Node-Redis处理二进制数据的注意事项
2025-05-13 06:00:41作者:何举烈Damon
在使用Node-Redis库处理二进制数据时,开发者可能会遇到一些意料之外的问题。本文将以gzip压缩数据为例,详细讲解如何正确地在Redis中存储和读取二进制数据。
问题现象
当开发者尝试将gzip压缩后的Buffer数据存入Redis,然后再读取出来解压时,可能会遇到"invalid header"的错误。这通常发生在以下场景:
- 使用Node.js的zlib模块压缩数据得到Buffer
- 直接将Buffer存入Redis
- 从Redis读取数据后尝试解压失败
根本原因
问题的根源在于Redis客户端默认将返回值转换为字符串,而Buffer到字符串的转换是有损转换。当二进制数据被强制转换为字符串时,数据完整性会被破坏,导致后续的解压操作失败。
解决方案
Node-Redis提供了commandOptions配置项,可以通过设置returnBuffers: true来确保获取原始Buffer数据而非字符串:
const data = await redis.get(
client.commandOptions({ returnBuffers: true }),
'gzip'
) || Buffer.from('{}');
完整示例代码
import { promisify } from 'node:util';
import { gzip, gunzip } from 'node:zlib';
import { redis } from '~/library/provider';
const asyncGzip = promisify(gzip);
const asyncGunzip = promisify(gunzip);
export async function handler() {
try {
await redis.connect();
} catch (error) {}
// 压缩数据
const compressed = await asyncGzip(Buffer.from(JSON.stringify({ ok: true })));
// 存储二进制数据
await redis.set('gzip', compressed);
// 读取时指定返回Buffer
const data = await redis.get(
redis.commandOptions({ returnBuffers: true }),
'gzip'
) || Buffer.from('{}');
// 解压数据
const decompressed = await asyncGunzip(data);
await redis.disconnect();
return {
statusCode: 200,
body: JSON.stringify({ result: JSON.parse(decompressed.toString()) }),
};
}
技术要点
-
Buffer与字符串转换:Buffer到字符串的转换会使用默认编码(通常是UTF-8),这可能导致二进制数据损坏。
-
Redis数据存储:Redis本身可以完美存储二进制数据,问题出在客户端的默认处理方式上。
-
性能考虑:对于大型二进制数据,直接处理Buffer比转换为字符串更高效。
最佳实践
-
明确数据类型:处理二进制数据时,始终明确指定需要Buffer而非字符串。
-
错误处理:添加适当的错误处理逻辑,特别是对于解压操作。
-
类型检查:在处理返回数据前,可以使用
Buffer.isBuffer()进行检查。
通过理解这些概念和正确使用Node-Redis的API,开发者可以轻松地在Redis中存储和处理各种二进制数据,包括但不限于压缩数据、图像、音频等。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
414
3.18 K
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
Ascend Extension for PyTorch
Python
228
258
暂无简介
Dart
679
160
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
689
325
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.21 K
660
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
492