Redis/Rueidis 项目中的 JSON 切片解码优化
2025-06-29 07:18:02作者:郁楠烈Hubert
在 Redis/Rueidis 项目中,开发者们最近讨论了一个关于 JSON 数据解码的优化方案。这个方案主要解决了在处理 Redis 返回的多个 JSON 数据时,如何高效地将它们解码为 Go 语言中的结构体切片的问题。
背景与问题
在使用 Redis 的 MGET 命令获取多个键的值时,如果这些值都是 JSON 格式的结构体实例,开发者希望能够直接将结果解码到一个结构体切片中。然而,现有的 DecodeJSON 方法只能处理单个 JSON 字符串,无法直接处理包含多个 JSON 字符串的数组结果。
例如,当 key1 和 key2 的值都是 X 结构体的实例时:
type X struct {
Name string
}
开发者希望这样使用:
xs := make([]*X, 0)
if err := redisClient.Do(ctx, s.redisClient.B().Mget().Key("key1", "key2").Build()).DecodeJSON(xs); err != nil {
return err
}
但这种方法会失败,因为 DecodeJSON 无法直接处理切片。
解决方案
项目维护者提出了一个清晰且类型安全的解决方案:创建一个名为 DecodeSliceOfJSON 的辅助函数。这个函数专门用于处理 Redis 返回的数组结果,并将每个元素解码为指定的结构体类型。
func DecodeSliceOfJSON[T any](resp rueidis.RedisResult, target *[]*T) error {
arr, err := resp.ToArray()
if err != nil {
return err
}
xs := make([]*T, len(arr))
for i, a := range arr {
if err = a.DecodeJSON(xs[i]); err != nil && !rueidis.IsRedisNil(err) {
return err
}
}
*target = xs
return nil
}
使用方式如下:
var xs []*X
err := DecodeSliceOfJSON(client.Do(context.Background(), client.B().Mget().Key("key1", "key2").Build()), &xs)
设计考量
这个解决方案有几个优点:
- 类型安全:使用了 Go 的泛型特性,确保类型安全
- 清晰明确:功能单一且明确,不会产生歧义
- 错误处理完善:正确处理了 Redis 返回的 nil 值情况
- 性能考虑:预先分配了切片空间,避免多次内存分配
相比其他数据库库(如 sqlx)提供的复杂扫描功能,这个解决方案更加轻量且专注于 Redis 特定场景的需求。它避免了使用反射包带来的复杂性和潜在的性能开销,同时提供了足够的灵活性来满足大多数使用场景。
实际应用
在实际开发中,这个辅助函数可以大大简化从 Redis 获取并解码多个 JSON 数据的流程。开发者不再需要手动遍历结果数组并对每个元素单独解码,减少了样板代码的数量,提高了代码的可读性和可维护性。
这个改进体现了 Redis/Rueidis 项目对开发者体验的重视,以及在不牺牲性能的前提下提供更友好 API 的设计理念。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
570
3.84 K
Ascend Extension for PyTorch
Python
380
454
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++
894
677
暂无简介
Dart
803
198
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
353
207
昇腾LLM分布式训练框架
Python
119
147
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
12
1
🔥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
68
20
🎉 (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
1.37 K
781