深入学习 Redis - 深挖经典数据类型之 set

目录

前言

一、Set 类型

1.1、操作命令

sadd / smembers(添加)

sismember(判断存在)

scard(获取元素个数)

spop(删除元素)

smove(移动) 

 srem(删除)

sinter / sinterstore(交集 / 存储)

sunion / sunionstore(并集 / 存储)

sdiff / sdiffstore(差集 / 存储)

1.2、set 的内部编码方式

1.3、使用场景

用户画像(set 保存用户 “标签”)

共同好友

统计 UV(去重)


前言


redis 中所有的 key 都是字符串,value 的类型是存在差异的,因此出现了操控不同 value 的命令,接下来,就一起来学习一下吧~

Ps1:接下来,我给出的指令都是按照 Redis 官方文档的语法格式来解析的,[ ] 相当于一个独立的单元,表示可选项(可有可无),其中 | 表示 “或者” 的意思,多个只能出现一个,[ ] 和 [ ] 之间是可以同时存在的.

Ps2:一个快速失去年终奖的小技巧 —— 清除 redis 上所有的数据 =》 FLUSHALL,这个操作可以把 redis 上所有的键值对全部带走.

Ps3:不同操作返回值差别挺大,很容易记混,不用可以去背,经常使用的操作,自然就记住了.

一、Set 类型


1.1、操作命令

redis 中的 set 就是一个集合,集合就是把一些关联的数据放在一起,我们把集合中的元素叫 member ,具有以下特殊的特性:

  1. 集合中的元素是无序的.
  2. 集合中的元素是唯一的,不能重复.
  3.  和 list 类似,集合中的每个元素都是 string 类型的,同时也可以使用 json 这样的格式让 string 存储 结构化 的数据.

Ps:这里提到的到无序,对应前面讲到的 list.

list: [1, 2, 3] 和 [2, 1, 3] 是两个不同的 list.

set: [1, 2, 3] 和 [2, 1, 3] 是两个相同的 set.

sadd / smembers(添加)

将一个或多个元素添加到 set 中,返回值是成功添加的元素个数. 注意,重复的元素会添加失败.

SADD key member [member ...]

获取一个 set 中所有的元素. 注意,返回的元素是无序的.

SMEMBERS key

深入学习 Redis - 深挖经典数据类型之 set_第1张图片

sismember(判断存在)

判断一个元素是否在 set 中,返回 1 表示存在,0表示不存在.

SISMEMBER key member

深入学习 Redis - 深挖经典数据类型之 set_第2张图片

scard(获取元素个数)

用来获取 set 中元素的个数.

SCARD key

 深入学习 Redis - 深挖经典数据类型之 set_第3张图片

深入学习 Redis - 深挖经典数据类型之 set_第4张图片

spop(删除元素)

pop 一般表示 “从末尾” 删除一个元素,集合中的元素都是无序的,末尾是什么呢?在 redis 的 set 中,使用 spop 表示随机删除一个元素.

SPOP key [count]

通过 count 参数可以指定删除的个数,没写就是默认删除这一个.

深入学习 Redis - 深挖经典数据类型之 set_第5张图片

深入学习 Redis - 深挖经典数据类型之 set_第6张图片

smove(移动) 

将 member 从 source 上删除,再插入到 destination 中.

返回 1 表示移动成功.

返回 0 表示移动失败,但是 source 中删除成功,只是 destination 中不能出现重复元素(destination 中含有新插入的元素).

SMOVE source destination member

深入学习 Redis - 深挖经典数据类型之 set_第7张图片

深入学习 Redis - 深挖经典数据类型之 set_第8张图片

深入学习 Redis - 深挖经典数据类型之 set_第9张图片

 

 srem(删除)

可以一次删除一个 或 多个 member ,返回值表示删除元素的个数.

SREM key member [member ...]

深入学习 Redis - 深挖经典数据类型之 set_第10张图片

sinter / sinterstore(交集 / 存储)

交集就是在两个集合中都有的元素,通过 sinter 就可以获取多个元素的之间的交集,时间复杂度为 O(N*M),N 是最小的集合元素个数,M 是最大集合的元素个数.

SINTER key [key ...]

//此处 key 对应一个集合,返回值就是最终交集的数据.

深入学习 Redis - 深挖经典数据类型之 set_第11张图片

sinterstore 用来将算好的交集,放到 destination 这个 key 对应的集合中

SINTERSTORE destination key [key ...]

深入学习 Redis - 深挖经典数据类型之 set_第12张图片 

sunion / sunionstore(并集 / 存储)

并集就是两个集合的数据全集,sunion 就是返回并集的结果数据,时间复杂度为 O(N),N 表示总的元素个数.

SUNION key [key ...]

深入学习 Redis - 深挖经典数据类型之 set_第13张图片

sunionstore 直接把并集的结果存储到 destination 对应的集合中,返回值事并集的元素个数.

SUNIONSTORE destination key [key ...]

 深入学习 Redis - 深挖经典数据类型之 set_第14张图片

sdiff / sdiffstore(差集 / 存储)

差集,A 和 B 做差集,就是找出哪些元素在 A 中存在,同时 B 中不存在(B 和 A 做差集则相反).

SDIFF key [key ...]

深入学习 Redis - 深挖经典数据类型之 set_第15张图片 

 

sdiffstore 就是将差集的结果放在 destination 中,时间复杂度为 O(N).

SDIFFSTORE destination key [key ...]

深入学习 Redis - 深挖经典数据类型之 set_第16张图片

1.2、set 的内部编码方式

 set 内部有两种编码方式:

  1. intset:整数集合,当所有元素均为整数,并且元素个数不是很多的时候,为了节省空间,做出的特定优化.
  2. hashtable:最基本的哈希表(不是 java 标准库中的 HashTable),redis 内部对哈希表的实现方式和 java 中的哈希表可能不太一样,但是整体思想都是一样的;时间上复杂度O(1),但是空间上会有一定的浪费(hash 是一个数组,数组上有些位置有元素,有些位置没有元素).

深入学习 Redis - 深挖经典数据类型之 set_第17张图片

 

1.3、使用场景

用户画像(set 保存用户 “标签”)

通过你对这个服务器访问的数据,分析出你这个人的一些特征,之后再 “投其所好”~

抖音这款软件在这方面做的就尤为突出,他会根据用户经常观看收藏点赞那种类型的视频,就能看出你这个人的 性别、年龄、居住地、爱好... 通过这个过程,就会将这些特征,就会转换成标签保存到 redis 的 set 中,之后就会给你推送与这些标签相关的视频内容.

共同好友

基于 set 的 “集合求交集” 就可得到两个用户之间的 “用户关系”

在 QQ 上,我这边加了很多好友,你这边也加了很多好友,这样系统就可以做到好友推荐:

A 的好友中有 B 和 C.

D 的好友中也有 B 和 C.

系统就会把 A 推荐给 D.

统计 UV(去重)

利用 set 的去重机制,衡量用户规模.

一个互联网产品衡量用户规模,主要就是两个指标:

PV:page view,用户每次访问服务器都会产生一个 pv.

UV:user view ,每个用户访问服务器,都会产生一个 uv,但是同一个用户多次访问,不会使 uv 增加,这就需要基于 set 实现去重.

深入学习 Redis - 深挖经典数据类型之 set_第18张图片

 

你可能感兴趣的:(Redis深度学习,学习,redis,数据库)