?
文章目录
-
- 一. redis常用五大数据结构
- ①:string && 使用场景
- ②:hash && 其使用场景
- ③:list && 使用场景
- ④:set && 使用场景
- ⑤:zset && 使用场景
?
?
一. redis常用五大数据结构
????????redis中存储数据是以key-value的形式去存储的,其中key为String字符串类型,value的数据类型有string、hash、list、set、zset等这五种常用的。这五种数据结构在开发中基本上可以应对大部分场景的数据存储!!下面分别来介绍value的五种数据结构的用法以及使用场景
①:string && 使用场景
1.1 string常用操作
命令 | 说明 |
---|---|
SET key value | 存入字符串键值对 |
MSET key value [key value …] | 批量存储字符串键值对 |
SETNX key value | 存入一个不存在的字符串键值对 |
GET key | 获取一个字符串键值 |
MGET key [key …] | 批量获取字符串键值 |
DEL key [key …] | 删除一个键 |
EXPIRE key seconds | 设置一个键的过期时间(秒) |
? | ? |
INCR key | 将key中储存的数字值加1 |
DECR key | 将key中储存的数字值减1 |
INCRBY key increment | 将key所储存的值加上increment |
DECRBY key decrement | 将key所储存的值减去decrement |
1.2 string的使用场景
-
单值缓存
SET key value
GET key
使用上面两条命令可以做用户id存储、商品库存存储等等! -
对象缓存
以缓存user对象为例,有以下两种方式①:SET user:1 value(json格式数据):把对象转json存入redis,也是当下常用的方式,获取数据需要做数据转换
②:MSET user:1:name zhuge user:1:balance 1888
MGET user:1:name user:1:balance
使用Mset命令,把对象拆开存储,每一个key只保存对象的一个字段信息,适用于经常修改user的某个字段的场景 -
分布式锁
SETNX product:10001 true //操作product:10001
。。。执行业务操作
DEL product:10001 //删除product:10001其中SETNX key value 命令要求如果key已存在,则其他的setnx命令无法对当前key进行操作。
在使用分布式锁时通常还会通过
SET product:10001 true ex 10 nx 命令设置key的超时时间,防治死锁! -
计数器
INCR 文章id
可以使用INCR命令实现数量自增,可以用于文章阅读量、热度人数统计等,用户每点进去一次执行一次INCR命令! -
分布式系统全局序列号
在分布式系统下,如果需要分库分表, mysql的数据库自增id已经无法满足分库分表下的id自增,这时就需要一个独立于数据库之外的中间件来实现id的分配。redis的INCR命令可以实现id、序列号的生成,但如果用户量非常大,每生成一个id、序列号都去redis会给redis添加不小的压力,我们可以一次性从redis中自增1000次,把序列号放入本地内存中,这1000个id用完了,再去redis再取1000个,可有效降低redis的压力!
?
②:hash && 其使用场景
2.1 hash的常用操作
命令 | 说明 |
---|---|
HSET key field value | 存储一个哈希表key的键值 |
HGET key field | 获取哈希表key对应的field键值 |
HMSET key field value [field value …] | 在一个哈希表key中存储多个键值对 |
HMGET key field [field …] | 批量获取哈希表key中多个field键值 |
HSETNX key field value | 存储一个不存在的哈希表key的键值 |
HDEL key field [field …] | 删除哈希表key中的field键值 |
HLEN key | 返回哈希表key中field的数量 |
HGETALL key | 返回哈希表key中所有的键值 |
HINCRBY key field increment | 为哈希表key中field键的值加上增量increment |
2.2 hash的用用场景
-
电商购物车
1)以用户id为key === cart:1001
2)商品id为field === 10088
3)商品数量为value === 1购物车操作
1)添加商品 hset cart:1001 10088 1
2)增加数量 hincrby cart:1001 10088 1
3)商品总数 hlen cart:1001
4)删除商品 hdel cart:1001 10088
5)获取购物车所有商品 hgetall cart:1001
优点
1)同类数据归类整合储存,方便数据管理
2)相比string操作消耗内存与cpu更小
因为:string类型通过set key - val 的方式存储数据,通过对key进行hash运算决定当前key是存储在数组哪个位置。如果把hash类型的数据变成string类型来存储,则需要更多的key,同时在存放时也需要更多的hash(key)运算,消耗更多的cpu资源!
