RAG项目Redis应用

用户所属组织标签缓存

• 用户所属的标签是高频访问字段，所以在Redis中进行缓存
• 使用List结构存储而不使用set，List底层是压缩列表+双向链表，内存紧凑读写快，set天然去重是要依赖哈希表的，计算哈希值解决哈希冲突效率不如List，而且Set存储是乱序的，List存储是按照存储的顺序的，是有一定的顺序的

  //标签分为所属组织标签和个人私有标签，其中组织所属标签是一对多的关系，也就是一个用户可以归属多个组织
  //所以数据结构采用List更加合适，因为有多个所以使用方法是rightPushAll（），orgTags是一个List.of，在这个转换成数组全部加入
  //rightPushAll有个问题是每次添加数据都是在追加，所以容易造成重复数据，所以在分配所属组织标签的时候要先删除key在添加数据
  redisTemplate.opsForList().rightPushAll(key, orgTags.toArray());

  //取值操作range从0到-1默认是取出从0索引到结尾的所有元素，Redis存储的是二进制数据，所以默认封装成Object对象，再通过map进行转换
  try {
            String key = USER_ORG_TAGS_KEY_PREFIX + username;
            List<Object> result = redisTemplate.opsForList().range(key, 0, -1);
            if (result != null && !result.isEmpty()) {
                return result.stream()
                        .map(obj -> (String) obj)
                        .toList();
            }
        } catch (Exception e) {
            logger.error("Failed to get organization tags for user: {}", username, e);
        }
        return null;

RedisCallback原生连接

• 在 Redis 中，像 opsForValue/opsForHash 其实都是高级封装，Spring 帮忙把 java 对象转换 Redis 能识别的字节数组，但是会有少量的封装开销， 而且并不是所有的命令都有封装
• RedisCallback 跳过 Spring 的封装直接拿到 RedisConnection 原生连接。RedisCallback 是一个函数式接口（只有一个抽象方法 doInRedis），必须实现这个唯一的抽象方法。直接显示重写 doInRedis 或者使用 Lambda 表达式都可以。

long uploadedCount = redisTemplate.execute(new RedisCallback<Long>() {
    @Override
    public Long doInRedis(RedisConnection connection) throws DataAccessException {
        // 统计 redisKey 对应位图中 1 的数量（已上传分片数）
        return connection.bitCount(redisKey.getBytes());
    }
});

// 等价于上面的 Hash 统计（Lambda 隐式实现）
Long hashFieldCount = redisTemplate.execute(connection -> {
    // 这里的代码就是 doInRedis 方法的逻辑，省略了方法声明和 @Override
    return connection.hLen("user:100".getBytes());
});

文件分片上传在 Redis 中缓存

• Redis BitMap 是一个由二进制数组，每一位都是 0 和 1，分块的数对应偏移量下标， 1表示已上传， 0表示未上传

// 核心：查询 redisKey 对应位图中，下标为 chunkIndex 的位值（0=未上传，1=已上传）
boolean isUploaded = redisTemplate.opsForValue().getBit(redisKey, chunkIndex);

// 分片上传成功后，标记该分片为已上传（位值设为1）
redisTemplate.opsForValue().setBit(redisKey, chunkIndex, true);

//全部分片上传完成后，需要合并文件，此时用 bitCount 统计位图中 1 的数量，对比总分片数
long uploadedCount = redisTemplate.execute(new RedisCallback<Long>() {
    @Override
    public Long doInRedis(RedisConnection connection) throws DataAccessException {
        // 统计 redisKey 对应位图中 1 的数量（已上传分片数）
        return connection.bitCount(redisKey.getBytes());
    }
});