1、业务数据的特殊性
- 作为缓存使用
- 原始业务功能设计
- 秒杀
- 618活动
- 双11活动
- 排队购票
- 运营平台监控到的突发高频访问数据
- 突发时政要闻，被强势关注围观
- 高频、复杂的统计数据
- 在线人数
- 投票排行榜
- 附加功能
- 系统功能优化或升级
- 单服务器升级集群
- Session管理
- Token管理
2、Redis数据类型
- string
- hash
- list
- set
- sorted_set
3、String
a、redis数据存储格式
- redis自身是一个map，其中所有的数据都是采用key: value的形式存储
- 数据类型指的是存储的数据的类型，也就是value部分的类型，key部分永远都是字符串
b、string类型
- 存储的数据：单个数据，最简单的数据存储类型，也是最常用的数据存储类型
- 存储数据的格式：一个存储空间保存一个数据
- 存储内容：通常使用字符串；如果字符串以整数的形式展示，可以作为数字操作使用
c、基本操作：
- 添加/修改数据
set key value- 获取数据
get key- 删除数据
del key- 添加/修改多个数据
mset key1 value1 key2 value2...- 获取多个数据
mget key1 key2...- 获取数据字符个数(字符串长度)
strlen key- 追加信息到原始信息后部(如果原始信息存在就追加，否则新建，返回的是字符串的长度)
append key value
d、单数据操作与多数据操作的选择之惑
- 分析：
- 单指令(set)1条指令的执行过程，首先指令发送指令之后到达redis就是set发送到redis的时候需要耗时时间，到达之后执行指令又消耗时间，将执行结果返回给服务器又需要耗时时间。假如set和result所消耗的时间是一样的。
- 单指令3条指令的执行过程，set发送指令到达redis需要3次，到达之后执行指令又消耗时间3次，将执行结果返回给服务器又需要耗时时间3次；
- 多指令(mset)的执行过程，set发送指令到达redis需要1次，知道之后执行指令消耗时间为3次，将执行结果返回给服务器消耗时间1次。
- 所以，多指令(mset)在操作多条数据的时候，比单指令(set)的耗时是要小点的。
e、string类型数据的扩展操作
- 业务场景1
- 大型企业级应用中，分表操作是基本操作，使用多张表存储同类型数据，但是对应的主键id必须保证统一性，不能重复。Oracle数据库具有sequence设定，可以解决该问题。但是MySQL数据库并不具有类似的机制，那么如何解决？
- 解决方案：
- 设置数值数据增加指定范围的值
incr key # 加1
incrby key increment # 给指定的key加指定的数字
incrbtfloat key increment # 给指定的key加指定的浮点型数字- 设置数值数据减少指定范围的值
decr key # 减一，key必须是一个整型的字符串
decrby key increment # 给指定的key减少指定的数字，key必须是一个整型的字符串
# redis hsetnx命令用于为哈希表中不存在的字段赋值
# 如果哈希表不存在，一个新的哈希表被创建并进行hset操作
# 如果字段已经存在于哈希表中，操作无效
# 如果key不存在，一个新哈希表被创建并执行hsetnx命令
hsetnx key field value
# 设置成功，返回1。如果给定字段已经存在且没有从操作被执行，返回0.- string作为数值操作
- string在redis内部存储默认就是一个字符串，当遇到增减类操作incr、decr时会转成数值型进行计算。
- redis所有的操作都是原子性的，采用单线程处理所有业务，命令是一个一个执行的，因此无需考虑并发带来的数据影响
- 注意：按数值进行操作的数据，如果原始数据不能转成数值，或超越了redis数值上限范围，将报错。9223372036854775807(Java中long型数据最大值，Long.MAX_VALUE)
- redis用于控制数据库表主键id，为数据库表主键提供生成策略，保障数据库表的主键唯一性
- 此方案适用于所有数据库，且支持数据库集群
- 业务场景2
- 最强女生启动海选投票，只能通过微信投票，每个微信号每4小时只能投1票。
- 电商上家开启热门商品推荐，热门商品不能一直处于热门期，每种商品热门期维持3天，3天后自动取消热门。
- 新闻网站会出现热点新闻，热点新闻最大的特征是时效性，如何自动控制热点新闻的时效性。
- 解决方案：
- 设置数据具有指定的生命周期
setex key seconds value # 以秒为单位
psetex key milliseconds value # 以毫秒为单位
ttl key # 查看key还有多久过期
"""
setex name 10 ceshi # 先创建了具有生命周期的name
set name ceshi # 在生命周期时间内通过set又创建了同名的key,会把上面的冲掉，name不会过期，同理反过来也是如此
"""- redis控制数据的生命周期，通过数据是否失效控制业务行为，适用于所有具有时效性限定控制的操作
f、string数据类型操作的注意事项
- 数据操作不成功的反馈与数据正常操作之间的差异
- 表示运行结果是否成功
- (integer)0 –> false 失败
- (integer)1 –> true 成功
- 表示运行结果值：
- (integer)3 –>3 3个
- (integer)1 –>1 1个
- 数据未获取到
- (nil)等同于null
- 数据最大存储量：512MB
- 数值计算最大范围(Java中的long的最大值)：9223372036854775807
g、string类型应用场景
- 业务场景1
- 主页高频访问信息显示控制，例如新浪微博大V主页显示粉丝数与微博数量
- 解决方案：
- 在redis中为大v用户设定用户信息，以用户主键和属性值作为key，后台设定定时刷新策略即可。
eg: user[表名]:id:3506728370:fans → 12210947
eg: user:id:3506728370:blogs → 6164
eg: user:id:3506728370:focuss → 83- 在redis中以json格式存储大V用户信息，定时刷新(也可以使用hash类型)
eg: user:id:3506728370 → {"id":3506728370,"name":"春晚","fans":12210862,"blogs":6164, "focus":83}
- redis应用于各种结构型和非结构型高热度数据访问加速
h、key的设置约定
- 数据库中的热点数据key命名惯例
2、hash
a、存储的困惑
- 对象类数据的存储如果具有较频繁的更新需求操作会显得笨重
b、hash类型
- 新的存储需求：对一系列存储的数据进行编组，方便管理，典型应用存储对象信息
- 需要的存储结构：一个存储空间保存多个键值对数据
