redis五大数据类型+redis6 新类型(详解+指令)

redis有五大数据类型分别是:
1.String(字符串)
2.List(列表)
3.Set(集合)
4.Hash (哈希)
5.Zset (有序集合sorted set)
redis6 三种新数据类型
1.Bitmaps (实现对位的操作,以位为单位的数组)
2.HyperLogLog (基数统计)
3.Geospatial(地理信息操作)

3.2 Redis字符串(String)

3.2.1 简介

String是Redis最基本的类型,你可以理解成与Memcached一模一样的类型,一个key对应一个value。

String类型是二进制安全的。意味着Redis的string可以包含任何数据。比如jpg图片或者序列化的对象。

String类型是Redis最基本的数据类型,一个Redis中字符串value最多可以是512M

3.2.2 *常用命令*

set  添加键值对

在这里插入图片描述

*NX:当数据库中key不存在时,可以将key-value添加数据库

*XX:当数据库中key存在时,可以将key-value添加数据库,与NX参数互斥

*EX:key的超时秒数

*PX:key的超时毫秒数,与EX互斥

get   查询对应键值
append  将给定的 追加到原值的末尾
strlen  获得值的长度
setnx  只有在 key 不存在时    设置 key 的值

incr  
	将 key 中储存的数字值增1
	只能对数字值操作,如果为空,新增值为1
decr  
	将 key 中储存的数字值减1
	只能对数字值操作,如果为空,新增值为-1
incrby / decrby  <步长>将 key 中储存的数字值增减。自定义步长。
原子性

redis五大数据类型+redis6 新类型(详解+指令)_第1张图片

所谓****原子****操作是指不会被线程调度机制打断的操作;

这种操作一旦开始,就一直运行到结束,中间不会有任何 context switch (切换到另一个线程)。

(1)在单线程中, 能够在单条指令中完成的操作都可以认为是"原子操作",因为中断只能发生于指令之间。

(2)在多线程中,不能被其它进程(线程)打断的操作就叫原子操作。

Redis单命令的原子性主要得益于Redis的单线程。

redis五大数据类型+redis6 新类型(详解+指令)_第2张图片

mset    ..... 
	同时设置一个或多个 key-value对  
mget   .....
	同时获取一个或多个 value  
msetnx   ..... 
	同时设置一个或多个 key-value 对,当且仅当所有给定 key 都不存在。
	原子性,有一个失败则都失败	
getrange  <起始位置><结束位置>
获得值的范围,类似java中的substring,前包,后包
setrange  <起始位置>  覆写所储存的字符串值,从<起始位置>开始(索引从0开始)。

setex  <过期时间>
设置键值的同时,设置过期时间,单位秒。
getset 
以新换旧,设置了新值同时获得旧值。

3.2.3 *数据结构*

String的数据结构为简单动态字符串(Simple Dynamic String,缩写SDS)。是可以修改的字符串,内部结构实现上类似于Java的ArrayList,采用预分配冗余空间的方式来减少内存的频繁分配.

redis五大数据类型+redis6 新类型(详解+指令)_第3张图片

如图中所示,内部为当前字符串实际分配的空间capacity一般要高于实际字符串长度len。当字符串长度小于1M时,扩容都是加倍现有的空间,如果超过1M,扩容时一次只会多扩1M的空间。需要注意的是字符串最大长度为512M。

3.3 Redis列表(List)

3.3. 1简介

单键多值

Redis 列表是简单的字符串列表,按照插入顺序排序。你可以添加一个元素到列表的头部(左边)或者尾部(右边)。

它的底层实际是个双向链表,对两端的操作性能很高,通过索引下标的操作中间的节点性能会较差。

在这里插入图片描述

3.3.2 *常用命令*

lpush/rpush      .... 从左边/右边插入一个或多个值。
lpop/rpop   从左边/右边吐出一个值。值在键在,值光键亡。

rpoplpush   列表右边吐出一个值,插到列表左边。

lrange   
按照索引下标获得元素(从左到右)
lrange mylist 0 -1  0左边第一个,-1右边第一个,(0 -1表示获取所有)

lindex  按照索引下标获得元素(从左到右)

llen 获得列表长度 
linsert   before  的后面插入插入值
lrem  从左边删除n个value(从左到右)
lset   将列表key下标为index的值替换成value

