资料总结
wulinghui
2022-02-17
目录

数据类型的应用场景

# String

# 常用操作

  • 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)

# 原子加减

  • 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

# 场景

# 单值缓存

  • SET key value
  • GET key

# 对象缓存

  • SET user:1 value(json格式数据)
  • MSET user:1:name zhuge user:1:balance 1888

# 分布式锁

  • SETNX product:10001 0 //返回1代表获取锁成功 //返回0代表获取锁失败
  • DEL product:10001 //执行完业务释放锁

# 计数器

  • INCR article:readcount:{文章id}
  • GET article:readcount:{文章id}

# 分布式系统全局序列号

  • INCRBY orderId 1000 //redis批量生成序列号提升性能

# hash

# 常用操作

  • HSET key field value //存储一个哈希表key的键值
  • HSETNX key field value //存储一个不存在的哈希表key的键值
  • HMSET key field value [field value ...] //在一个哈希表key中存储多个键值对
  • HGET key field //获取哈希表key对应的field键值
  • HMGET key field [field ...] //批量获取哈希表key中多个field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

# 场景

# 对象缓存

  • HMSET user 1:name zhuge 1:balance 1888
  • HMGET user 1:name 1:balance

# 购物车

  • 添加商品 hset cart:1001 10088 1
  • 增加数量 hincrby cart:1001 10088 1
  • 商品总数 hlen cart:1001
  • 删除商品 hdel cart:1001 10088
  • 获取购物车所有商品 hgetall cart:1001

# 优点

  • 同类数据归类整合储存，方便数据管理
  • 相比string操作消耗内存与cpu更小
  • 相比string储存更节省空间

# 缺点

  • 过期功能不能使用在field上，只能用在key上
  • Redis集群架构下不适合大规模使用，bigKey的产生，key偏移，因为无法进行数据分片存储，会导致数据过于集中，从而导致单节点压力过大

# list

# 常用操作

  • 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

# 场景

# 栈

LPUSH + LPOP

# 队列

LPUSH + RPOP

# 阻塞队列

LPUSH + BRPOP

# 消息流

  • 发消息 LPUSH msg:{User_ID} 10018

  • 查看最新消息 LRANGE msg:{User_ID} 0 4

# set

# 常用操作

  • 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

# 运算操作

  • SINTER key [key ...] //交集运算
  • SINTERSTORE destination key [key ..] //将交集结果存入新集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

# 应用场景

# 抽奖

  • 点击参与抽奖加入集合 SADD key {userlD}

  • 查看参与抽奖所有用户 SMEMBERS key

  • 抽取count名中奖者

    • SRANDMEMBER key [count]
    • SPOP key [count]

# 点赞，收藏，标签

  • 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}

# 关注模型

  • 共同关注

    SINTER ASet BSet // 交集

  • 我关注的人也关注他

    SISMEMBER ASet zhangsan

    SISMEMBER BSet zhangsan

    共同判断,是否存在

  • 可能认识的人

    SDIFF ASet BSet // 差集

# 商品筛选

  • SADD brand:huawei P40
  • SADD brand:xiaomi mi-10
  • SADD brand:iPhone iphone12
  • SADD os:android P40 mi-10
  • SADD cpu:brand:intel P40 mi-10
  • SADD ram:8G P40 mi-10 iphone12
  • 交集筛选:
  • SINTER os:android cpu:brand:intel ram:8G
  • 结果: {P40，mi-10}

# zset

# 常用操作

  • 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

# 集合操作

  • ZUNIONSTORE destkey numkeys key [key ...] //并集计算
  • ZINTERSTORE destkey numkeys key [key …] //交集计算

# 应用场景

  • 点击新闻 ZINCRBY hotNews:20190819 1 守护香港
  • 展示当日排行前十
  • 七日搜索榜单计算
  • 展示七日排行前十

# BitMap

# 常用操作

  • setbit key offset value // 对 key 所储存的字符串值，设置或清除指定偏移量上的位(bit)

  • getbit key offset // 对 key 所储存的字符串值，获取指定偏移量上的位 ( bit )

  • BITCOUNT key [start] [end] //统计字符串被设置为1的bit数.