- hash类型：底层使用哈希表结构实现数据存储
- hash存储结构优化
- 如果field数量较少，存储结构优化为类数组结构
- 如果field数量较多，存储结构使用HashMap结构
c、hash类型数据的基本操作
- 添加/修改数据
hset key field value- 获取数据
hget key field
hgetall key- 删除数据
hdel key field1 [field2...]- 添加/修改多个数据
hmset key field1 value1 field2 value2...- 获取多个数据
hmget key field1 field2 ...- 获取哈希表中字段的数量
hlen key # 获取有多少个field- 获取哈希表中是否存在指定的字段
hexists key field- 获取哈希表中所有的字段名或字段值
hkeys key
hvals key- 设置指定字段的数值数据增加指定范围的值
hincrby key field increment
hincrbyfloat key field incrementd、hash类型数据操作的注意事项
- hash类型下的value只能存储字符串，不允许存储其他数据类型，不存在嵌套现象。如果数据未获取到，对应的值为(nil)
- 每个hash可以存储232-1个键值对
- hash类型十分贴近对象的数据存储形式，并且可以灵活添加删除对象属性。但hash设计初衷不是为了存储大量对象而设计的，切记不可滥用，更不可以将hash作为对象列表使用
- hgetall操作可以获取全部属性，如果全部field过多，遍历整体数据效率就会很低，有可能成为数据访问瓶颈
e、hash类型应用场景
- 业务场景1：
- 电商网站购物车设计与实现
- 业务分析
- 仅分析购物车的redis存储模型
- 添加、浏览、更改数量、删除、清空
- 购物车于数据库间持久化同步(不讨论)
- 购物车于订单间关系(不讨论)
- 提交购物车：读取数据生成订单
- 商家临时价格调整：隶属于订单级别
- 未登录用户购物车信息存储(不讨论)
- cookie存储
- hash类型应用场景
- 解决方案：
- 以客户id作为key，每位客户创建一个hash存储结构存储对应的购物车信息
- 将商品编号作为field，购买数量作为value进行存储
- 添加商品：追加全新的field与value
- 浏览：遍历hash
- 更改数量：自增/自减，设置value值
- 删除商品：删除field
- 清空：删除key
1234:0>hmset user:id:001 g01 100 g02 200
==> "OK"
1234:0>hmset user:id:002 g02 1 g04 7 g05 100
==> "OK"
1234:0>hset user:id:001 g03 5
==> "1"
1234:0>hgetall user:id:001
1) "g01"
2) "100"
==> 3) "g02"
4) "200"
5) "g03"
6) "5"
1234:0>hdel user:id:001 g01
==> "1"
1234:0>hgetall user:id:001
1) "g02"
==> 2) "200"
3) "g03"
4) "5"
1234:0>hincrby user:id:001 g03 100
==> "105"
1234:0>hgetall user:id:001
1) "g02"
==> 2) "200"
3) "g03"
4) "105"- 此处仅讨论购物车中的模型设计
- 购物车与数据库间持久化同步、购物车与订单间关系、未登录用户购物车信息存储不进行讨论
- 当前设计是否加速了购物车的呈现？
- 当前仅仅是将数据存储到了redis中，并没有起到加速的作用，商品信息还需要二次查询数据库
- 每条购物车中的商品记录保存成两条field
- field1专用于保存购买数量
- 命名格式：商品id:nums
- 保存数据：数值
- field2专用于保存购物车中显示的信息，包含文字描述、图片地址、所属商家信息等
- 命名格式：商品id:info
- 保存数据：json
hsetnx key field value- redis应用于购物车数据存储设计
1234:0>hmset user:id:003 g01:nums 100 g01:info {img:x.ipg,title:123}
=> "OK"
1234:0>hgetall user:id:003
1) "g01:nums"
=> 2) "100"
3) "g01:info"
4) "{img:x.ipg,title:123}"
1234:0>hmset user:id:004 g01:nums 5 g01:info {img:x.ipg,title:123}
=> "OK"
1234:0>hgetall user:id:004
1) "g01:nums"
=> 2) "5"
3) "g01:info"
4) "{img:x.ipg,title:123}"
"""
按照上面的思路，我们实现了field1专用于保存购买数量（g01:nums）、field2专用于保存购物车中显示的信息，包含文字描述、图片地址、所属商家信息等(g01:info)但是我们会发现，003和004用户购买的商品一致，除了数量不一致，商品信息自然也是一致，这种情况下就形成了信息冗余了，所以我们将field2专用于保存购物车中显示的信息，包含文字描述、图片地址、所属商家信息等独立hash,成一个商品的hash
"""
- hash类型应用场景
- 业务场景
- 双11活动日，销售手机充值卡的商家对移动、联通、电信的30元、50元、100元商品推出抢购活动，每种商品抢购上限1000张
- 解决方案
- 以商家id作为key
- 将参与抢购的商品id作为field
- 将参与抢购的商品数量作为对应的value
- 抢购时使用降值的方式控制产品数量
1234:0>hmset yd g30 1000 g50 1000 g100 1000
=> "OK"
1234:0>hincrby yd g50 -1
=> "999"
1234:0>hincrby yd g100 -100
=> "900"- 实际业务中还有超卖等实际问题，这里不做讨论
- redis应用于抢购、限购类、限量发送优惠券、激活码等业务的数据存储设计
- 业务场景
- string存储对象(json)与hash存储对象
- string存储对象(json)讲究整体性，要么一次性更新，要么一次性读取，以读为主
- hash存储对象讲究更新操作比较灵活
3、list
a、list类型
- 数据存储需求：存储多个数据，并对数据进入存储空间的顺序进行区分
- 需要的存储结构：一个存储空间保存多个数据，且通过数据可以体现进去顺序
- list类型：保存多个数据，底层使用双向链表存储结构实现
b、list类型数据基本操作
- 添加/修改数据
# 将一个或多个值插入到列表左边。举例 依次插入 a b c 在列表中是c b a
lpush key value1 [value2]......