3.3.1数据结构

List的数据结构为快速链表quickList。

首先在列表元素较少的情况下会使用一块连续的内存存储,这个结构是ziplist,也即是压缩列表。

它将所有的元素紧挨着一起存储,分配的是一块连续的内存。

当数据量比较多的时候才会改成quicklist。

因为普通的链表需要的附加指针空间太大,会比较浪费空间。比如这个列表里存的只是int类型的数据,结构上还需要两个额外的指针prev和next。

在这里插入图片描述

Redis将链表和ziplist结合起来组成了quicklist。也就是将多个ziplist使用双向指针串起来使用。这样既满足了快速的插入删除性能,又不会出现太大的空间冗余。

3.4 Redis集合(Set)

3.4.1 *简介*

Redis set对外提供的功能与list类似是一个列表的功能,特殊之处在于set是可以****自动排重****的,当你需要存储一个列表数据,又不希望出现重复数据时,set是一个很好的选择,并且set提供了判断某个成员是否在一个set集合内的重要接口,这个也是list所不能提供的。

Redis的Set是string类型的无序集合。它底层其实是一个value为null的hash表,所以添加,删除,查找的****复杂度都是O(1)****。

一个算法,随着数据的增加,执行时间的长短,如果是O(1),数据增加,查找数据的时间不变

3.4.2 *常用命令*

sadd    ..... 

将一个或多个 member 元素加入到集合 key 中,已经存在的 member 元素将被忽略

smembers 取出该集合的所有值。

sismember  判断集合是否为含有该值,有1,没有0

scard  返回该集合的元素个数。

srem    .... 删除集合中的某个元素。

spop  ***\*随机从该集合中吐出一个值。\****

srandmember  随机从该集合中取出n个值。不会从集合中删除 。

smove    value把集合中一个值从一个集合移动到另一个集合

sinter  返回两个集合的交集元素。

sunion  返回两个集合的并集元素。

sdiff  返回两个集合的差集元素(key1中的,不包含key2中的)

3.4.3 *数据结构*

Set数据结构是dict字典,字典是用哈希表实现的。

Java中HashSet的内部实现使用的是HashMap,只不过所有的value都指向同一个对象。Redis的set结构也是一样,它的内部也使用hash结构,所有的value都指向同一个内部值。

3.5 Redis哈希Hash)

3.5.1 *简介*

Redis hash 是一个键值对集合。

Redis hash是一个string类型的field和value的映射表,hash特别适合用于存储对象。

类似Java里面的Map

用户ID为查找的key,存储的value用户对象包含姓名,年龄,生日等信息,如果用普通的key/value结构来存储

主要有以下2种存储方式:

redis五大数据类型+redis6 新类型(详解+指令)_第4张图片

3.5.2 *常用命令*

hset   集合中的  键赋值
hget  集合取出 value 
hmset  ... 批量设置hash的值
hexists     查看哈希表 key 中,给定域 field 是否存在。 
hkeys   	列出该hash集合的所有field
hvals 			列出该hash集合的所有value
hincrby   	为哈希表 key 中的域 field 的值加上增量 1   -1
hsetnx   	将哈希表 key 中的域 field 的值设置为 value ,当且仅当域 field 不存在 .

3.5.3 *数据结构*

Hash类型对应的数据结构是两种:ziplist(压缩列表),hashtable(哈希表)。当field-value长度较短且个数较少时,使用ziplist,否则使用hashtable。

3.6 Redis有序集合Zset(sorted set)

3.6.1 *简介*

Redis有序集合zset与普通集合set非常相似,是一个没有重复元素的字符串集合。

不同之处是有序集合的每个成员都关联了一个****评分(score)****,这个评分(score)被用来按照从最低分到最高分的方式排序集合中的成员。集合的成员是唯一的,但是评分可以是重复了

因为元素是有序的, 所以你也可以很快的根据评分(score)或者次序(position)来获取一个范围的元素。

访问有序集合的中间元素也是非常快的,因此你能够使用有序集合作为一个没有重复成员的智能列表。

3.6.2 *常用命令*

zadd      …
	将一个或多个 member 元素及其 score 值加入到有序集 key 当中。
zrange     [WITHSCORES]   
	返回有序集 key 中,下标在之间的元素
	带WITHSCORES,可以让分数一起和值返回到结果集。
zrangebyscore key minmax [withscores] [limit offset count]
	返回有序集 key 中,所有 score 值介于 min 和 max 之间(包括等于 min 或 max )的成员。有序集成员按 score 值递增(从小到大)	次序排列。 
zrevrangebyscore key maxmin [withscores] [limit offset count]               
	同上,改为从大到小排列。 
zincrby         为元素的score加上增量
zrem   删除该集合下,指定值的元素 
zcount  统计该集合,分数区间内的元素个数 
zrank  返回该值在集合中的排名,从0开始。