3)相比string储存更节省空间
如果把hash类型的数据变成string类型来存储,将需要存储更多key,如果数据量很多的情况下,redis底层那么存储数据的数组将很快会被占满,占满就会进行扩容,加大内存消耗。由此可见,string结构与hash结构只存储一个key相比,需要更多的内存空间!
缺点
1)过期功能不能使用在field上,只能用在key上
redis的过期时间只能用在key上,而hash的key是一个大的概念,里面的map型结构才是重要数据,但过期时间只能用在外边的大key上,hash结构相比于string不能实现精准过期!
2)hash结构在Redis集群架构下不适合大规模使用
因为如果一个hash的key中的属性很多的话,只能存在一个redis节点上,那么这个节点压力会比其他节点压力大很多,造成redis集群下压力分配不均衡!
?
③:list && 使用场景
list类似一个队列或栈
3.1 list 的常用操作
命令 | 说明 |
---|---|
LPUSH key value [value …] | 将一个或多个值value插入到key列表的表头(最左边) |
RPUSH key value [value …] | 将一个或多个值value插入到key列表的表尾(最右边) |
LPOP key | 移除并返回key列表的头元素 |
RPOP key | 移除并返回key列表的尾元素 |
LRANGE key start stop | 返回列表key中指定区间内的元素,区间以偏移量start和stop指定 |
BLPOP key [key …] timeout | 从key列表表头弹出一个元素,若列表中没有元素,阻塞等待 timeout:秒,如果timeout=0,一直阻塞等待 |
BRPOP key [key …] timeout | 从key列表表尾弹出一个元素,若列表中没有元素,阻塞等待 timeout:秒,如果timeout=0,一直阻塞等待 |
3.2 list 的用用场景
-
模拟分布式系统数据结构
①:Stack(栈) = LPUSH(左边放) + LPOP(左边取)
②:Queue(队列)= LPUSH(左边放) + RPOP(右边取)
③:Blocking MQ(阻塞队列)= LPUSH(左边放) + BRPOP(右边阻塞取:没有数据就阻塞!)问:那么redis实现的数据结构和jdk中提供的数据结构有什么区别呢?
答:jdk提供的数据结构仅在本服务中有用,如果在分布式环境下,则需要借助redis等中间件,模拟数据结构来统一管理数据。
2. 微博、朋友圈、公众号等,关注的文章列表展示
????????假如 小明 关注了 中国青年报、三太子敖丙 等大V的订阅号,当这些大V发布订阅号时,通过推或拉的方式把消息LPUSH放入redis中属于小明的list中。其中key为msg:{小明_ID}。当小明要获取大V们发的消息时,使用LRANGE 命令从队列中获取指定个数的订阅号信息!!
①:MacTalk发微博,消息ID为10010
LPUSH msg:{小明_ID} 10010②:备胎说车发微博,消息ID为10086
LPUSH msg:{小明_ID} 10086③:查看最新微博消息
LRANGE msg:{小明_ID} 0 4这里有一个问题,大V发了消息的是怎么存储在粉丝的redis中呢?一般有两种处理方案!
①:推,博主发了消息,通过线程先推送到在线粉丝的队列中,其他不在线的等系统空闲时慢慢推过去。
②:拉,如果粉丝太多,推的方案还是要很长时间去处理,还有一种方案就是拉。每一个粉丝上线后就去关注的博主那里 拉取他发的最新的消息,在使用LRANGE取出即可!
?