# 将一个或多个值插入到列表右边。举例 依次插入 a b c 在列表中是a b c
rpush key value1 [value2]......- 获取数据
# 返回列表中指定区间内的元素。0表示第一个元素，-1表示最后一个元素
lrange key start stop
# 通过索引获取列表中的元素；从0开始。-1代表列表的最后一个元素，-2代表列表的倒数第二个元素，以此列推。
lindex key index
# 用于返回列表的长度。如果列表key不存在，返回0。如果key不是列表类型，返回一个错误
llen key- 获取并移除数据
# 移除并返回列表左侧第一个元素，当列表key不存在时，返回nil。
lpop key
# 移除并返回列表右侧第一个元素
rpop key127.0.0.1:6379> lpush list1 huawei
(integer) 1
127.0.0.1:6379> lpush list1 apple
(integer) 2
127.0.0.1:6379> lpush list1 microsoft
(integer) 3
127.0.0.1:6379> lrange list1 0 -1
1) "microsoft"
2) "apple"
3) "huawei"
127.0.0.1:6379> rpush list2 a b c
(integer) 3
127.0.0.1:6379> lrange list2 0 2
1) "a"
2) "b"
3) "c"
127.0.0.1:6379> lrange list1 0 -1
1) "microsoft"
2) "apple"
3) "huawei"
127.0.0.1:6379> lrange list1 0 -2
1) "microsoft"
2) "apple"
127.0.0.1:6379> lindex list1 0
"microsoft"
127.0.0.1:6379> lindex list 1
(nil)
127.0.0.1:6379> lindex list1 1
"apple"
127.0.0.1:6379> llen list1
(integer) 3
127.0.0.1:6379> lpush list3 a b c
(integer) 3
127.0.0.1:6379> lpop list3
"c"
127.0.0.1:6379> llen list3
(integer) 2
127.0.0.1:6379> lpop list3
"b"
127.0.0.1:6379> lpop list3
"a"
127.0.0.1:6379> lpop list3
(nil)c、list类型数据扩展操作
- 规定时间内获取并移除数据
# 移除并获取列表中的从左侧数第一个元素，如果列表没有元素会阻塞列表直到等待超时或在超时时间之前发现列表有元素为止。
blpop key1 [key2] timeout
# 移除并获取列表中的从右侧数第一个元素，如果列表没有元素会阻塞列表直到等待超时或在超时时间之前发现列表有元素为止。
brpop key1 [key2] timeout
brpoplpush source destination timeout
# 举例
127.0.0.1:6379> blpop list10 30
1) "list10"
2) "c"
(23.54s)
127.0.0.1:6379> blpop list10 5
(nil)
(5.09s)
127.0.0.1:6379> blpop list10 10
1) "list10"
2) "d"
(4.01s)- 业务场景
- 微信朋友圈点赞，要求按照点赞顺序显示点赞好友信息，如果取消点赞，移除对应好友信息
- 解决方案：
127.0.0.1:6379> rpush user:id:list:001 a b c d e
(integer) 5
127.0.0.1:6379> lrange user:id:list:001 0 -1
1) "a"
2) "b"
3) "c"
4) "d"
5) "e"
# 删除user:id:list:001这个列表的d元素，从左侧开始查找，删除1个d元素
127.0.0.1:6379> lrem user:id:list:001 1 d
(integer) 1
127.0.0.1:6379> lrange user:id:list:001 0 -1
1) "a"
2) "b"
3) "c"
4) "e"- 移除指定数据
lrem key count value- redis应用于具有操作先后顺序的数据控制
d、其他操作命令
- linsert
# 在列表的元素前或者后插入元素。当指定元素不存在列表中时，不执行任何操作
# 当列表不存在时，被视为空列表，不执行任何错误
linsert key before|after pivot value
# 示例
127.0.0.1:6379> rpush list6 1 2 3
(integer) 3
127.0.0.1:6379> lrange list6 0 -1
1) "1"
2) "2"
3) "3"
127.0.0.1:6379> linsert list6 after 1 4
(integer) 4
127.0.0.1:6379> lrange list6 0 -1
1) "1"
2) "4"
3) "2"
4) "3"
127.0.0.1:6379> linsert list6 before 4 5
(integer) 5
127.0.0.1:6379> lrange list6 0 -1
1) "1"
2) "5"
3) "4"
4) "2"
5) "3"- lrem
# 根据参数count的值，移除列表中与参数value相等的元素
"""
count的值可以是以下几种：
count>0:从表头开始向表尾搜索，移除与value相等的元素，数量为count.
