Redis数据类型应用场景

目录

• [一些小问题]
• [String]
• [Hash]
• [List]
• [Set]
• [ZSet]
• [BitMaps]
• [Hyperloglog]
• [Geo]
• [Streams]
• [应用场景小结]

一些小问题

Redis一共有几种数据类型？ （注意是数据类型不是数据结构）

一共是八种，String、Hash、Set、List、Zset、Hyperloglog、Geo、Streams。

为什么要把数据放在内存中？

内存的速度更快，10W QPS

减少计算的时间，减轻数据库压力

如果是用内存的数据结构作为缓存，为什么不用HashMap或者Memcached？

更丰富的数据类型

支持多种编程语言

功能丰富：持久化机制、内存淘汰策略、事务、发布订阅、pipeline、LUA

支持集群、分布式

Memcached和redis的区别是什么？

Memcached只能存储KV、没有持久化机制、不支持主从复制、是多线程的。

Redis Key的最大长度限制是512M，值的限制不同，有的是用长度限制的，有的是用个数限制的。

关于其他有趣的 Reids 的内容可以移步这儿：https://www.cnblogs.com/zwtblog/tag/Redis/

String

get和set命令就是String的操作命令，Redis的字符串被叫做二进制安全的字符串（Binary-safe strings）。 String可以存储三种类型，INT(整数)、float(单精度浮点数)、string(字符串)

操作命令

 存值（如果对同一个key set多次会直接覆盖旧值）
set jack 2673
 取值
get jack
 查看所有键
keys *
 获取键总数（生产环境数据量大，慎用）
dbsize
 查看键是否存在
exists jack
 删除键
del jack tonny
 重命名键
rename jack tonny
 查看类型
type jack 
 获取指定范围的字符
getrange jack 0 1
 获取值长度
strlen jack
 字符串追加内容
append jack good
 设置多个值（批量操作，原子性）
mset jack 2673 tonny 2674
 获取多个值
mget jack tonny
 设置值，如果key存在，则不成功
setnx jack shuaige
 基于此实现分布式锁
set key value [expiration EX seconds|PX milliseconds][NX|XX]
 (整数)值递增（值不存在会得到1）
incr jack
incrby jack 100
 (整数)值递减
decr jack
decrby jack 100
 浮点数增量
set mf 2.6
incrbyfloat mf 7.3

应用场景 1、缓存 String类型，这是最常用的，可以缓存一些热点数据，比如首页新闻，可以显著提升热点数据的访问速度，同时减轻DB压力。 2、分布式数据共享 String 类型，因为Redis是分布式的独立服务，可以在多个应用之间共享。

例如：分布式Session

<dependency>
  <groupId>org.springframework.session</groupId>
  <artifactId>spring-session-data-redis</artifactId>
</dependency>

3、分布式锁

详情见博客：https://www.cnblogs.com/zwtblog/p/15185894.html 4、全局ID INT类型，INCRBY，利用原子性

incrby userid 1000（分表分库的场景，一次性拿一段） 

5、计数器 INT类型，INCR方法

例如：文章的阅读量，微博点赞数，允许一定的延迟，先写入Redis再定时同步到数据库 6、限流 INT类型，INCR方法

以访问者的IP和其他信息作为key，访问一次增加一次计数，超过次数则返回false。

Hash

这样也便于集中管理，划分的粒度不同，可以按照实际场景，key 的过期时间，灵活度考虑选取哪一种存储方式。 Hash用来存储多个无序的键值对，最大存储数量2^32-1（40亿左右）。 优点：

1. 把所有相关的值聚集到一个Key中，节省内存空间

2. 只使用一个Key，减少Key冲突

3. 当需要批量获取值的时候，只需要使用一个命令，减少内存/IO/CPU的消耗 缺点：

4. Field不能单独设置过期时间

5. 需要考虑数据量分布的问题（field非常多的时候，无法分布到多个节点） 操作命令

   设置、批量设置值
   hset h1 f 6
   hset h1 e 5
   hmset h1 a 1 b 2 c 3 d 4
   取值
   hget h1 a
   批量取值
   hmget h1 a b c d
   获取所有field
   hkeys h1
   获取所有field的值
   hvals h1
   返回哈希表中，所有的字段和值
   hgetall h1
   删除field
   hdel h1 a
   获取哈希表中字段的数量
   hlen h1
   
