Redis二级索引实现对比SQL，寻求更简便实现方案

首先明确：没有比有序集合（Sorted Set）二级索引更简便高效的原生Redis方案，更不要考虑用KEYS命令——它会遍历所有键，性能极差，且完全不支持按指定字段排序。

你当前基于有序集合的方案是Redis官方推荐的标准二级索引实现，之所以觉得流程复杂，主要是因为客户端需要多次网络请求。可以通过以下方式简化代码并提升维护性：

优化方向1：使用Lua脚本减少网络往返 #

把zrange获取排序ID和hgetall查询哈希数据的逻辑放在Redis服务器端执行，一次请求就能返回所有结果，客户端代码会大幅简化。

示例Lua脚本：

-- 传入参数：有序集合的键名（如zfield1）
local sorted_set_key = KEYS[1]
-- 获取所有按field1排序的ID
local ids = redis.call('zrange', sorted_set_key, 0, -1)
local result = {}

for _, id in ipairs(ids) do
    -- 拼接哈希键名并获取完整数据
    local hash_data = redis.call('hgetall', 'key:' .. id)
    table.insert(result, hash_data)
end

return result

Python中调用脚本的示例（以redis-py为例）：

import redis

r = redis.Redis()

script = """
local sorted_set_key = KEYS[1]
local ids = redis.call('zrange', sorted_set_key, 0, -1)
local result = {}
for _, id in ipairs(ids) do
    local hash_data = redis.call('hgetall', 'key:' .. id)
    table.insert(result, hash_data)
end
return result
"""

# 执行脚本，传入有序集合键名
sorted_data = r.eval(script, 1, 'zfield1')
# 转换为更易处理的字典格式
formatted_data = [dict(zip(data[::2], data[1::2])) for data in sorted_data]
print(formatted_data)

优化方向2：使用Pipeline批量操作 #

如果不想用Lua脚本，可以用Redis管道（Pipeline）批量执行hgetall，减少多次单独请求的网络开销：

import redis

r = redis.Redis()

# 获取排序后的ID列表
ids = r.zrange('zfield1', 0, -1)

# 批量执行hgetall
pipe = r.pipeline()
for id in ids:
    pipe.hgetall(f'key:{id}')
sorted_data = pipe.execute()

# 格式化结果
formatted_data = [dict(item) for item in sorted_data]
print(formatted_data)

为什么不推荐其他方案？ #

• KEYS/SCAN：只能遍历键，无法按field1排序，需要客户端自己过滤、排序，数据量大时性能极差，完全不符合需求。
• 其他数据结构：哈希表、列表等都不支持按指定字段排序查询的特性，只有有序集合能高效实现排序的二级索引。

内容的提问来源于stack exchange，提问作者User051209