count<0:从表尾开始向表头搜索，移除与value相等的元素，数量为count的绝对值
count=0:移除表中所有与value相等的值
"""
lrem key count value
# 举例
127.0.0.1:6379> lpush list7 hello redis hello redis hello redis hello hello
(integer) 8
127.0.0.1:6379> lrange list7 0 -1
1) "hello"
2) "hello"
3) "redis"
4) "hello"
5) "redis"
6) "hello"
7) "redis"
8) "hello"
# count数值大于2，从左侧开始删count数量的value
127.0.0.1:6379> lrem list7 2 hello
(integer) 2
127.0.0.1:6379> lrange list7 0 -1
1) "redis"
2) "hello"
3) "redis"
4) "hello"
5) "redis"
6) "hello"
127.0.0.1:6379> linsert list7 before hello ceshi
(integer) 7
127.0.0.1:6379> lrange list7 0 -1
1) "redis"
2) "ceshi"
3) "hello"
4) "redis"
5) "hello"
6) "redis"
7) "hello"
# count数值小于0，从右侧开始删，删除count个value值
127.0.0.1:6379> lrem list7 -2 redis
(integer) 2
127.0.0.1:6379> lrange list7 0 -1
1) "redis"
2) "ceshi"
3) "hello"
4) "hello"
5) "hello"
# count等于0，删除该列表中所有的value值
127.0.0.1:6379> lrem list7 0 hello
(integer) 3
127.0.0.1:6379> lrange list7 0 -1
1) "redis"
2) "ceshi"- lset
# 通过索引来修改元素的值
# 当索引参数超出范围，对一个空列表进行lset时，返回一个错误
lset key index value
# 举例
127.0.0.1:6379> lpush list8 hello hello redis redis1
=> (integer) 4
127.0.0.1:6379> lrange list8 0 -1
1) "redis1"
=> 2) "redis"
3) "hello"
4) "hello"
127.0.0.1:6379> lset list8 3 nice
=> OK
127.0.0.1:6379> lrange list8 0 -1
1) "redis1"
=> 2) "redis"
3) "hello"
4) "nice"
# 超出范围报错
127.0.0.1:6379> lset list8 4 ceshi
(error) ERR index out of range- ltrim
# 对一个列表保留指定区间内的元素，不在区间的被删除
ltrim key start stop
# 举例
127.0.0.1:6379> rpush list9 a b c d e f g
=> (integer) 7
127.0.0.1:6379> lrange list9 0 -1
1) "a"
2) "b"
3) "c"
=> 4) "d"
5) "e"
6) "f"
7) "g"
127.0.0.1:6379> ltrim list9 0 3
=> OK
127.0.0.1:6379> lrange list9 0 -1
1) "a"
=> 2) "b"
3) "c"
4) "d"e、list类型数据操作注意事项
- list中保存的数据都是string类型的，数据总容量是有限的，最多232-1个元素(4294967295)
- list具有索引的概念，但是操作数据时通常以队列的形式进行入队出队操作或以栈的形式进行入栈出栈操作
- 获取全部数据操作结束索引设置为-1
- list可以对数据进行分页操作，通常第一页的信息来自于list，第二页及更多的信息通过数据库的形式加载
f、list类型应用场景
- 业务场景
- twitter、新浪微博、腾讯微博中个人用户的关注列表按照用户的关注顺序进行展示，粉丝列表需要将最近关注的粉丝列在前面
- 新闻、资讯类网站如何将最新的新闻或资讯按照发生的时间顺序展示？
- 企业运营过程中，系统将产生大量的运营数量，如何保障多台服务器操作日志的统一顺序输出？
- 解决方案：
- 依赖list的数据具有顺序的特征对信息进行管理
- 使用队列模型解决多路信息汇总合并的问题
- 使用栈模型解决最新消息的问题
- redis应用于最新消息的展示
4、set
a、set类型
- 新的存储需求：存储大量的数据，在查询方面提供更高的效率
- 需要的存储结构：能够保存大量的数据，高效的内部存储机制，便于查询
- set类型：与hash存储结构完全相同，仅存储键，不存储值(nil)，并且值不允许重复的
b、set类型数据的基本操作
- 添加数据
sadd key member1 [member2]- 获取全部数据
smembers key- 删除数据
srem key member1 [member2]- 获取集合数据总量
scard key- 判断集合中是否包含指定数据
sismember key member127.0.0.1:6379> sadd users zs
(integer) 1
127.0.0.1:6379> sadd users ls
(integer) 1
127.0.0.1:6379> sadd users ww
(integer) 1
127.0.0.1:6379> smembers users
1) "ww"
2) "ls"
3) "zs"
127.0.0.1:6379> srem users ww
(integer) 1
127.0.0.1:6379> smembers users
1) "ls"
2) "zs"
127.0.0.1:6379> scard users
(integer) 2
127.0.0.1:6379> sismember users ww
(integer) 0
127.0.0.1:6379> sismember users zs
(integer) 1c、其他命令
- sadd：添加元素到集合
# 将一个或多个成员元素加入到集合中，已经存在于集合的成员元素将被忽略。
sadd key member1 member2...
# 举例
1234:0>sadd set1 a
=> "1"
1234:0>sadd set1 b
=> "1"
1234:0>sadd set1 a
=> "0"
1234:0>smembers set1
1) "b"
=> 2) "a"- scard：元素集合中元素的数量
# 返回集合中元素的数量
scard key
# 举例
1234:0>scard set1
=> "2"- sdiff：返回第一个集合中独有的元素
# 返回第一个集合与其他集合之间的差异，也可以认为说第一个集合中独有的元素。不存在的集合key将视为空集。
"""
key1 = {a,b,c,d}
key2 = {c}
key3 = {a,c,e}
SDIFF key1 key2 key3 = {b,d}
"""
sdiff key1 [key2...]