案例:如何利用zset实现一个文章访问量的排行榜?

redis五大数据类型+redis6 新类型(详解+指令)_第5张图片

3.6.3 *数据结构*

SortedSet(zset)是Redis提供的一个非常特别的数据结构,一方面它等价于Java的数据结构Map,可以给每一个元素value赋予一个权重score,另一方面它又类似于TreeSet,内部的元素会按照权重score进行排序,可以得到每个元素的名次,还可以通过score的范围来获取元素的列表。

zset底层使用了两个数据结构

(1)hash,hash的作用就是关联元素value和权重score,保障元素value的唯一性,可以通过元素value找到相应的score值。

(2)跳跃表,跳跃表的目的在于给元素value排序,根据score的范围获取元素列表。

3.6.3.1跳跃表(跳表)

1、简介

​ 有序集合在生活中比较常见,例如根据成绩对学生排名,根据得分对玩家排名等。对于有序集合的底层实现,可以用数组、平衡树、链表等。数组不便元素的插入、删除;平衡树或红黑树虽然效率高但结构复杂;链表查询需要遍历所有效率低。Redis采用的是跳跃表。跳跃表效率堪比红黑树,实现远比红黑树简单。

2、实例

​ 对比有序链表和跳跃表,从链表中查询出51

(1) 有序链表

在这里插入图片描述

要查找值为51的元素,需要从第一个元素开始依次查找、比较才能找到。共需要6次比较。

(2) 跳跃表

redis五大数据类型+redis6 新类型(详解+指令)_第6张图片

从第2层开始,1节点比51节点小,向后比较。

21节点比51节点小,继续向后比较,后面就是NULL了,所以从21节点向下到第1层

在第1层,41节点比51节点小,继续向后,61节点比51节点大,所以从41向下

在第0层,51节点为要查找的节点,节点被找到,共查找4次。

从此可以看出跳跃表比有序链表效率要高

6 Redis新数据类型

6.1 Bitmaps

1 *简介*

现代计算机用二进制(位) 作为信息的基础单位, 1个字节等于8位, 例如“abc”字符串是由3个字节组成, 但实际在计算机存储时将其用二进制表示, “abc”分别对应的ASCII码分别是97、 98、 99, 对应的二进制分别是01100001、 01100010和01100011,如下图

redis五大数据类型+redis6 新类型(详解+指令)_第7张图片

合理地使用操作位能够有效地提高内存使用率和开发效率。

​ Redis提供了Bitmaps这个“数据类型”可以实现对位的操作:

(1) Bitmaps本身不是一种数据类型, 实际上它就是字符串(key-value) , 但是它可以对字符串的位进行操作。

(2) Bitmaps单独提供了一套命令, 所以在Redis中使用Bitmaps和使用字符串的方法不太相同。 可以把Bitmaps想象成一个以位为单位的数组, 数组的每个单元只能存储0和1, 数组的下标在Bitmaps中叫做偏移量。

在这里插入图片描述

2****命令****

1、setbit

(1)格式

setbit   设置Bitmaps中某个偏移量的值(0或1)

在这里插入图片描述

offset:偏移量从0开始

(2)实例

每个独立用户是否访问过网站存放在Bitmaps中, 将访问的用户记做1, 没有访问的用户记做0, 用偏移量作为用户的id。

设置键的第offset个位的值(从0算起) , 假设现在有20个用户,userid=1, 6, 11, 15, 19的用户对网站进行了访问, 那么当前Bitmaps初始化结果如图

redis五大数据类型+redis6 新类型(详解+指令)_第8张图片

unique:users:20201106代表2020-11-06这天的独立访问用户的Bitmaps

redis五大数据类型+redis6 新类型(详解+指令)_第9张图片

注:

很多应用的用户id以一个指定数字(例如10000) 开头, 直接将用户id和Bitmaps的偏移量对应势必会造成一定的浪费, 通常的做法是每次做setbit操作时将用户id减去这个指定数字。

在第一次初始化Bitmaps时, 假如偏移量非常大, 那么整个初始化过程执行会比较慢, 可能会造成Redis的阻塞。

2、getbit

(1)格式

getbit获取Bitmaps中某个偏移量的值

在这里插入图片描述

获取键的第offset位的值(从0开始算)

