redis应用场景及实例|redis八种基本数据类型的应用场景

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？

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？

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。

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)。

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 jackincrby jack 100# (整数)值递减decr jackdecrby jack 100# 浮点数增量set mf 2.6incrbyfloat mf 7.3

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。

现在有一张teacher表

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：

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：

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：

缺点：

# 设置、批量设置值hset h1 f 6hset h1 e 5hmset 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fieldhkeys 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fieldhdel h1 a# 获取哈希表中字段的数量hlen h1

String可以做的事情，Hash都可以做。再补充一个场景，购物车：

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；

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

# 左推lpush queue alpush 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

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 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：

# 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

1、抽奖

随机获取元素：spop myset

2、点赞、签到、打卡

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。

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

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。

# 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 withscoreszrevrange 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

排行榜

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：

m的ASCII码是109，对应的二进制数据是0110 1101

# 设置字符串key为k1，value为micset k1 mic# 取k1的第七位，结果是0getbit k1 6# 取k1的第八位为0，此时的ASCII码是108，对应字母是lsetbit k1 7 0# 所以取出来值为licget 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 1bitpos k1 1

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 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

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 121.44531.213 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();    }

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。