# 举例
127.0.0.1:6379> smembers member1
1) "c"
=> 2) "b"
3) "a"
127.0.0.1:6379> smembers member2
1) "e"
=> 2) "c"
3) "d"
127.0.0.1:6379> sdiff member1 member2
1) "b"
=> 2) "a"- sdiffstore：将给定集合之间的差集存储在指定给的集合中。
# 将给定集合之间的差集存储在指定的集合中。如果指定的集合key已存在，则会被覆盖。也就是说将几个指定的集合差集结果存储到distination 这个集合中
sdiffstore distination key1 [key2 ...]
# 举例
127.0.0.1:6379> smembers myset
1) "bar"
2) "foo"
3) "hello"
127.0.0.1:6379> smembers myset2
1) "world"
2) "hello"
127.0.0.1:6379> sdiffstore myset3 myset myset2
(integer) 2
127.0.0.1:6379> smembers myset3
1) "bar"
2) "foo"- sinter：返回给定集合的交集。
# 返回给定所有集合的交集。不存在的集合key被视为空集。当给定集合当中有一个空集时，结果也是空集。
# 也就是说，返回这几个集合中共有的元素。
sinter key1 [key2 ...]
# 举例
127.0.0.1:6379> smembers myset
1) "bar"
=> 2) "foo"
3) "hello"
127.0.0.1:6379> smembers myset2
1) "world"
=> 2) "hello"
127.0.0.1:6379> sinter myset myset2
=> 1) "hello"- sinterstore：将给定集合之间的交集存储在指定的集合中。
# 将给定集合之间的交集存储在指定的集合中，如果指定的集合已经存在，则将其覆盖。
# 也就说将几个集合中共有的元素存储到distination集合中
sinterstore distination key1 [key2...]
# 举例：
127.0.0.1:6379> smembers myset
1) "bar"
=> 2) "foo"
3) "hello"
127.0.0.1:6379> smembers myset2
1) "world"
=> 2) "hello"
127.0.0.1:6379> sinterstore myset4 myset myset2
=> (integer) 1
127.0.0.1:6379> smembers myset4
=> 1) "hello"- sunion：返回给定集合的并集
# 返回给定集合的并集。不存在集合key被视为空集
# 也就是说返回几个集合的所有数据
sunion key1 [key2 ...]
# 举例：
127.0.0.1:6379> smembers member1
1) "c"
=> 2) "b"
3) "a"
127.0.0.1:6379> smembers member2
1) "e"
=> 2) "c"
3) "d"
127.0.0.1:6379> sunion member1 member2
1) "a"
2) "e"
=> 3) "d"
4) "c"
5) "b"- sunionstore：将给定集合的并集存储在指定的集合destination中。
# 将给定集合的并集存储在指定的集合destination中。如果destination已经存在，则将其覆盖。
sunionstore destination key1 [key2...]
# 举例：
127.0.0.1:6379> smembers member1
1) "c"
=> 2) "b"
3) "a"
127.0.0.1:6379> smembers member2
1) "e"
=> 2) "c"
3) "d"
127.0.0.1:6379> sunionstore member3 member1 member2
=> (integer) 5
127.0.0.1:6379> smembers member3
1) "a"
2) "e"
=> 3) "d"
4) "c"
5) "b"- sismember：判断该元素是否在集合中
# 判断该元素是否在集合中;返回1代表是
sismember key value
# 举例：
127.0.0.1:6379> smembers member3
1) "a"
2) "e"
=> 3) "d"
4) "c"
5) "b"
127.0.0.1:6379> sismember member3 a
=> (integer) 1- smove：将指定成员member从source集合移动到destination集合
# 将指定成员member元素从source集合移动到destination集合。
# smove是原子性操作
# 如果source集合不存在或不包含指定的member元素，则smove命令不执行任何操作，仅返回0。否则，member元素从source集合中被移除，并添加到destination集合中去。
# 当destination集合已经包含member元素时，smove只是简单地将source集合中的member元素删除。当source或destination不是集合类型时，返回一个错误。
# 成员元素被成功移除，返回1。
smove source destination member
# 举例：
127.0.0.1:6379> smembers member3
1) "e"
2) "a"
=> 3) "d"
4) "c"
5) "b"
127.0.0.1:6379> smembers member4
=> (empty list or set)
127.0.0.1:6379> smove member3 member4 a
=> (integer) 1
127.0.0.1:6379> smembers member3
1) "e"
=> 2) "d"
3) "c"
4) "b"
127.0.0.1:6379> smembers member4
=> 1) "a"- spop：移除并返回集合中的一个随机元素
# 用于移除集合中的指定key的一个或多个随机元素，移除后会返回移除的元素
spop key [count]
# 举例：
127.0.0.1:6379> smembers member3
1) "e"
=> 2) "d"
3) "c"
4) "b"
127.0.0.1:6379> spop member3
=> "e"
127.0.0.1:6379> spop member3
=> "d"
127.0.0.1:6379> spop member3 2
1) "b"
=> 2) "c"- srandmember：返回集合中一个或多个随机数
# 返回集合中的一个或多个随机数
srandmember key [count]
# 举例：
127.0.0.1:6379> smembers member5
1) "c"
2) "b"
=> 3) "a"
4) "d"
5) "e"
127.0.0.1:6379> srandmember member5
=> "c"
127.0.0.1:6379> srandmember member5
=> "d"
127.0.0.1:6379> srandmember member5 3
1) "d"
=> 2) "b"
3) "c"- srem：移除集合中的一个或多个成员元素。
# 移除集合中的一个或多个成员元素，不存在的成员元素会被忽略
srem key member1 [member2 ...]
