
tx2.exec();

Transaction tx3 = jedis.multi();
tx3.watch("key3");
tx3.set("key3", "value3");
tx3.exec();

jedis.close();

整体架构优化

分布式锁替代 在某些场景下，可以使用分布式锁（如 Redisson 实现的分布式锁）来替代 WATCH 机制。例如在 Java 项目中使用 Redisson：

Config config = new Config();
config.useSingleServer().setAddress("redis://127.0.0.1:6379");
RedissonClient redisson = Redisson.create(config);
RLock lock = redisson.getLock("myLock");
try {
    lock.lock();
    // 执行读写操作
    Jedis jedis = jedisPool.getResource();
    String value = jedis.get("key");
    jedis.set("key", "newValue");
    jedis.close();
} finally {
    lock.unlock();
    redisson.shutdown();
}

读写分离 采用读写分离架构，读操作从从节点获取数据，写操作在主节点进行。例如在 Sentinel 模式下，客户端通过 Sentinel 发现主从节点，分别进行读写：

Set<String> sentinels = new HashSet<>(Arrays.asList("127.0.0.1:26379"));
JedisSentinelPool jedisSentinelPool = new JedisSentinelPool("mymaster", sentinels);
// 读操作
Jedis jedisRead = jedisSentinelPool.getResource();
String value = jedisRead.get("key");
jedisRead.close();
// 写操作
Jedis jedisWrite = jedisSentinelPool.getResource();
jedisWrite.set("key", "newValue");
jedisWrite.close();

在实际项目中，以电商库存扣减场景为例：

Redis 配置优化：增加连接池大小，确保在高并发下库存扣减操作有足够的连接与 Redis 交互。
客户端代码设计优化：对库存扣减操作的 WATCH 事务增加重试机制，避免因竞争导致库存扣减失败。
整体架构优化：采用分布式锁替代 WATCH 机制来扣减库存，同时结合读写分离，将库存查询操作分发到从节点，减少主节点压力，提高系统的性能和可用性。

星途面试题库

面试题：高并发场景下Redis WATCH命令错误处理的优化策略

知识考点

面试题答案

Redis 配置优化

客户端代码设计优化

整体架构优化