Hyperf框架中实现Redis命令执行事件监听的技术方案
2025-06-02 22:50:42作者:秋阔奎Evelyn
在Hyperf框架开发过程中,开发者经常需要监控Redis命令的执行情况,以便进行性能分析、调试或审计。本文将详细介绍在Hyperf中实现Redis命令执行事件监听的几种技术方案。
方案一:使用AOP切面实现
AOP(面向切面编程)是Hyperf框架提供的一种强大功能,可以在不修改原有代码的情况下,对方法调用进行拦截和处理。
实现步骤
- 创建Redis切面类
<?php
declare(strict_types=1);
namespace App\Aspect;
use Hyperf\Di\Annotation\Aspect;
use Hyperf\Di\Aop\AbstractAspect;
use Hyperf\Di\Aop\ProceedingJoinPoint;
use Hyperf\Redis\Redis;
#[Aspect]
class RedisCommandAspect extends AbstractAspect
{
public array $classes = [
Redis::class . '::__call',
];
public function process(ProceedingJoinPoint $proceedingJoinPoint)
{
$start = microtime(true);
// 获取执行的Redis命令和参数
$command = $proceedingJoinPoint->arguments['keys']['name'];
$arguments = $proceedingJoinPoint->arguments['keys']['arguments'];
try {
$result = $proceedingJoinPoint->process();
// 记录执行成功的日志
$this->logRedisCommand($command, $arguments, microtime(true) - $start);
return $result;
} catch (\Throwable $e) {
// 记录执行失败的日志
$this->logRedisError($command, $arguments, $e);
throw $e;
}
}
protected function logRedisCommand($command, $arguments, $executionTime)
{
// 实现你的日志记录逻辑
}
protected function logRedisError($command, $arguments, $exception)
{
// 实现错误日志记录逻辑
}
}
- 在config/autoload/aspects.php中注册切面
return [
App\Aspect\RedisCommandAspect::class,
];
方案二:使用Sentry链路追踪
对于需要更专业监控的场景,可以使用Sentry提供的Redis追踪功能。
- 安装依赖
composer require friendsofhyperf/sentry
- Sentry会自动通过AOP记录所有Redis命令的执行情况,包括:
- 执行的命令
- 参数
- 执行时间
- 是否成功
- 错误信息(如果失败)
方案三:自定义事件监听器
Hyperf的事件系统也可以用来实现Redis命令监听。
- 定义Redis命令执行事件
<?php
declare(strict_types=1);
namespace App\Event;
class RedisCommandExecuted
{
public function __construct(
public string $command,
public array $arguments,
public mixed $result,
public float $executionTime,
public ?\Throwable $exception = null
) {}
}
- 创建事件监听器
<?php
declare(strict_types=1);
namespace App\Listener;
use App\Event\RedisCommandExecuted;
use Hyperf\Event\Annotation\Listener;
use Hyperf\Event\Contract\ListenerInterface;
#[Listener]
class RedisCommandListener implements ListenerInterface
{
public function listen(): array
{
return [
RedisCommandExecuted::class,
];
}
public function process(object $event): void
{
if ($event instanceof RedisCommandExecuted) {
// 处理事件,记录日志或发送到监控系统
}
}
}
- 在Redis代理类中触发事件
// 在调用Redis命令的地方
$start = microtime(true);
try {
$result = $redis->{$command}(...$arguments);
$event = new RedisCommandExecuted($command, $arguments, $result, microtime(true) - $start);
} catch (\Throwable $e) {
$event = new RedisCommandExecuted($command, $arguments, null, microtime(true) - $start, $e);
throw $e;
} finally {
event($event);
}
方案对比
| 方案 | 优点 | 缺点 | 适用场景 |
|---|---|---|---|
| AOP切面 | 无侵入性,全局生效 | 需要理解AOP概念 | 简单的日志记录 |
| Sentry | 功能全面,专业监控 | 需要额外依赖 | 生产环境监控 |
| 事件监听 | 灵活可控 | 需要手动触发事件 | 需要精细控制的场景 |
最佳实践建议
- 开发环境:可以使用AOP切面方案,简单快速地查看Redis命令执行情况
- 测试环境:建议使用Sentry,可以获取更全面的性能数据
- 生产环境:推荐Sentry+自定义事件监听组合,既保证监控全面性,又能实现业务特定的审计需求
通过以上方案,开发者可以灵活选择适合自己项目需求的Redis命令监控方式,提高系统的可观测性和可维护性。
登录后查看全文
热门项目推荐
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
atomcodeAn open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust014
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- 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
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00
热门内容推荐
最新内容推荐
如何用自然语言掌控电脑?UI-TARS-desktop智能助手入门指南离线语音资源全攻略:高效管理与优化指南4步攻克抖音直播回放留存难题:面向内容创作者的全流程技术指南Home Assistant功能扩展实战指南:从问题诊断到价值实现的完整路径开源工具 AzurLaneLive2DExtract:3大核心优势助力碧蓝航线Live2D模型资源提取与二次创作Godot卡牌游戏框架深度探索:从理论架构到实战开发直播内容管理新维度:多场景直播归档方案全攻略OBS Advanced Timer:5个直播控时秘诀让你的直播节奏尽在掌握零基础掌握Home Assistant扩展:Docker加载项实战指南虚拟显示技术重塑数字工作空间:突破物理屏幕限制的多屏效率革命
项目优选
收起
暂无描述
Dockerfile
677
4.32 K
deepin linux kernel
C
28
16
Ascend Extension for PyTorch
Python
518
629
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++
947
888
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
399
303
🎉 (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
1.57 K
909
暂无简介
Dart
922
228
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
1.07 K
559
昇腾LLM分布式训练框架
Python
144
169
Oohos_react_native
React Native鸿蒙化仓库
C++
335
381