# 举例：
127.0.0.1:6379> smembers member5
1) "d"
2) "e"
=> 3) "a"
4) "b"
5) "c"
127.0.0.1:6379> srem member5 a
=> (integer) 1
127.0.0.1:6379> srem member5 b c
=> (integer) 2- sscan：用于迭代集合中键的元素.
# 用于迭代集合中键的元素。sscan继承自scan
sscan key cursor [match pattern] [count count]
# cursor：游标
# pattern：匹配的模式
# count：指定从数据集中返回多少元素。默认值为10
# 举例：
> SADD myset1 "Google"
=> (integer) 1
> SADD myset1 "Runoob"
=> (integer) 1
> SADD myset1 "Taobao"
=> (integer) 1
> SSCAN myset1 0 match R*
1) "0"
=> 2) 1) "Runood、set类型数据的扩展操作
- 第一个：
- 业务场景
- 每位用户首次使用今日头条时会设置3项爱好的内容，但是后期为了增加用户的活跃度、兴趣点、必须让用户对其他信息类别逐渐产生兴趣，增加客户留存度，如何实现呢？
- 业务分析
- 系统分析出各个分类的最新或最热点信息条目并组织成set集合
- 随机挑选其中部分信息
- 配合用户关注信息分类中的热点信息组织成展示的全信息集合
- 解决方案
- 随机获取集合中指定数量的数据
srandmember key [count]- 随机获取集合中的某个数据并将该数据移出集合
spop key [count]- redis应用于随机推荐类信息检索，例如热点歌单推荐、热点新闻推荐、热点旅游线路、应用App推荐、大V推荐等
- 第二个：
- 业务场景
- 脉脉为了促进用户间的交流，保障业务成单率的提升，需要让每位用户拥有大量的好友，事实上职场新人不具有更多的职场好友，如何快速为用户积累更多的好友？
- 新浪微博为了增加用户热度，提高用户留存性，需要微博用户在关注更多的人，以此获得更多的信息或热门话题，如何提高用户关注他人的总量？
- QQ新用户入网年龄越来越低，这些用户的朋友圈交际圈非常小，往往集中在一所学校甚至一个班级中，如何帮助用户快速积累好友用户带来更多的活跃度？
- 微信公众号是微信信息流通的渠道之一，增加用户关注的公众号成为提高用户活跃度的一种方式，如何帮助用户积累更多关注的公众号？
- 美团外卖为了提升成单量，必须帮助用户挖掘美食需求，如何推荐给用户最适合自己的美食？
- 解决方案
- 求两个集合的交、并、差集
sinter key1 [key2]
sunion key1 [key2]
sdiff key1 [key2]- 求两个集合上交、并、差集并存储到指定集合中
sinterstore destination key1 [key2]
sunionstore destination key1 [key2]
sdiffstore destination key1 [key2]- 将指定数据从原始集合中移动到目标集合中
smove source destination member- redis应用于同类信息的关联搜索、二度关联搜索、深度关联搜索
- 显示共同关注(一度)
- 显示共同好友(一度)
- 由用户A出发，获取到用户B的好友信息列表(二度)
- 由用户A出发，获取到用户B的购物清单列表(二度)
- 由用户A出发，获取到用户B的游戏充值列表(二度)
- set类型数据操作的注意事项：
- set类型不允许数据重复，如果添加的数据在set中已经存在，将只保留一份
- set虽然与hash的存储结构相同，但是无法启动hash中的存储值的空间
- 第三个：
- 业务场景：
- 集团公司具有12000名员工，内部OA系统中具有700多个角色，3000多个业务操作，23000多种数据，每位员工具有一个或多个角色，如何快速进行业务操作的权限校验？
127.0.0.1:6379> sadd rid:001 getall
(integer) 1
127.0.0.1:6379> sadd rid:001 getbyid
(integer) 1
127.0.0.1:6379> sadd rid:002 getCount
(integer) 1
127.0.0.1:6379> sadd rid:002 getall
(integer) 1
127.0.0.1:6379> sadd rid:002 insert
(integer) 1
127.0.0.1:6379> sunionstore uid:007 rid:001 rid:002
(integer) 4
127.0.0.1:6379> smembers uid:007
1) "getbyid"
2) "getCount"
3) "getall"
4) "insert"- redis应用于同类型数据的快速去重
- 第四个：
- 业务场景：
- 公司对旗下新的网站做推广，统计网站的PV(访问量)、UV(独立访客)、IP（独立IP）
- PV：网站被访问次数，可通过刷新页面提高访问量
- UV：网站被不同用户访问的次数，可通过cookie统计访问量，相同用户切换ip地址，UV不变
- IP：网站被不同地址访问的总次数，可通过IP地址统计访问量，相同IP不同用户访问，IP不变
- 解决方案：
- 利用set集合的数据去重特征，记录各种访问数据
- 建立string类型数据，利用incr统计日访问量(PV)
- 建立set模型，记录不同cookie数量(UV)
- 建立set模型，记录不同IP数量(IP)
127.0.0.1:6379> sadd ips 1.2.3.4
(integer) 1
127.0.0.1:6379> sadd ips 2.3.4.5
(integer) 1
# 添加失败
127.0.0.1:6379> sadd ips 2.3.4.5
(integer) 0
127.0.0.1:6379> scard ips
(integer) 2- redis应用于同类型数据的快速去重
- 第四个：
- 业务场景：
- 黑名单
- 资讯类信息类网站追求高访问量，但是由于其信息的价值，往往容易被不法分子利用，通过爬虫技术，快速获取信息，个别特种行业网站信息通过爬虫获取分析后，可以转换成商业机密进行出售。例如第三方火车票、机票、酒店刷票代购软件，电商刷评论、刷好评。
- 同时爬虫带来的伪流量也会给经营者带来错觉，产生错误的决策，有效避免网站被爬虫反复爬取成为每个网站都要考虑的基本问题。在基于技术层面区分出爬虫用户后，需要将此类用户进行有效的屏蔽，这就是黑名单的典型应用。
- ps:不是说爬虫一定做摧毁性的工作，有些小型网站需要爬虫为其带来一些流量。
- 白名单
- 对于安全性更高的应用访问，仅仅靠黑名单是不能解决安全问题的，此时需要设定可访问的用户群体，依赖白名单做更为苛刻的访问验证。
