Redis怎么搞模糊查询还能分页，感觉挺实用的功能分享

说到Redis，大家首先想到的就是快，常用来做缓存，但它主要是键值对存储，不像数据库那样有直接的like查询和limit分页，通过巧妙使用Redis提供的一些数据结构，完全可以实现类似“模糊查询+分页”的效果，而且性能非常高，这在处理一些需要快速过滤和浏览的热数据场景时,非常实用。

这里分享几种常见且实用的方法,咱们由浅入深地说。

使用有序集合（ZSet）配合扫描（ZSCAN）

这个方法的思路是，把我们要查询的数据作为成员（member）存放在一个有序集合里，分数（score）可以用来排序，比如用时间戳，然后利用ZSCAN命令进行模糊匹配。

具体怎么搞呢？

1. 准备数据： 假设我们有一堆用户昵称需要被模糊搜索，我们把所有昵称作为成员（member）放入一个叫user:nicknames的ZSet中，分数可以统一设为0，或者如果你希望按热度、时间排序,可以设置成对应的数值。

   • 命令示例：ZADD user:nicknames 0 "张三" 0 "张无忌" 0 "李四" 0 "李小龙"

2. 进行模糊查询和分页： ZSCAN命令可以遍历ZSet，并且支持通配符匹配,它返回的结果是一个游标和一批匹配的成员。

   • 模糊查询： 比如我们要找所有以“张”开头的昵称，我们可以使用ZSCAN命令，匹配模式设为张*。
   • 分页： ZSCAN命令的游标机制天然支持分页，第一次调用时，游标从0开始，命令会返回一个新的游标和一部分数据，下次查询时带上这个新游标，就能获取下一批数据，直到游标变回0,表示遍历结束。

操作示例： 假设我们要分页查询“张”开头的用户,每页2条。

• 第一页：ZSCAN user:nicknames 0 MATCH "张*" COUNT 2
  • 返回结果可能包含游标（比如18）和成员 ["张三", "张无忌"]。
• 第二页：ZSCAN user:nicknames 18 MATCH "张*" COUNT 2
  • 因为匹配项可能就两个，所以这次返回的游标可能就是0,表示没有更多数据了。

优点：

• 实现相对简单,利用了Redis原生命令。
• 适合数据量不是特别巨大的场景。

缺点：

• 如果ZSet非常大，ZSCAN的效率可能会受到影响,因为它本质是遍历。
• 分页的“页”的大小（COUNT参数）只是个提示，Redis返回的数据量可能略多于或少于指定值,需要客户端做简单处理。

使用集合（Set）或有序集合（ZSet）建立索引

这个方法更高效，尤其适合数据量大、查询频繁的场景，核心思想是“空间换时间”,提前为可能被搜索的字段建立好索引。

具体怎么搞？

我们还是以搜索用户昵称为例，但这次用户信息是存储在Hash结构里的，键名是user:1, user:2等。

1. 建立索引： 我们为昵称的每个可能的前缀（或者分词）建立索引集合。

   • 比如用户“张三”，我们将其昵称按前缀拆分（可以按字，也可以按拼音首字母）：
     • 前缀为“张”的集合：index:nickname:张
     • 前缀为“张三”的集合：index:nickname:张三
   • 将用户ID（比如1）加入到这些集合中：SADD index:nickname:张 1， SADD index:nickname:张三 1。

2. 进行模糊查询：

   • 当用户输入“张”进行搜索时，我们直接取index:nickname:张这个集合，里面就包含了所有昵称以“张”开头的用户ID。
   • 如果输入“张三”，就取index:nickname:张三这个更精确的集合。

3. 实现分页：

   • 拿到索引集合后（比如index:nickname:张），我们可以使用SMEMBERS获取所有ID（如果集合不大），但更优雅的方式是使用SORT命令。
   • 我们可以使用 SORT index:nickname:张 BY nosort GET user:*->nickname LIMIT 0 2。
   • 这个命令的意思是：对集合index:nickname:张进行排序（BY nosort表示不排序，按存储顺序），然后通过GET指令去取出每个ID对应的Hash结构中的昵称字段，最后用LIMIT实现分页。

优点：

• 查询速度极快，几乎是O(1)的复杂度,因为直接定位到了索引集合。
• 非常适合前缀匹配型的模糊查询。

缺点：

• 需要额外的存储空间来存放索引。
• 写入数据时（新增、修改昵称）需要维护索引，会增加写操作的复杂度，比如改昵称，需要从旧索引集合中删除ID,再加入新的索引集合。

使用RedisSearch模块（终极利器）

如果条件允许，这是最强大、最省心的方案，RedisSearch是一个外部模块，为Redis提供了完整的全文搜索和二级索引功能,就像在Redis里内置了一个搜索引擎。

它能做什么？

1. 创建索引： 你可以定义一个索引模式，指定哪些Hash字段需要被索引，以及索引类型（文本、数字、标签等）。
2. 自动管理： 之后，你往对应的Hash里添加数据时，RedisSearch会自动更新索引,无需手动维护。
3. 强大查询： 支持丰富的查询语法，包括模糊查询（通配符）、联合查询、范围查询、排序等。
4. 直接分页： 查询命令直接支持LIMIT offset count参数,实现完美的分页。

操作示例（简化概念）：

• 创建索引：FT.CREATE user_idx ON HASH PREFIX 1 user: SCHEMA nickname TEXT
• 插入数据：HSET user:1 nickname "张三"
• 模糊查询加分页：FT.SEARCH user_idx "张*" LIMIT 0 2

优点：

• 功能强大,媲美专业搜索引擎。
• 使用简单,无需在应用层处理复杂的索引逻辑。
• 性能优异。

缺点：

• 需要安装RedisSearch模块，对Redis环境有要求（比如云服务商可能不支持或需额外收费）。

• 小打小闹，数据量不大：用ZScan方法,简单快捷。
• 追求高性能，查询模式固定（如前缀搜索）：用预建索引方法，空间换时间,效果显著。
• 不差钱，需求复杂，想要一劳永逸：直接上RedisSearch，这是最正统、最专业的解决方案。

希望这些直接的方法分享能给你带来启发，具体用哪种,还得看你的实际业务场景和技术选型。