在cache-manager v6中实现模式匹配删除键的最佳实践
2025-07-08 05:33:40作者:田桥桑Industrious
cache-manager作为Node.js生态中广泛使用的缓存管理工具,在v6版本中进行了重大架构调整。其中一个显著变化是移除了v5版本中直接支持的模式匹配(key pattern)查询功能,这给需要批量操作特定模式键的用户带来了挑战。
核心问题分析
在缓存管理场景中,批量删除符合特定模式的键是一个常见需求。例如:
- 清除某个用户的所有相关缓存
- 删除特定前缀的所有临时数据
- 批量清理过期的会话信息
v5版本提供了方便的keys()方法支持模式匹配查询,但v6版本出于性能考虑移除了这一功能,转而推荐使用更底层的Keyv存储适配器提供的迭代器功能。
技术解决方案
使用Keyv迭代器实现模式匹配
cache-manager v6底层使用Keyv作为存储抽象层,我们可以利用Keyv的iterator()方法实现键的模式匹配:
import {createCache} from 'cache-manager';
import {createKeyv} from '@keyv/redis';
// 初始化缓存实例
const keyv = createKeyv('redis://user:pass@localhost:6379');
const cache = createCache({stores: [keyv]});
// 设置示例缓存数据
await cache.set('user:123:profile', profileData);
await cache.set('user:123:settings', settingsData);
await cache.set('product:456:details', productData);
// 删除所有user:123开头的键
for await (const [key] of keyv.iterator()) {
if(key.startsWith('user:123')) {
await cache.del(key);
}
}
性能优化建议
- 批量删除优化:对于支持multi操作的存储引擎(如Redis),可以收集匹配的键然后一次性删除:
const keysToDelete = [];
for await (const [key] of keyv.iterator()) {
if(key.startsWith('user:123')) {
keysToDelete.push(key);
}
}
if(keysToDelete.length > 0) {
await cache.store.mdel(...keysToDelete);
}
-
迭代器过滤:某些Keyv适配器支持自定义过滤条件,可以减少网络传输
-
命名规范:采用一致的键命名约定(如
type:id:field),便于模式匹配
架构设计思考
v6版本的这一变化反映了缓存管理的最佳实践演进:
- 明确职责分离:将高级模式匹配功能从核心缓存抽象中剥离
- 性能优先:避免在缓存层隐式执行可能昂贵的keys操作
- 灵活性:通过底层适配器暴露更多控制权给开发者
替代方案比较
- 原生Redis命令:直接使用Redis的SCAN+DEL组合,性能最佳但失去抽象
- 自定义存储封装:扩展cache-manager添加模式匹配支持
- 应用层管理:在业务代码中维护键的索引关系
总结
cache-manager v6通过更底层的控制方式,为开发者提供了灵活应对各种缓存管理场景的能力。虽然需要编写更多代码来实现模式匹配删除,但这种显式的方式往往能带来更好的性能表现和更可控的系统行为。对于高频使用的模式匹配场景,建议在应用层封装为可复用的工具函数。
登录后查看全文
热门项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0448
源启盛夏_AtomGit暑期开发者成长计划「源启盛夏」暑期校园开发者成长计划旨在激活校园开源力量,通过积分激励、认证扶持、资源倾斜等形式,引导高校组织和开发者完成「入驻 — 建项目 — 做贡献 — 获认证 — 得资源」的完整闭环。无论你是想带领社团入驻平台的组织者,还是希望用代码贡献证明自己的开发者,都能在这里找到属于你的成长路径。Markdown00
jiuwenswarmJiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。Python0769
Hy3Hy3 是由腾讯混元团队研发的快慢思考融合的混合专家模型,总参数量 295B,激活参数 21B,MTP 层参数 3.8B。4 月底发布 Hy3 Preview 后,我们在 50 多个业务中获得了广泛的反馈,修复了各种体验问题,进一步提升了后训练的质量和规模。今天,我们发布 Hy3。它展现出显著强于同尺寸并比肩旗舰(参数规模往往是 Hy3 的 2~5 倍)开源模型的智能水平,显著提升了在各类产品和生产力任务中的实用价值。Python00
AscendNPU-IRAscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优C++0313
DragonOSDragonOS is an operating system developed from scratch using Rust, with Linux compatibility. It is designed for **Serverless** scenarios. 使用Rust从0自研内核,具有Linux兼容性的操作系统,面向云计算Serverless场景而设计。Rust00
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Markdown
827
5.49 K
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
494
518
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
786
1.58 K
作为 Ascend for PyTorch 社区的核心组件,TorchNPU 是昇腾专为 PyTorch 打造的深度学习适配插件,使 PyTorch 框架能够直接调用昇腾 NPU,为开发者提供昇腾 AI 处理器的超强算力。
Python
803
1.14 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
973
2.29 K
deepin linux kernel
C
32
16
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
482
312
JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。
Python
3.02 K
769
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Markdown
1.26 K
811
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
648
287