redis-cli --raw keys \"大众ops-coffee-\公众 | xargs redis-cli del
直接在linux下通过redis的keys命令匹配到所有的key，然后调用系统命令xargs来删除，看似非常完美，实则风险巨大
由于Redis的单线程做事模式，命令keys会壅塞正常的业务要求，如果你一次keys匹配的数量过多或者在del的时候碰着大key，都会直接导致业务的不可用，乃至造成redis宕机的风险
以是我们在生产环境中应该避免利用上边的方法，那有什么优雅的方法来办理呢？SCAN！
SCAN先容及利用
Redis从2.8版本开始支持scan命令，SCAN命令的基本用法如下：
SCAN cursor [MATCH pattern] [COUNT count]
cursor： 游标，SCAN命令是一个基于游标的迭代器，SCAN命令每次被调用之后，都会向用户返回一个新的游标，用户不才次迭代时须要利用这个新游标作为SCAN命令的游标参数，以此来延续之前的迭代过程，直到做事器向用户返回值为0的游标时，一次完全的遍历过程就结束了
MATCH： 匹配规则，例如遍历以ops-coffee-开头的所有key可以写成ops-coffee-，中间包含-coffee-的可以写成-coffee-
COUNT： COUNT选项的浸染便是让用户奉告迭代命令，在每次迭代中该当从数据集里返回多少元素，COUNT只是对增量式迭代命令的一种提示，并不代表真正返回的数量，例如你COUNT设置为2有可能会返回3个元素，但返回的元素数据会与COUNT设置的正干系，COUNT的默认值是10
以下是一个SCAN命令的迭代过程示例：
127.0.0.1:6379> scan 0 MATCH ops-coffee-
1) \"大众38\"大众
2) 1) \"大众ops-coffee-25\公众
2) \公众ops-coffee-19\"大众
3) \"大众ops-coffee-29\"大众
4) \"大众ops-coffee-10\"大众
5) \"大众ops-coffee-23\"大众
6) \"大众ops-coffee-5\公众
7) \"大众ops-coffee-14\公众
8) \"大众ops-coffee-16\"大众
9) \公众ops-coffee-11\公众
10) \"大众ops-coffee-15\"大众
11) \"大众ops-coffee-7\公众
12) \"大众ops-coffee-1\公众
127.0.0.1:6379> scan 38 MATCH ops-coffee- COUNT 1000
1) \"大众0\"大众
2) 1) \公众ops-coffee-13\"大众
2) \"大众ops-coffee-9\"大众
3) \公众ops-coffee-21\公众
4) \"大众ops-coffee-6\公众
5) \公众ops-coffee-30\"大众
6) \"大众ops-coffee-20\公众
7) \"大众ops-coffee-2\公众
8) \公众ops-coffee-12\公众
9) \公众ops-coffee-28\"大众
10) \"大众ops-coffee-3\公众
11) \"大众ops-coffee-26\"大众
12) \"大众ops-coffee-4\"大众
13) \"大众ops-coffee-31\"大众
14) \公众ops-coffee-8\"大众
15) \公众ops-coffee-22\"大众
16) \"大众ops-coffee-27\"大众
17) \公众ops-coffee-18\公众
18) \"大众ops-coffee-24\公众
19) \"大众ops-coffee-17\"大众
SCAN命令返回的是一个包含两个元素的数组，第一个数组元素是用于进行下一次迭代的新游标，而第二个数组元素则是一个数组，这个数组中包含了所有被迭代的元素
上面这个例子的意思是扫描所有前缀为ops-coffee-的key
第一次迭代利用0作为游标，表示开始一次新的迭代，同时利用了MATCH匹配前缀为ops-coffee-的key，返回了游标值38以及遍历到的数据
第二次迭代利用的是第一次迭代时返回的游标，也即是命令回答第一个元素的值38，同时通过将COUNT选项的参数设置为1000，逼迫命令为本次迭代扫描更多元素
在第二次调用SCAN命令时，命令返回了游标0，这表示迭代已经结束，全体数据集已经被完全遍历过了
KEYS命令的韶光繁芜度为O(n)，而SCAN命令会将遍历操作分解成m次韶光繁芜度为O(1)的操作来实行，从而办理利用keys命令遍积年夜量数据而导致做事器壅塞的情形，利用下边的指令可以达到优雅删除的目的：
redis-cli --scan --pattern \"大众ops-coffee-\"大众 | xargs -L 2000 redis-cli del
个中xargs -L指令表示xargs一次读取的行数，也便是每次删除的key数量，一次读取太多xargs会报错
其他几种数据构造的优雅删除
类似的SCAN命令，对付Redis不同的数据类型还有其余几个SSCAN、HSCAN和ZSCAN，利用方法类似：
> sscan ops-coffee 0 MATCH v1
1) \公众7\"大众
2) 1) \公众v15\公众
2) \"大众v13\"大众
3) \"大众v12\公众
4) \公众v10\"大众
5) \"大众v14\"大众
6) \公众v1\"大众
与SCAN命令不同的是这几个命令须要多加一个key的参数，例如上边的ops-coffee
对付一个大的set key，借助sscan利用下边的代码可以实现优雅的批量删除：
import redis
def del_big_set_key(key_name):
r = redis.StrictRedis(host='localhost', port=6379)
# count表示每次删除的元素数量，这里每次删除300元素
for key in r.sscan_iter(name=key_name, count=300):
r.srem(key_name, key)
del_big_set_key('ops-coffee')
对付一个大的hash key，则可借助hscan利用下边的代码实现优雅的删除：
import redis
def del_big_hash_key(key_name):
r = redis.StrictRedis(host='localhost', port=6379)
# hscan_iter获取出来的结果是个元祖，下边hdel删除用key[0]取到key
for key in r.hscan_iter(name=key_name, count=300):
r.hdel(key_name, key[0])
del_big_hash_key('ops-coffee')
对付大的有序凑集的删除就比较大略了，直接根据zremrangebyrank排行范围删除
import redis
def del_big_sort_key(key_name):
r = redis.StrictRedis(host='localhost', port=6379)
while r.zcard(key_name) > 0:
# 判断凑集中是否有元素，如有有则删除排行0-99的元素
r.zremrangebyrank(key_name, 0, 99)
del_big_sort_key('ops-coffee')
big list大列表的删除可以参考上边这个方法，通过llen判断数量，然后ltrim移除范围内的元素，这里不赘述
至此对付Redis的五中数据构造大key的优雅删除就全部实现了，生产环境择优利用。