   

   应用场景 String可以做的事情，Hash都可以做。

   再补充一个场景，购物车

List

存储有序的字符串（从左到右），元素可以重复，最大存储数量2^32-1（40亿左右）。 操作命令

 左推
lpush queue a
lpush queue b c
 右推
rpush queue d e
 左边移除并返回列表的第一个元素
lpop queue
 右边移除并返回列表的第一个元素
rpop queue
 通过索引获取列表中的元素
lindex queue 0
 返回列表中指定区间内的元素
lrange queue 0 -1

应用场景 1、列表

例如用户的消息列表、网站的公告列表、活动列表、博客的文章列表、评论列表等，通过 LRANGE 取出一页，按顺序显示。 2、队列/栈 List还可以当做分布式环境的 队列 / 栈 使用。

队列：先进先出，rpush 和 blpop

栈：先进后出，rpush 和 brpop

这里介绍两个阻塞的弹出操作：blpop/brpop，可以设置超时时间（单位：秒）

blpop：blpop key1 timeout，

移出并获取列表的第一个元素， 

如果列表没有元素会阻塞列表直到等待超时或发现可弹出元素为止。
brpop：brpop key1 timeout，

移出并获取列表的最后一个元素，

如果列表没有元素会阻塞列表直到等待超时或发现可弹出元素为止。

Set

Set 存储 String 类型的无序集合，最大存储数量 2^32-1（40亿左右）。 操作命令

 添加一个或多个元素
sadd myset a b c d e f g
 获取所有元素
smembers myset
 统计元素个数
scard myset
 随机获取一个元素
srandmember myset
 随机弹出一个元素
spop myset
 移除一个或者多个元素
srem myset d e f
 查看元素是否存在
sismember myset a
 获取差集
sdiff set1 set2
 获取交集
sinter set1 set2
 获取并集
sunion set1 set2

应用场景 1、抽奖

随机获取元素：spop myset 2、点赞、签到、打卡

们以微博举例子，假设这条微博的ID是t1001，用户ID是u6001，


用  dianzan:t1001  来维护  t1001  这条微博的所有点赞用户。


点赞了这条微博：sadd dianzan:t1001 u6001

取消点赞：srem dianzan:t1001 u6001

是否点赞：sismember dianzan:t1001 u6001

点赞的所有用户：smembers dianzan:t1001

点赞数：scard dianzan:t1001


比关系型数据库简单了许多。

3、商品标签

用 tags : i8001 来维护商品所有的标签。

sadd tags:i8001 画面清晰细腻
sadd tags:i8001 真彩清晰显示屏
sadd tags:i8001 流畅至极

4、商品筛选

华为P50上线了，支持民族品牌，加到各个标签中去。

sadd brand:huawei p50
sadd os:android p50
sadd screensize:6.0-6.24 p50

买的时候筛选，牌子是华为，操作系统是安卓，屏幕大小在6.0-6.24之间的，取交集：

sinter brand:huawei os:android screensize:6.0-6.24

ZSet

sorted set 存储有序的元素。每个元素都有个 score，按照 score 从小到大排序。 score 相同时，按照 key 的ASCII码排序。 操作命令

 添加元素
zadd myzset 10 java 20 php 30 ruby 40 cpp 50 python
 获取全部元素
zrange myset 0 -1 withscores
zrevrange myzset 0 -1 withscores
 根据分数区间获取元素
zrangebyscore myzset 20 30
 移除元素（也可以根据score rank删除）
zrem myzset php cpp
 统计元素个数
zcard myzset
 分值增加
zincrby myzset 5 python
 根据分值min和max统计个数
zcount myzset 20 60
 获取python排名
zrank myzset python
 获取元素分数
zscore myzset python

应用场景 1、排行榜

今天是2021年5月23号，建一个 key 为 hotSearch:20210523 的 zset。

这条新闻的id是n1234，每点击一下：zincrby hotSearch:20210523 1 n1234

获取热搜排行榜前十条：zrevrange hotSearch:20210523 0 10 withscores

BitMaps

BitMaps是在字符串类型上定义的位操作，一个字节由8个二进制位组成。 操作命令

 设置字符串key为k1，value为mic
set k1 mic
 取k1的第七位，结果是0
getbit k1 6
 取k1的第八位为0，此时的ASCII码是108，对应字母是l
setbit k1 7 0
 所以取出来值为lic
get k1
 统计二进制中1的个数，一共是12个
bitcount k1
 获取第一个1或者0的位置
bitpos k1 1
bitpos k1 1

