面向多企业应用的Redis键管理优化及高效删键方案问询

我正在为服务数百家企业的应用搭建Redis，拟采用如下键结构：

companyname1:xxx:yyy:zzz
companyname1:yyy
companyname1:qqq:zz:xxx:ppp
companyname1:tttt:zz:qqq
companyName1:iiii:rrrr
companyName1:ppp:ddd:xxx
[... thousands more]

每家企业的键遵循类似模式。我需要删除仅属于companyname1且键中任意位置包含"xxx"的所有键，希望避免Redis全库搜索，请问如何对各企业的键进行分组并仅针对该分组操作？

我使用StackExchange实现了如下代码，但不确定其有效性及效率：

var keysToDelete = new List<RedisKey>();
var cursor = 0L;
var pageSize = 100; 

// pattern = "companyName1::xxx:";
do
{
    var redisResult = await _database.ExecuteAsync("SCAN", cursor.ToString(), "MATCH", pattern, "COUNT", pageSize).ConfigureAwait(false);
    var result = (RedisResult[])redisResult;

    cursor = Convert.ToInt64((string)result[0]);
    keysToDelete.AddRange((RedisKey[])result[1]);
}
while (cursor != 0);

一、当前代码的核心问题 #

你写的pattern = "companyName1::xxx:"存在两个明显错误：

1. 键的分隔符是单个冒号，但你的pattern用了两个冒号，会漏掉所有中间只有单个冒号的键；
2. 该pattern只能匹配xxx紧跟在companyName1::之后的键，无法匹配xxx在键中任意位置的场景。

二、正确的分组与过滤思路 #

你的键设计本身已经通过companyname1:前缀实现了企业分组，不需要额外的分组结构。要避免全库搜索，只需用精准的SCAN匹配模式，让Redis在服务器端直接过滤出目标键，而非全库扫描后在客户端过滤。

三、优化后的代码实现 #

直接使用StackExchange.Redis封装好的ScanAsync方法（比手动调用ExecuteAsync更简洁可靠），同时修正匹配模式、优化执行效率：

var keysToDelete = new List<RedisKey>();
long cursor = 0;
// 注意Redis键大小写敏感，若需匹配companyname1和companyName1需调整模式
var scanOptions = new ScanOptions
{
    // 匹配以companyname1开头、任意位置包含xxx的键
    Match = "companyname1:*xxx*",
    // 调大COUNT值减少SCAN轮次，提升效率（COUNT是提示值，非精确返回数量）
    Count = 1000
};

do
{
    var scanResult = await _database.ScanAsync(cursor, scanOptions).ConfigureAwait(false);
    cursor = scanResult.Cursor;
    keysToDelete.AddRange(scanResult.Items);
} while (cursor != 0);

// 分批删除，避免一次性删除大量键阻塞Redis
const int deleteBatchSize = 1000;
for (int i = 0; i < keysToDelete.Count; i += deleteBatchSize)
{
    var batchKeys = keysToDelete.Skip(i).Take(deleteBatchSize).ToArray();
    await _database.KeyDeleteAsync(batchKeys).ConfigureAwait(false);
}

四、关键优化点说明 #

1. 匹配模式修正：companyname1:*xxx*是正确的模式，其中*是Redis通配符，代表任意长度的字符（包括空），能精准覆盖所有以companyname1:开头且包含xxx的键。
2. COUNT参数调优：默认100的COUNT会增加SCAN的轮次，调至1000~5000可减少网络往返次数，提升扫描效率（Redis会根据当前数据集大小调整实际返回数量，COUNT仅为提示）。
3. 分批删除：若目标键数量过万，一次性调用KeyDeleteAsync会阻塞Redis主线程，分批删除能将性能影响降到最低。
4. 大小写敏感问题：Redis键是大小写敏感的，你的示例中同时存在companyname1和companyName1，若需同时匹配两种前缀，可使用[cC]ompany[nN]ame1:*xxx*模式，或统一键的命名规范（推荐统一小写，避免后续混乱）。

五、额外注意事项 #

• 尽量在业务低峰期执行删除操作，即使是渐进式SCAN和分批删除，仍会占用Redis资源；
• 若数据集极大（百万级以上键），可考虑使用Lua脚本在Redis服务器端完成扫描+删除，进一步减少网络传输开销，但需控制脚本执行时长（避免超过100ms）；
• 后续维护时，可将企业前缀作为固定规范，所有针对单个企业的操作都通过前缀+通配符的方式过滤，避免全库操作。

内容的提问来源于stack exchange，提问作者Tomasz Cioch