④:set && 使用场景
set是一个集合,key不允许重复,如果重复设置key,则设置无效
4.1 set 的常用操作
命令 | 说明 |
---|---|
SADD key member [member …] | 往集合key中存入元素,元素存在则忽略,若key不存在则新建 |
SREM key member [member …] | 从集合key中删除元素 |
SMEMBERS key | 获取集合key中所有元素 |
SCARD key | 获取集合key的元素个数 |
SISMEMBER key member | 判断member元素是否存在于集合key中 |
SRANDMEMBER key [count] | 从集合key中选出count个元素,元素不从key中删除 |
SPOP key [count] | 从集合key中选出count个元素,元素从key中删除 |
set运算操作
命令 | 说明 |
---|---|
SINTER key [key …] | 交集运算 |
SINTERSTORE destination key [key …] | 将交集结果存入新集合destination中 |
SUNION key [key …] | 并集运算 |
SUNIONSTORE destination key [key …] | 将并集结果存入新集合destination中 |
SDIFF key [key …] | 差集运算 |
SDIFFSTORE destination key [key …] | 将差集结果存入新集合destination中 |
4.2 set 的用用场景
-
抽奖活动
1)点击参与抽奖加入集合
SADD key {userlD}2)查看参与抽奖所有用户
SMEMBERS key3)随机抽取count名中奖者
SRANDMEMBER key [count] ------元素不从集合中删除
SPOP key [count] ------ 元素从集合中删除 -
朋友圈点赞
当某人在朋友圈发布消息,可用set来点赞展示- 点赞
SADD like:{消息ID} {用户ID} - 取消点赞
SREM like:{消息ID} {用户ID} - 检查用户是否点过赞
SISMEMBER like:{消息ID} {用户ID} - 获取点赞的用户列表
SMEMBERS like:{消息ID} - 获取点赞用户数
SCARD like:{消息ID}
- 点赞
-
利用set的交、并、差集实现微博、微信关注模型
关注模型如下图:
首先了解一下set的集合操作,假如有三个集合
set1:(a、b、c)
set2:(b、c、d)
set3:(c、d、e)三个集合的
交集为:SINTER set1 set2 set3 ==> { c }
并集为:SUNION set1 set2 set3 ==> { a,b,c,d,e }
差集为:SDIFF set1 set2 set3 ==> { a }
差集计算方式:set1 - (set2并set3) = {a、b、c} - {b、c、d、e} = {a} 只保留a中单独存在的元素共同关注A的人:可以用交集来实现
我可能认识的人:可以使用差集来实现,把我关注的人求差集
我关注的人也关注A:可以使用SISMEMBER 命令查看A是否在我关注的人的关注列表中,如果存在把这个人返回
?
⑤:zset && 使用场景
zset相比于set多一个score 分值,正是根据这个分值进行排序,所以zset才能展示有序的数据
5.1 zset 的常用操作
命令 | 说明 |
---|---|
ZADD key score member [[score member]…] | 往有序集合key中加入带分值元素 |
ZREM key member [member …] | 从有序集合key中删除元素 |
ZSCORE key member | 返回有序集合key中元素member的分值 |
ZINCRBY key increment member | 为有序集合key中元素member的分值加上increment |
ZCARD key | 返回有序集合key中元素个数 |
ZRANGE key start stop [WITHSCORES] | 正序获取有序集合key从start下标到stop下标的元素 |
ZREVRANGE key start stop [WITHSCORES] | 倒序获取有序集合key从start下标到stop下标的元素 |
set运算操作
命令 | 说明 |
---|---|
ZUNIONSTORE destkey numkeys key [key …] | 并集计算 |
? | ? |
ZINTERSTORE destkey numkeys key [key …] | 交集计算 |
5.2 zset 的使用场景
- 实现热搜排行榜
①:点击 “美国选举” 新闻时,为其分值+1
ZINCRBY hotNews:20190819 1 美国选举
②:展示当日排行前十
ZREVRANGE hotNews:20190819 0 9 WITHSCORES
③:七日搜索榜单计算
取7天的key求并集放入新的key=hotNews:20190813-20190819中,就得出这7天中的访问量排行榜
ZUNIONSTORE hotNews:20190813-20190819 7
hotNews:20190813 hotNews:20190814… hotNews:20190819
④:展示七日排行前十
根据上边的并集,从新的key=hotNews:20190813-20190819中取出前10名
ZREVRANGE hotNews:20190813-20190819 0 9 WITHSCORES
?