(2)实例

获取id=8的用户是否在2020-11-06这天访问过, 返回0说明没有访问过:

在这里插入图片描述

注:因为100根本不存在,所以也是返回0

3、bitcount

统计****字符串****被设置为1的bit数。一般情况下,给定的整个字符串都会被进行计数,通过指定额外的 start 或 end 参数,可以让计数只在特定的位上进行。start 和 end 参数的设置,都可以使用负数值:比如 -1 表示最后一个位,而 -2 表示倒数第二个位,start、end 是指bit组的字节的下标数,二者皆包含。

(1)格式

bitcount[start end] 统计字符串从start字节到end字节比特值为1的数量

在这里插入图片描述

(2)实例

计算2022-11-06这天的独立访问用户数量

在这里插入图片描述

start和end代表起始和结束字节数, 下面操作计算用户id在第1个字节到第3个字节之间的独立访问用户数, 对应的用户id是11, 15, 19。

在这里插入图片描述

举例: K1 【01000001 01000000 00000000 00100001】,对应【0,1,2,3】

bitcount K1 1 2 : 统计下标1、2字节组中bit=1的个数,即01000000 00000000

–》bitcount K1 1 2   --》1

bitcount K1 1 3 : 统计下标1、2字节组中bit=1的个数,即01000000 00000000 00100001

–》bitcount K1 1 3  --》3

bitcount K1 0 -2 : 统计下标0到下标倒数第2,字节组中bit=1的个数,即01000001 01000000 00000000

–》bitcount K1 0 -2  --》3

注意:redis的setbit设置或清除的是bit位置,而bitcount计算的是byte位置。

4、bitop

(1)格式

bitop and(or/not/xor)  [key…]

在这里插入图片描述

bitop是一个复合操作, 它可以做多个Bitmaps的and(交集) 、 or(并集) 、 not(非) 、 xor(异或) 操作并将结果保存在destkey中。

(2)实例

  • 2020-11-04 日访问网站的userid=1,2,5,9。

setbit unique:users:20201104 1 1

setbit unique:users:20201104 2 1

setbit unique:users:20201104 5 1

setbit unique:users:20201104 9 1

  • 2020-11-03 日访问网站的userid=0,1,4,9。

setbit unique:users:20201103 0 1

setbit unique:users:20201103 1 1

setbit unique:users:20201103 4 1

setbit unique:users:20201103 9 1

  • 计算出两天都访问过网站的用户数量

bitop and unique:users:and:20201104_03

unique:users:20201103unique:users:20201104

在这里插入图片描述

redis五大数据类型+redis6 新类型(详解+指令)_第10张图片

计算出任意一天都访问过网站的用户数量(例如月活跃就是类似这种) , 可以使用or求并集
在这里插入图片描述

3 *Bitmaps与set对比*

假设网站有1亿用户, 每天独立访问的用户有5千万, 如果每天用集合类型和Bitmaps分别存储活跃用户可以得到表

set和Bitmaps存储一天活跃用户对比
数据类型 每个用户id占用空间 需要存储的用户量 全部内存量
集合类型 64位 50000000 64位*50000000 = 400MB
Bitmaps 1位 100000000 1位*100000000 = 12.5MB

很明显, 这种情况下使用Bitmaps能节省很多的内存空间, 尤其是随着时间推移节省的内存还是非常可观的

set和Bitmaps存储独立用户空间对比
数据类型 一天 一个月 一年
集合类型 400MB 12GB 144GB
Bitmaps 12.5MB 375MB 4.5GB

但Bitmaps并不是万金油, 假如该网站每天的独立访问用户很少, 例如只有10万(大量的僵尸用户) , 那么两者的对比如下表所示, 很显然, 这时候使用Bitmaps就不太合适了, 因为基本上大部分位都是0。

set和Bitmaps存储一天活跃用户对比(独立用户比较少)
数据类型 每个userid占用空间 需要存储的用户量 全部内存量
集合类型 64位 100000 64位*100000 = 800KB
Bitmaps 1位 100000000 1位*100000000 = 12.5MB

