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：
- 集合中的元素是无序的.
- 集合中的元素是唯一的，不能重复.
- 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
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
scard（获取元素个数）
用来获取 set 中元素的个数.
SCARD key 
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.
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
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 ...]
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.
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 ...]
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 ...]
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 ...] 
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 ...]
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 ...]
1.2、set 的内部编码方式
set 内部有两种编码方式：
- 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.
- 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）.
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.