BITOP AND destkey key [key ...]，对一个或多个key求逻辑并，并将结果保存到 destkey。
BITOP OR destkey key [key ...]，对一个或多个key求逻辑或，并将结果保存到 destkey。
BITOP XOR destkey key [key ...]，对一个或多个key求逻辑异或，并将结果保存到 destkey。
BITOP NOT destkey key，对给定key求逻辑非，并将结果保存到 destkey。

应用场景 1、连续在线用户

setbit firstday 0 1 //设置第一天uid是0的用户登录
setbit firstday 1 0 //设置第一天uid是1的用户未登录
setbit firstday 2 1 //设置第一天uid是2的用户登录
...
setbit secondday 0 0 //设置第二天uid是0的用户未登录
setbit secondday 1 1 //设置第二天uid是1的用户登录
setbit secondday 2 1 //设置第二天uid是2的用户登录
... //以此类推

那么在算连续七天在线用户就是：
BITOP AND 7_both_online_users firstday secondday thirdday fourthday fifthday sixthday seventhday

2、应用访问统计 3、在线用户统计

Hyperloglog

Hyperloglog 提供了一种不太精确的基数统计方法，用来统计一个集合中不重复的元素个数，

在 Redis 中实现的 Hyperloglog，只需要12k内存就能统计2^64个数据。

    public static void main(String[] args) {
        Jedis jedis = new Jedis("39.103.144.86", 6379);
        float size = 100000;
        for (int i = 0; i < size; i++) {
            jedis.pfadd("hll", "hll-" + i);
        }
        long total = jedis.pfcount("hll");
        System.out.println(String.format("统计个数: %s", total));
        System.out.println(String.format("正确率: %s", (total / size)));
        System.out.println(String.format("误差率: %s", 1 - (total / size)));
        jedis.close();
    }

操作命令

PFADD key element [element ...]

添加指定元素到 HyperLogLog 中。
PFCOUNT key [key ...]

返回给定 HyperLogLog 的基数估算值。
PFMERGE destkey sourcekey [sourcekey ...]

将多个 HyperLogLog 合并为一个 HyperLogLog

应用场景 1、统计网站的UV，或者应用的日活、月活，存在一定的误差。

Geo

操作命令

 存经纬度
geoadd location 121.445 31.213 shanghai
 取经纬度
geopos location shanghai

应用场景 1、增加地址位置信息、获取地址位置信息 2、计算两个位置的距离 3、获取指定范围内的地理位置集合

    public static void main(String[] args) {
        Jedis jedis = new Jedis("39.103.144.86", 6379);
        Map<String, GeoCoordinate> geoMap = new HashMap<>();
        GeoCoordinate coordinate = new GeoCoordinate(121.445, 31.213);
        geoMap.put("shanghai", coordinate);
        jedis.geoadd("positions", geoMap);
        System.out.println(jedis.geopos("positions", "shanghai"));
        jedis.close();
    }

Streams

Redis Stream 是 Redis 5.0 版本新增加的数据结构。 Redis Stream 主要用于消息队列（MQ，Message Queue），Redis 本身是有一个 Redis 发布订阅 (pub/sub) 来实现消息队列的功能，但它有个缺点就是消息无法持久化，如果出现网络断开、Redis 宕机等，消息就会被丢弃。

简单来说发布订阅 (pub/sub) 可以分发消息，但无法记录历史消息。

而 Redis Stream 提供了消息的持久化和主备复制功能，可以让任何客户端访问任何时刻的数据，并且能记住每一个客户端的访问位置，还能保证消息不丢失。 Redis Stream 的结构如下所示，它有一个消息链表，将所有加入的消息都串起来，每个消息都有一个唯一的 ID 和对应的内容：

