【Redis】数据类型及应用场景

Redis：基于KV键值对的内存数据库。redis指令不区分大小写，但key区分大小写。

常用数据类型

1. 字符串String
2. 列表List
3. 哈希表Hash
4. 集合Set
5. 有序集合ZSet
6. 地理空间GEO（经纬度）
7. 位域bitfield
8. 位图bitmap（二进制位的bit数组）
9. 基数统计HyperLogLog
10. 流Stream

---

1.字符串String

1.1特点

• 二进制安全，支持序列化，可以包含任何对象。
• 当设定过期时间哦，再次set值，会覆盖ttl过期时间。可以使用参数keepttl，续接、继承之前key的ttl过期时间。
• 批处理操作：mset、mget
• setex（set with expire）/ setnx(set if not exist)（原子操作，设置时间）

1.2使用场景

• 缓存
• 分布式锁
• 点赞功能

1.2.1分布式锁

• sync/lock/unlock 操作仅为本地锁，针对本地虚拟机。
• 每当一个服务需要获取资源，便在redis执行setnx lock uuid（尝试获取锁，如果不存在，则执行成功）操作和del lock（释放锁）

1.2.2点赞功能

   INCR KEY/DECR KEY 数字递增递减 ，可以控制增量减量。

---

2.列表List

2.1特点

• 单key对应多value
• 底层为双向链表，对两端操作性能高，通过索引下标操作中间节点性能较差
• push/pop（入栈/出栈），LRange遍历操作

2.2使用场景

• 订阅消息

2.2.1订阅消息

  用户订阅的文章消息，将对应的文章id放入用户的likeList，有新的文章就进行push操作，用户可以LRange分页查询订阅的消息。

---

3.哈希Hash

3.1特点

• 类似于Java中的哈希表
• 指令H开头

3.2使用场景

• 小体量的购物车

3.2.1购物车

  实现简单购物车功能，key对应用户id，field-value对应商品id和数量，可以通过HINCRBY数量自增，HGETALL 获取所有信息，HMGET/HMSET批处理操作数据。

---

4. 集合Set

4.1特点

• 类似于Java中HashSet
• 集合之间的运算效果好（交集、并集、差集）
• 指令S开头

4.2使用场景

• 社交属性的需求

4.2.1共同朋友、可能认识的人、猜你喜欢

  用于带有社交属性的应用场景，如共同朋友、可能认识的人。例如发现两个用户的好友集合的共同好友，使用SINTER操作取得两人好友id集合的交集，可以认为三个用户可能互相认识，即可能认识的人。

---

5.有序集合ZSet （Sorted Set）

5.1特点

• 拥有score字段，可以用于排序
• key唯一，但带有的score可以重复
• 排名默认为升序，可以使用Z后添加REV获得降序，例如ZREVRANK
• 指令Z开头

5.2使用场景

• 排行榜、销量排序的实现

5.2.1排行榜

  通过对score的操作，可以轻松实现排行榜的需求。使用ZRANGE 获取指定排名之间的元素。使用ZRANK获取单个value的排名，

5.2.2热销商品

  销量、销售金额等等指标可以作为score，例如将score定义为商品销售数量，key为goods:sellsort。

1. 商品编号为1001的商品销量为9，商品编号1002销量为15，指令为zadd goods:sellsort 9 1001 15 1002
2. 客户购买2件商品1001，1001销量增加2，zincrby goods:sellsort 2 1001
3. 展示销量前十商品，zrange goods:sellsort 0 9 withscores

---

6.地理空间GEO（经纬度）

6.1特点

• type类型：Zset的子类（由score变为经纬度）
• 如果遇到乱码，可能是客户端的问题，使用命令redis- cli --raw
• geohash算法生成的base32编码值，相当于三维变二维（经纬度）再变一维（geoHash指令后得到hash编码），相当于映射作用
• GeoDist获取两个坐标的距离，例如GeoDist 天安门 故宫 km（km、m、英里 可以选择距离单位）
• GeoPadius以半径为中心，查找附近的xx

6.2使用场景

• 查找附近的地点

6.2.1附近的地点

  使用GeoRadius city 123.123 456.567（经纬度） 10km withdist withcoord withhash count 10 desc
返回10条附近10km的地点和地点的hash编码（内部编码计算）和经纬度

---

7.位域bitfield（一线较少使用，简单了解即可）

7.1特点

• 可以看做有二进制位组成的数组，并对这个数组任意位偏移访问
• hello等价于每个字母的ascll码，再转换为二进制，即hello等价于0110100001100101011011000110110001101111

7.2使用场景

• 位域修改
• 溢出控制

---

8.位图bitmap（二进制位的bit数组）

8.1特点

• 由0和1状态表现的二进制位的bit数组（只允许 0和1）
• bitmap的偏移量是从0开始算的
• 底层String类型的子类
• 超过八位后，按照八位一组一字节再扩容

8.2使用场景

• 用户是否登录Y或N ，比如京东每日签到送京豆
• 电影、广告是否被点击播放
• 钉钉打卡上下班，签到统计

8.2.1签到统计

  每一位表示天数，如果签到成功则该位为1，否则为零，使用setbit和getbit操作，可以使用strlen查询字节长度（byte），bitcount统计全部键包含1的数量（几个1，签到成功次数统计） ，这样处理好处是占用存储小，365位仅需要46字节。（1024=1kb）

9.基数统计HyperLogLog

9.1特点

• 去重复统计功能的基数估计算法，就是HyperLogLog
• 基数：是一种数据集，去重复后的真实个数。
• 优点是在输入元素的数量和体积非常非常大时，计算基数所需的空间是固定的，并且很小。
• 每个HyerLogLog键只需要花费12KB内存，可以计算接近2⁶⁴个不同数据的基数
• 只是根据输入的元素计算基数，而不会存储输入元素本身，所有HyperLogLog不能像集合，返回输入的各个元素，而是返回基数统计值
• 属于String类型

命令：

• PFADD，添加元素到HyperLogLog
• PFCOUNT，返回基数估算值（0.81%的误差）
• PFMERGE，将多个HyperLogLog合并为一个

9.2使用场景

• 统计某个网站的UV、某个文章的UV（Unique Visitor）独立访客，一般理解为客户端Ip，需要去重考虑
• 统计用户搜索情况

9.2.1统计网站UV

  

---

10.流Stream （Redis版本的MQ消息中间件）

10.1特点

• 为解决redis5.0之前实现消息队列（LPush、RPop），List实现方式点对点模式或pub、sub实现广播，一对多，但缺点是消息无法持久化，也没有ack机制保证数据可靠性。
• 故5.0之后新增数据结构stream（但是大部分厂商仍使用专门mq产品，kafka、rabbitmq、rocketmq）
• 实现消息队列，支持消息持久化，支持生成全局唯一id、支持ack确认消息的模式、支持消费组模式等

10.2使用场景

• 生产案例少，慎用

---