Redis 八大数据类型
Redis 八大数据类型
- Redis 的五大基本数据类型
-
- String(字符串)
-
- 应用场景
- 常用命令
- List(列表)
-
- 应用场景
- 常用命令
- Hash(字典)
-
- 应用场景
- 常用命令
- Set(集合)
-
- 应用场景
- 常用命令
- ZSet(有序集合)
-
- 应用场景
- 常用命令
- 跳跃表
- Redis 三种特殊数据类型
-
- Geospatial 地理位置(GEO)
-
- getadd
- getpos
- GEODIST
- GEORADIUS
- GEORADIUSBYMEMBER
- GEOHASH
- 其他
- Hyperloglog 统计
-
- 应用场景
- Bitmap 位图
-
- 应用场景
Redis 的五大基本数据类型
String(字符串)
应用场景
- incr key 自增命令实现 计数器(文章阅读量)
- JSON对象缓存等
常用命令
List(列表)
相当于linkedList,链表不是数组
应用场景
- 消息排队,消息队列 (使用Lpush 和 Rpop 命令, 左边存,右边取)
- 栈（ Lpush Lpop , 左边存, 左边取）
常用命令
Hash(字典)
相当于HashMap,数组+链表
应用场景
适合存放经常变动的对象, 可以直接修改某个属性,而不需要跟string类型一样JSON先转化成实体类在修改
常用命令
Set(集合)
相当于HashSet, 键值对是无序,唯一的
应用场景
- 共同好友,共同关注(两个set集合使用 sinter key1 key2取交集)
- 可能认识的人(使用sdiff key1 key2 取差集, key1 存在 key2 不存在的值)
- 点赞功能(新增 sadd key value, 取消 srem key value, 统计 scard key 等)
- 随机抽奖功能(spop key 随机删除元素或使用 srandmembet key 随机抽取元素)
常用命令
ZSet(有序集合)
键值对唯一,还可以为每个value赋值一个值,用来代表排序权重.内部是跳跃表数据结构实现
应用场景
热点新闻(点击阅读自增ZINCRBY key 步长 value,排序获取前10条热点新闻ZREVRANGE key 0 9 withscores )
常用命令
跳跃表
跳跃表是基于多指针有序链表实现,可以看成多个有序链表,在查找时从上层指针开始查找,找到对应的取经后再到下一层查找
跳跃表优点
- 插入速度非常快,不需要进行旋转灯查找来维护平衡性
- 更容易实现
- 支持无锁操作
Redis 三种特殊数据类型
- Geospatial 地理位置(GEO)
- Hyperloglog 统计
- Bitmap 位图
Geospatial 地理位置(GEO)
官方文档: https://www.redis.net.cn/order/3685.html
getadd
添加地理位置
# 规则：两级无法直接添加，我们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。
# 当坐标位置超出上述指定范围时，该命令将会返回一个错误。
# 127.0.0.1:6379> geoadd china:city 39.90 116.40 beijin
(error) ERR invalid longitude,latitude pair 39.900000,116.400000
# 参数 key 值（）
127.0.0.1:6379> geoadd china:city 116.40 39.90 beijing
(integer) 1
127.0.0.1:6379> geoadd china:city 121.47 31.23 shanghai
(integer) 1
127.0.0.1:6379> geoadd china:city 106.50 29.53 chongqin 114.05 22.52 shengzhen
(integer) 2
127.0.0.1:6379> geoadd china:city 120.16 30.24 hangzhou 108.96 34.26 xian
(integer) 2
getpos
获得当前定位：一定是一个坐标值
127.0.0.1:6379> GEOPOS china:city beijing # 获取指定的城市的经度和纬度！
1) 1) "116.39999896287918091"
2) "39.90000009167092543"
127.0.0.1:6379> GEOPOS china:city beijing chongqin
1) 1) "116.39999896287918091"
2) "39.90000009167092543"
2) 1) "106.49999767541885376"
2) "29.52999957900659211"
GEODIST
两人之间的直线距离
单位：
- m 表示单位为米。
- km 表示单位为千米。
- mi 表示单位为英里。
- ft 表示单位为英尺。
127.0.0.1:6379> GEODIST china:city beijing shanghai km # 查看上海到北京的直线距离
"1067.3788"
127.0.0.1:6379> GEODIST china:city beijing chongqin km # 查看重庆到北京的直线距离
"1464.0708"
GEORADIUS