每个 Stream 都有唯一的名称，它就是 Redis 的 key，在们首次使用 xadd 指令追加消息时自动创建。

上图解析：

• Consumer Group ：消费组，使用 XGROUP CREATE 命令创建，一个消费组有多个消费者(Consumer)。
• last_delivered_id ：游标，每个消费组会有个游标 last_delivered_id，任意一个消费者读取了消息都会使游标 last_delivered_id 往前移动。
• pending_ids ：消费者(Consumer)的状态变量，作用是维护消费者的未确认的 id。 pending_ids 记录了当前已经被客户端读取的消息，但是还没有 ack (Acknowledge character：确认字符）。 操作命令

消息队列相关命令： XADD - 添加消息到末尾 XTRIM - 对流进行修剪，限制长度 XDEL - 删除消息 XLEN - 获取流包含的元素数量，即消息长度 XRANGE - 获取消息列表，会自动过滤已经删除的消息 XREVRANGE - 反向获取消息列表，ID 从大到小 XREAD - 以阻塞或非阻塞方式获取消息列表

消费者组相关命令： XGROUP CREATE - 创建消费者组 XREADGROUP GROUP - 读取消费者组中的消息 XACK - 将消息标记为"已处理” XGROUP SETID - 为消费者组设置新的最后递送消息ID XGROUP DELCONSUMER - 删除消费者 XGROUP DESTROY - 删除消费者组 XPENDING - 显示待处理消息的相关信息 XCLAIM - 转移消息的归属权 XINFO - 查看流和消费者组的相关信息； XINFO GROUPS - 打印消费者组的信息； XINFO STREAM - 打印流信息

应用场景

应用场景小结

缓存======提升热点数据的访问速度

共享数据======数据的存储和共享的问题

全局ID======分布式全局ID的生成方案（分库分表）

分布式锁======进程间共享数据的原子操作保证

在线用户统计和计数

队列、栈======跨进程的队列/栈

消息队列======异步解耦的消息机制

服务注册与发现======RPC通信机制的服务协调中心（Dubbo支持Redis）

购物车

新浪用户消息时间线

抽奖逻辑（礼物、转发）

点赞、签到、打卡

商品标签

用户（商品）关注（推荐）模型

电商产品筛选

排行榜

原文创作：ML李嘉图

原文链接：https://www.cnblogs.com/zwtblog/p/15186262.html

文章列表

• 项目MyBlog
• 阶段总结Java基础超进阶
• 链表题解
• 郭德纲罗翔语录
• 语录转载
• 设计模式更新中
• 设计模式图解
• 论坛项目
• 计算机网络汇总
• 计算机网络TCP篇
• 计算机网络IP篇
• 计算机网络HTTP篇
• 计算机组成原理图解
• 计算机组成原理初见
• 自定义starter
• 缓存穿透，击穿，雪崩详解
• 笔试格式
• 温故知新输入网址显示网页到底到底到底到底发生了什么？
• 深度学习之神经网络的结构
• 栈和队列题解方法
• 数组LeetCode笔试
• 数据结构
• 数据库事故
• 操作系统初见？见了好多次，次次都要学！
• 怎么通俗的理解Netty呢？
• 富文本编辑器SpringBoot
• 字符串题解方法
• 基础算法学习
• 双指针题解
• 刷题加油
• 分布式锁初见
• 互联网基础架构图解
• 二叉树题解方法
• 三体语录
• Swagger初见
• Spring初见
• SpringSecurity图解
• SpringSecurityShiro初见
• SpringBoot异步定时邮件任务
• SpringBootWeb初见
• SprinBootSpringData整合
• SpingBootDubboZookeeper分布式
• Shiro登陆流程认证图解
• Redis数据类型应用场景
• Redis conf分析
• Radius协议学习
• RabbitMQ进阶
• RabbitMQ初见
• Netty初见三大组件简单使用
• MySql分区、分表和分库
• MySQL实战45讲2125笔记
• MySQL实战45讲1620笔记
• MySQL实战45讲1015笔记
• Linux实战常用命令
• Java爬虫小项目
• JavaNIO
• JVM调优命令
• JVM深入
• JVM初见
• JVM优化
• JAVA中直接用Jdbc就能操作数据库了，为什么还要用spring框架?
• Hash题解方法
• HashMap的转化时机
• HashMap源码分析
• Github博客园初见
• GC优化案例
• ElasticSearch7 X X初见模仿京东搜索的实战
• Docker初见
• CI/CD企业级DevOps