6.2 HyperLogLog

1 *简介*

在工作当中,我们经常会遇到与统计相关的功能需求,比如统计网站PV(PageView页面访问量),可以使用Redis的incr、incrby轻松实现。

但像UV(UniqueVisitor,独立访客)、独立IP数、搜索记录数等需要去重和计数的问题如何解决?这种求集合中不重复元素个数的问题称为基数问题。

解决基数问题有很多种方案:

(1)数据存储在MySQL表中,使用distinct count计算不重复个数

(2)使用Redis提供的hash、set、bitmaps等数据结构来处理

以上的方案结果精确,但随着数据不断增加,导致占用空间越来越大,对于非常大的数据集是不切实际的。

能否能够降低一定的精度来平衡存储空间?Redis推出了HyperLogLog

Redis HyperLogLog 是用来做基数统计的算法,HyperLogLog 的优点是,在输入元素的数量或者体积非常非常大时,计算基数所需的空间总是固定的、并且是很小的。

在 Redis 里面,每个 HyperLogLog 键只需要花费 12 KB 内存,就可以计算接近 2^64 个不同元素的基数。这和计算基数时,元素越多耗费内存就越多的集合形成鲜明对比。

但是,因为 HyperLogLog 只会根据输入元素来计算基数,而不会储存输入元素本身,所以 HyperLogLog 不能像集合那样,返回输入的各个元素。

什么是基数?

比如数据集 {1, 3, 5, 7, 5, 7, 8}, 那么这个数据集的基数集为 {1, 3, 5 ,7, 8}, 基数(不重复元素)为5。 基数估计就是在误差可接受的范围内,快速计算基数。

2 *命令*

1、pfadd

(1)格式

pfadd < element> [element …] 添加指定元素到 HyperLogLog 中

在这里插入图片描述

(2)实例

redis五大数据类型+redis6 新类型(详解+指令)_第11张图片

​ 将所有元素添加到指定HyperLogLog数据结构中。如果执行命令后HLL估计的近似基数发生变化,则返回1,否则返回0。

2、pfcount

(1)格式

pfcount [key …] 计算HLL的近似基数,可以计算多个HLL,比如用HLL存储每天的UV,计算一周的UV可以使用7天的UV合并计算即可

在这里插入图片描述

(2)实例

redis五大数据类型+redis6 新类型(详解+指令)_第12张图片

3、pfmerge

(1)格式

pfmerge [sourcekey …] 将一个或多个HLL合并后的结果存储在另一个HLL中,比如每月活跃用户可以使用每天的活跃用户来合并计算可得

在这里插入图片描述

(2)实例

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-TLI9x1Qb-1662092752744)(redis6.assets/wps80DA.tmp.jpg)]

6.3 Geospatial

1 *简介*

Redis 3.2 中增加了对GEO类型的支持。GEO,Geographic,地理信息的缩写。该类型,就是元素的2维坐标,在地图上就是经纬度。redis基于该类型,提供了经纬度设置,查询,范围查询,距离查询,经纬度Hash等常见操作。

2 *命令*

1、geoadd

(1)格式

geoadd< longitude> [longitude latitude member...]  添加地理位置(经度,纬度,名称)

在这里插入图片描述

(2)实例

geoadd china:city 121.47 31.23 shanghai

geoadd china:city 106.50 29.53 chongqing 114.05 22.52 shenzhen 116.38 39.90 beijing

在这里插入图片描述

两极无法直接添加,一般会下载城市数据,直接通过 Java 程序一次性导入。

有效的经度从 -180 度到 180 度。有效的纬度从 -85.05112878 度到 85.05112878 度。

当坐标位置超出指定范围时,该命令将会返回一个错误。

已经添加的数据,是无法再次往里面添加的。

2、geopos

(1)格式

geopos    [member...]  获得指定地区的坐标值

在这里插入图片描述

(2)实例

在这里插入图片描述

3、geodist

(1)格式

geodist     [m|km|ft|mi ]  获取两个位置之间的直线距离

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-roClOf6q-在这里插入图片描述

(2)实例

获取两个位置之间的直线距离

在这里插入图片描述

单位:

m 表示单位为米[默认值]。

km 表示单位为千米。

mi 表示单位为英里。

ft 表示单位为英尺。

如果用户没有显式地指定单位参数, 那么 GEODIST 默认使用米作为单位

4、georadius

(1)格式

georadius    radius m|km|ft|mi  以给定的经纬度为中心,找出某一半径内的元素

在这里插入图片描述

经度 纬度 距离 单位

(2)实例

在这里插入图片描述

你可能感兴趣的:(redis,数据库,缓存)