redis应用场景及实例（redis八种基本数据类型的应用场景）

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？

内存的速度更快，10W QPS
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？

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

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：

把所有相关的值聚集到一个Key中，节省内存空间
只使用一个Key，减少Key冲突
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：

Field不能单独设置过期时间
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

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。

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

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