- 解决方案：
- 基于经营战略设定问题用户发现、鉴别规则
- 周期性更新满足规则的用户黑名单，加入set集合
- 用户行为信息达到后与黑名单进行比对，确认行为去向
- 黑名单过滤IP地址：应用于开放游客访问权限的信息源
- 黑名单过滤设备信息：应用于限定访问的信息源
- 黑名单过滤用户：应用于基于访问权限的信息源
- redis应用于基于黑名单与白名单设定的服务控制
5、sorted_set
a、sorted_set类型
- 新的存储需求：数据排序有利于数据的有效展示，需要提供一种可以根据自身特征进行排序的方式
- 需要的存储结构：新的存储模型，可以保存可排序的数据
- sorted_set类型：在set的存储结构基础上添加可排序的字段
b、sorted_set类型数据的基本操作
- 添加数据
zadd key score1 member1 [score2 member2]
# 举例：成绩 94为成绩 zs为用户 94就是排序的字段[score]
127.0.0.1:6379> zadd scores 94 zs
(integer) 1
127.0.0.1:6379> zadd scores 100 ls
(integer) 1
127.0.0.1:6379> zadd scores 60 ww
(integer) 1
127.0.0.1:6379> zadd scores 47 zl
(integer) 1
127.0.0.1:6379> zadd scores 68 li 75 wi
(integer) 2- 获取全部数据
zrange key start stop [withscores]
zrevrange key start stop [withscores]
# 举例：
# 查看所有的成绩
127.0.0.1:6379> zrange scores 0 -1
1) "zl"
2) "ww"
3) "li"
4) "wi"
5) "zs"
6) "ls"
# 正向操作 从小到大
127.0.0.1:6379> zrange scores 0 -1 withscores
1) "zl"
2) "47"
3) "ww"
4) "60"
5) "li"
6) "68"
7) "wi"
8) "75"
9) "zs"
10) "94"
11) "ls"
12) "100"
# 反向操作 从大到小
127.0.0.1:6379> zrevrange scores 0 -1 withscores
1) "ls"
2) "100"
3) "zs"
4) "94"
5) "wi"
6) "75"
7) "li"
8) "68"
9) "ww"
10) "60"
11) "zl"
12) "47"- 删除数据
zrem key member [member ...]
# 举例：
127.0.0.1:6379> zrem scores ww
(integer) 1
127.0.0.1:6379> zrevrange scores 0 -1 withscores
1) "ls"
2) "100"
3) "zs"
4) "94"
5) "wi"
6) "75"
7) "li"
8) "68"
9) "zl"
10) "47"- 按条件获取数据
zrangebyscore key min max [withscores] [limit]
zrevrangebyscore key max min [withscores]
# 举例：
127.0.0.1:6379> zrange scores2 0 -1 withscores
1) "wangwu"
2) "45"
3) "zhangsan"
4) "67"
5) "zhouqi"
6) "71"
7) "lisi"
8) "92"
9) "zhaoliu"
10) "100"
# 正向获取50-80之间的数据
127.0.0.1:6379> zrangebyscore scores2 50 80 withscores
1) "zhangsan"
2) "67"
3) "zhouqi"
4) "71"
# 反向获取80-50之间的数据
127.0.0.1:6379> zrevrangebyscore scores2 80 50 withscores
1) "zhouqi"
2) "71"
3) "zhangsan"
4) "67"
# 根据score正向排序
127.0.0.1:6379> zrangebyscore scores2 50 99 withscores
1) "zhangsan"
2) "67"
3) "zhouqi"
4) "71"
5) "lisi"
6) "92"
# 正向获取50-99的前2个数据
127.0.0.1:6379> zrangebyscore scores2 50 99 withscores limit 0 2
1) "zhangsan"
2) "67"
3) "zhouqi"
4) "71"- 条件删除数据
zremrangebyrank key start stop
zremrangebyscore key min max
# 举例：
127.0.0.1:6379> zrangebyscore scores2 50 70 withscores
1) "zhangsan"
2) "67"
# 删除50-70之间的数据
127.0.0.1:6379> zremrangebyscore scores2 50 70
(integer) 1
# 删除后原集合中也被删除
127.0.0.1:6379> zrange scores2 0 -1 withscores
1) "wangwu"
2) "45"
3) "zhouqi"
4) "71"
5) "lisi"
6) "92"
7) "zhaoliu"
8) "100"
# 按照索引删除 删除0 和 1的索引
127.0.0.1:6379> zremrangebyrank scores2 0 1
(integer) 2
127.0.0.1:6379> zrange scores2 0 -1 withscores
1) "lisi"
2) "92"
3) "zhaoliu"
4) "100"- 注意：
- min和max用于限定搜索查询的条件
- start和stop用于限定查询范围，作用于索引，表示开始和结束索引
- offset和count用于限定查询范围，作用于查询结果，表示开始位置和数据总量
- 获取集合数据总量
zcard key # 查看某个集合有多少个元素
zcount key min max # 查看某个区间内的元素有多少个
# 举例：
127.0.0.1:6379> zcard scores2
(integer) 2
127.0.0.1:6379> zcount scores2 99 200
(integer) 1- 集合交、并操作
zinterstore destination numkeys key [key ...]
zunionstore destination numkeys key [key ...]
