?

?

?

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

1. 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！

2. 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

3. 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！

4. 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！
   

5. 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

1. 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

1. 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} 10010

   ②：备胎说车发微博，消息ID为10086
   LPUSH msg:{小明_ID} 10086

   ③：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

1. 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 key

   3）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

2. 朋友圈点赞
   当某人在朋友圈发布消息，可用set来点赞展示
   

   1. 点赞
      SADD like:{消息ID} {用户ID}
   2. 取消点赞
      SREM like:{消息ID} {用户ID}
   3. 检查用户是否点过赞
      SISMEMBER like:{消息ID} {用户ID}
   4. 获取点赞的用户列表
      SMEMBERS like:{消息ID}
   5. 获取点赞用户数
      SCARD like:{消息ID}

3. 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

1. 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