介绍

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。

1、为什么要把数据放在内存中?

  1. 内存的速度更快,10W QPS
  2. 减少计算的时间,减轻数据库压力

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

  1. 更丰富的数据类型
  2. 支持多种编程语言
  3. 功能丰富:持久化机制、内存淘汰策略、事务、发布订阅、pipeline、LUA
  4. 支持集群、分布式

3、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。

Reids默认有16个库(0-15),可以在配置文件redis.conf中修改。

databases 16

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

String

介绍

最基本也是最常用的数据类型就是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

下面是它的一些操作命令

# 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

参考《介绍几种常见的分布式锁写法》

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

介绍

现在有一张teacher表

redis应用场景及实例(redis八种基本数据类型的应用场景)(1)

假设我们还是通过String类型存储的话,存储的时候就要把 Teacher 实体类进行序列化,然后作为 value 只存储进去;修改的时候,也需要把 value 先取出来进行反序列化,比如把年龄更改为21岁,然后再序列化,再存进去,十分的繁琐,增加开销。

我们需要单独获取、修改一个值,这时我们可以通过key分层的方式来实现,如下表:

redis应用场景及实例(redis八种基本数据类型的应用场景)(2)

但是这样 key 会很多,key 也很长,占用空间,有没有更好的办法,这时候就用到我们的 Hash 类型,如下两张表所示:

redis应用场景及实例(redis八种基本数据类型的应用场景)(3)

redis应用场景及实例(redis八种基本数据类型的应用场景)(4)

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:

  1. Field不能单独设置过期时间
  2. 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:

redis应用场景及实例(redis八种基本数据类型的应用场景)(5)

key:用户id;field:商品id;value:商品数量;

+1:hincr;

-1:hdecr;

删除:hincrby key field -1;

全选:hgetall;

商品数:hlen;

List

介绍

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)。

下面通过画图来演示一下入队列,出队列

redis应用场景及实例(redis八种基本数据类型的应用场景)(6)

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。

redis应用场景及实例(redis八种基本数据类型的应用场景)(7)

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

介绍

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

如下图所示:

redis应用场景及实例(redis八种基本数据类型的应用场景)(8)

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

redis应用场景及实例(redis八种基本数据类型的应用场景)(9)

我们以微博举例子,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。

redis应用场景及实例(redis八种基本数据类型的应用场景)(10)

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

redis应用场景及实例(redis八种基本数据类型的应用场景)(11)

华为P40上线了,支持民族品牌,加到各个标签中去。

sadd brand:huawei p40

sadd os:android p40

sadd screensize:6.0-6.24 p40

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

介绍

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。

redis应用场景及实例(redis八种基本数据类型的应用场景)(12)

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

排行榜

redis应用场景及实例(redis八种基本数据类型的应用场景)(13)

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

放羊大叔这条新闻的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

袁老国士无双,一路走好,中华民族的儿女不会忘记您!

BitMaps

介绍

BitMaps是在字符串类型上定义地位操作,一个字节由8个二进制位组成。如下图所示:

redis应用场景及实例(redis八种基本数据类型的应用场景)(14)

m的ASCII码是109,对应的二进制数据是0110 1101

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

应用场景

连续七天在线用户

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

还可以应用访问统计、在线用户统计等等。

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,比如统计网站的UV,或者应用的日活、月活,存在一定的误差。

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();
    }

源码在:com/xhj/jedis/HyperLogLogTest.java

Geo

现在有这样一个需求,获取半径1公里以内的门店,那么我们就要把门店的经纬度存起来,如果存在数据库的话,一个字段存经度,一个字段存维度,计算距离比较复杂。现在我们通过 Redis 的 Geo 存储十分方便。

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

可以增加地址位置信息、获取地址位置信息、计算两个位置的距离、获取指定范围内的地理位置集合等等。源码在:com/xhj/jedis/GeoTest.java

   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

5.0推出的数据类型。支持多播的可持久化的消息队列,用于实现发布订阅功能,借鉴了Kafka的设计。

应用场景总结