Upstash Redis 限流库中的 NOSCRIPT 错误分析与解决方案
背景介绍
在使用 Upstash Redis 限流库时,开发者可能会遇到一个典型的 Redis 错误:"NOSCRIPT No matching script. Please use EVAL"。这个错误通常发生在 Redis 脚本缓存被清空后,客户端仍然尝试使用 EVALSHA 命令执行脚本的情况下。
错误现象
当开发者使用 SCRIPT FLUSH 命令清空 Redis 实例中的脚本缓存后,再调用限流功能时,系统会抛出上述错误。从 Redis 的监控日志可以看到,客户端首先尝试使用 EVALSHA 执行脚本,失败后回退到使用 EVAL 命令,随后重新加载脚本,最后再次尝试 EVALSHA。
技术原理
Redis 提供了两种执行 Lua 脚本的方式:
- EVAL:直接执行脚本内容
- EVALSHA:通过脚本的 SHA1 哈希值执行已缓存的脚本
EVALSHA 的性能更好,因为它不需要每次都传输完整的脚本内容。Upstash 限流库采用了智能的回退机制:先尝试 EVALSHA,如果失败(返回 NOSCRIPT 错误),则回退到使用 EVAL 并重新加载脚本。
问题根源
在最新版本的限流库中,当启用了保护功能(enableProtection: true)时,这个问题会特别明显。根本原因与 Redis 客户端的自动管道化(auto pipelining)功能有关。自动管道化会批量发送命令以提高性能,但在某些情况下可能导致脚本执行顺序出现问题。
解决方案
临时解决方案
在 @upstash/redis v1.34.3 版本发布前,可以通过禁用自动管道化来解决问题:
const redis = Redis.fromEnv({ enableAutoPipelining: false });
永久解决方案
升级到 @upstash/redis v1.34.3 或更高版本后,开发者可以正常使用自动管道化功能,无需额外配置。新版本已经修复了脚本执行顺序的问题。
最佳实践
- 保持 @upstash/redis 和 @upstash/ratelimit 库的最新版本
- 在生产环境中谨慎使用
SCRIPT FLUSH命令 - 对于关键业务逻辑,考虑添加适当的错误处理和重试机制
- 监控 Redis 脚本执行情况,及时发现潜在问题
总结
Redis 脚本执行是限流功能的核心,理解 EVAL 和 EVALSHA 的工作原理对于排查类似问题非常重要。Upstash 团队通过优化脚本执行逻辑和修复自动管道化问题,为开发者提供了更稳定的限流解决方案。开发者只需保持库的最新版本,即可避免这类问题的发生。
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