以给定的经纬度为中心，返回键包含的位置元素当中，与中心的距离不超过给定最大距离的所有位置元素。
应用场景: 我附近的人,获取附近人地址定位, 通过半径查询
127.0.0.1:6379> GEORADIUS china:city 110 30 500 km # 以110，30 这个经纬度为中心，寻
找方圆500km内的城市
1) "chongqi"
2) "xian"
127.0.0.1:6379> GEORADIUS china:city 110 30 500 km withdist # 显示到中间距离的位置
1) 1) "chongqi"
2) "341.9374"
2) 1) "xian"
2) "483.8340"
127.0.0.1:6379> GEORADIUS china:city 110 30 500 km withcoord # 显示他人的定位信息
1) 1) "chongqi"
2) 1) "106.49999767541885376"
2) "29.52999957900659211"
2) 1) "xian"
2) 1) "108.96000176668167114"
2) "34.25999964418929977"
127.0.0.1:6379> GEORADIUS china:city 110 30 500 km withdist withcoord count 1 #
筛选出指定的结果！
1) 1) "chongqi"
2) "341.9374"
3) 1) "106.49999767541885376"
2) "29.52999957900659211"
GEORADIUSBYMEMBER
和 GEORADIUS 命令一样， 都可以找出位于指定范围内的元素， 但是 GEORADIUSBYMEMBER 的中心点是由给定的位置元素决定的， 而不是像 GEORADIUS 那样， 使用输入的经度和纬度来决定中心点
应用场景: 根据溺水人员地理位置获取附近的救援人员
# 找出位于指定元素周围的其他元素！
127.0.0.1:6379> GEORADIUSBYMEMBER china:city beijing 1000 km
1) "beijing"
2) "xian"
127.0.0.1:6379> GEORADIUSBYMEMBER china:city shanghai 400 km
1) "hangzhou"
2) "shanghai"
GEOHASH
返回一个或多个位置元素的 Geohash 表示
127.0.0.1:6379> geohash china:city beijing chongqin
1) "wx4fbxxfke0"
2) "wm5xzrybty0"
其他
GEO 底层的实现原理其实就是 Zset！我们可以使用Zset命令来操作geo！
127.0.0.1:6379> ZRANGE china:city 0 -1 # 查看地图中全部的元素
1) "chongqi"
2) "xian"
3) "shengzhen"
4) "hangzhou"
5) "shanghai"
6) "beijing"
127.0.0.1:6379> zrem china:city beijing # 移除指定元素！
(integer) 1
127.0.0.1:6379> ZRANGE china:city 0 -1
1) "chongqi"
2) "xian"
3) "shengzhen"
4) "hangzhou"
5) "shanghai"
Hyperloglog 统计
优点: 占用内存是固定的, 只需要 12KB 内存,从内存角度首页该类型
缺点: 0.81% 的错误率.
允许容错,使用Hyperloglog , 否则使用set
应用场景
网页的 UV （一个人访问一个网站多次，但是还是算作一个人！）
- 传统的方式， set 保存用户的id，然后就可以统计 set 中的元素数量作为标准判断 !
- 这个方式如果保存大量的用户id，就会比较麻烦！我们的目的是为了计数，而不是保存用户id；
127.0.0.1:6379> PFadd mykey a b c d e f g h i j # 创建第一组元素 mykey
(integer) 1
127.0.0.1:6379> PFCOUNT mykey # 统计 mykey 元素的基数数量
(integer) 10
127.0.0.1:6379> PFadd mykey2 i j z x c v b n m # 创建第二组元素 mykey2
(integer) 1
127.0.0.1:6379> PFCOUNT mykey2
(integer) 9
127.0.0.1:6379> PFMERGE mykey3 mykey mykey2 # 合并两组 mykey mykey2 => mykey3 并集
OK
127.0.0.1:6379> PFCOUNT mykey3 # 看并集的数量！
(integer) 15
Bitmap 位图
数据结构 都是二进制位进行记录,只有0 和 1 两个状态
应用场景
统计用户信息活跃与不活跃, 登录与未登录,打卡, 365天打卡情况, 两个状态的都可以使用该类型
统计一周打卡情况
127.0.0.1:6379> getbit sign 3 # 查看周四是否打卡
(integer) 1
127.0.0.1:6379> getbit sign 6 # 查看周天是否打卡
(integer) 0
127.0.0.1:6379> bitcount sign # 统计这周的打卡记录，就可以看到是否有全勤！
(integer) 3