# 举例：
127.0.0.1:6379> zadd s1 50 aa 60 bb 70 cc
(integer) 3
127.0.0.1:6379> zadd s2 60 aa 40 bb 90 dd
(integer) 3
127.0.0.1:6379> zadd s3 70 aa 20 bb 100 dd
(integer) 3
127.0.0.1:6379> zinterstore s4 3 s1 s2 s3
(integer) 2
127.0.0.1:6379> zrange s4 0 -1
1) "bb"
2) "aa"
127.0.0.1:6379> zrange s4 0 -1 withscores
1) "bb"
2) "120"
3) "aa"
4) "180"
127.0.0.1:6379> zinterstore s5 3 s1 s2 s3 aggregate max
(integer) 2
127.0.0.1:6379> zrange s5 0 -1 withscores
1) "bb"
2) "60"
3) "aa"
4) "70"c、sorted_set类型数据的扩展操作
- 第一个：
- 业务场景：
- 票选广东十大杰出青年，各类综艺选秀投票
- 各类资源网站TOP10（电影、歌曲、文档、电商、游戏等）
- 聊天室活跃度统计
- 游戏好友亲密度
- 业务分析：
- 为所有参与排名的资源建立排序依据
- 解决方案：
- 获取数据对应的索引(排名)
zrank key member
zrevrank key member
# 举例：
127.0.0.1:6379> zadd movies 143 aa 97 bb 201 cc
(integer) 3
127.0.0.1:6379> zrank movies bb
(integer) 0
127.0.0.1:6379> zrevrank movies bb
(integer) 2- score值获取与修改
zscore key member
zincrby key increment member
# 举例：
127.0.0.1:6379> zadd movies 143 aa 97 bb 201 cc
(integer) 3)
127.0.0.1:6379> zscore movies aa
"143"
127.0.0.1:6379> zincrby movies 1 aa
"144"- redis应用于计数器组合排序功能对应的排名
- sorted_set类型数据操作的注意实现：
- score保存的数据存储空间是64位，如果是整数范围是-9007199254740992~9007199254740992
- score保存的数据也可以是一个双精度的double值，基于双精度浮点数的特征，可能会丢失精度，使用时候要慎重
- sorted_set底层存储还是基于set结构的，因此数据不能重复，如果重复添加相同的数据，score值将被反复覆盖，保留最后一次修改的结果
d、sorted_set类型应用场景
- 第一个：
- 业务场景：
- 基础服务+增值服务类网站会设定各位会员的试用，让用户充分体验会员优势。例如观影试用VIP、游戏VIP体验、云盘下载体验VIP、数据查看体验VIP。当VIP体验到期后，如果有效管理此类信息。即便对于正式VIP用户也存在对应的管理方式。
- 网站会定期开启投票、讨论，限时进行，逾期作废。如何有效管理此类过期信息
- 解决方案：
- 对于基于时间线限定的任务处理，将处理时间记录为score值，利用排序功能区分处理的先后顺序
- 记录下一个要处理的时间，当到期后处理对应任务，移除redis中的记录，并记录下一个要处理的时间
- 当新任务加入时，判定并更新当前下一个要处理的任务时间
- 为提升sorted_set的性能，通常将任务根据特征存储成若干个sorted_set。例如1小时内，1天内，周内，月内，季内，年度等，操作时逐级提升，将即将操作的若干个任务纳入到1小时内处理的队列中
- 获取当前系统时间:time
- redis应用于定时任务执行顺序管理或任务过期管理
- 第二个：
- 业务场景：
- 任务/消息权重设定应用
- 当任务或者消息待处理，形成了任务队列或消息队列时，对于高优先级的任务要保障对其优先处理，如何实现任务权重管理。
- 解决方案：
- 对于带有权重的任务，优先处理权重高的任务，采用score记录权重即可。
- 多条件任务权重设定：
- 如果权重条件过多时，需要对排序score值进行处理，保障score值能够兼容2条件或者多条件，例如外贸订单优先于国内订单，总裁订单优先于员工订单，经理订单优先于员工订单
- 因score长度受限，需要对数据进行拦截处理，尤其是时间设置为小时或分钟级即可(折算后)
- 先设定订单类别，后设定订单发起角色类别，整体score长度必须是统一的，不足位补0。第一排序规则首先不得是0
- 例如外贸101、国内102、经理004、员工008
- 员工下的外贸单score值为101008(优先)
- 经理下的国内单score值为102004
- redis应用于即时任务/消息队列执行管理
127.0.0.1:6379> zadd tasks 4 order:id:005
(integer) 1
127.0.0.1:6379> zadd tasks 1 order:id:425
(integer) 1
127.0.0.1:6379> zadd tasks 9 order:id:345
(integer) 1
127.0.0.1:6379> zrevrange tasks 0 -1 withscores
1) "order:id:345"
2) "9"
3) "order:id:005"
4) "4"
5) "order:id:425"
6) "1"
127.0.0.1:6379> zrevrange tasks 0 0
1) "order:id:345"
127.0.0.1:6379> zrem tasks order:id:345
(integer) 1
127.0.0.1:6379> zrevrange tasks 0 -1 withscores
1) "order:id:005"
2) "4"
3) "order:id:425"
4) "1"
######外贸单
127.0.0.1:6379> zadd tt 102004 order:id:1
(integer) 1
127.0.0.1:6379> zadd tt 101008 order:id:2
(integer) 1
127.0.0.1:6379> zrange tt 0 -1
1) "order:id:2"
2) "order:id:1"原创文章，作者：506227337，如若转载，请注明出处：https://blog.ytso.com/tech/database/244789.html