# 集合操作

  • BITOP AND destkey key [key ...] ，对一个或多个 key 求逻辑并，并将结果保存到 destkey 。
  • BITOP OR destkey key [key ...] ，对一个或多个 key 求逻辑或，并将结果保存到 - destkey 。
  • BITOP XOR destkey key [key ...] ，对一个或多个 key 求逻辑异或，并将结果保存到 destkey 。
  • BITOP NOT destkey key ，对给定 key 求逻辑非，并将结果保存到 destkey 。

# 应用场景

  • 海量数据统计，统计10W日活用户

  • 高效统计，汉明重量算法

    统计一个位数组中非0位的数量，数学上称作：”Hanmming Weight“，汉明重量

  • 布尔过滤器

  • 实现用户上线次数统计

  • 用户在线状态及人数统计记录

  • 连续7日活跃用户

# 注意事项

  • 需要体量大，切间隙少的情况下可以用

# HyperLogLog

# 常用操作

  • PFADD key element [element …] // 添加指定元素到 HyperLogLog 中。
  • PFCOUNT key [key …] //返回给定 HyperLogLog 的基数(不重复元素的个数)估算值。
  • PFMERGE destkey sourcekey [sourcekey …] // 将多个 HyperLogLog 合并为一个 HyperLogLog

# 应用场景

  • 计算日活、7日活、月活数据

    127.0.0.1:6379> PFADD ip_20190301 "192.168.0.1" "192.168.0.6" "192.168.0.7"
(integer) 1
# 返回 ip_20190301 包含的唯一元素的近似数量
127.0.0.1:6379> PFCOUNT ip_20190301
(integer) 4
127.0.0.1:6379> PFADD ip_20190301 "192.168.0.5"
(integer) 1
127.0.0.1:6379> PFCOUNT ip_20190301
(integer) 5
127.0.0.1:6379> PFADD ip_20190302 "192.168.0.1" "192.168.0.6" "192.168.0.7"
(integer) 1
# 返回 ip_20190301 和 ip_20190302 包含的唯一元素的近似数量
127.0.0.1:6379> PFCOUNT ip_20190301 ip_20190302
(integer) 7
    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14

# GEO

# GeoHash算法

GeoHash利用Z阶曲线进行编码，Z阶曲线可以将二维所有点都转换成一阶曲线。地理位置坐标点通过编码转化成一维值，利用 有序数据结构如B树、SkipList等，均可进行范围搜索。因此利用GeoHash算法查找邻近点比较快

# 缺点

Z 阶曲线有一个比较严重的问题，虽然有局部保序性，但是它也有突变性。在每个 Z 字母的拐角，都有可能出现顺序的突变。

# 常用操作

  • 添加经纬度信息 geoadd cityGeo 116.405285 39.904989 "北京"
  • 查找指定key的经纬度信息，可以指定多个key，批量返回 geopos cityGeo 北京
  • 返回两个地方的距离 geodist cityGeo 北京 上海
  • 根据给定的经纬度，返回半径不超过指定距离的元素 georadius cityGeo 116.405285 39.904989 100 km WITHDIST WITHCOORD ASC COUNT 5
  • 根据指定的地点查询半径在指定范围内的位置 georadiusbymember cityGeo 北京 100 km WITHDIST WITHCOORD ASC COUNT 5

georadiusbymember 和 GEORADIUS 命令一样， 都可以找出位于指定范围内的元素， 但是 georadiusbymember 的中心点是由给定的位置元素决定的， 而不是使用经度和纬度来决定中心点。

# 参数说明

  • m ：米，默认单位。

  • km ：千米。

  • mi ：英里。

  • ft ：英尺。

  • WITHDIST: 在返回位置元素的同时， 将位置元素与中心之间的距离也一并返回。

  • WITHCOORD: 将位置元素的经度和维度也一并返回。

  • WITHHASH: 以 52 位有符号整数的形式， 返回位置元素经过原始 geohash 编码的有序集合分值。 这个选项主要用于底层应用或者调试， 实际中的作用并不大。

  • COUNT 限定返回的记录数。

  • ASC: 查找结果根据距离从近到远排序。

  • DESC: 查找结果根据从远到近排序。

# 参考资料

Redis 命令大全 (opens new window)

Redis基础总结 (opens new window)

Redis-hash类型数据实现购物车 (opens new window)

使用Redis实现关注关系 (opens new window)

Redis实现好友关注关系的思路 (opens new window)

Redis：Bitmap的setbit,getbit,bitcount,bitop等使用与应用场景 (opens new window)

Redis HyperLogLog 基数统计 (opens new window)

redis的GEO实战 (opens new window)

编辑 (opens new window)
上次更新: 2023/01/24, 15:21:15
运维内容
持久化

← 持久化→

最近更新
01
架构升级踩坑之路
02-27
02
总结
02-27
03
语法学习
02-27
更多文章>
| Copyright © 2021-2025 Wu lingui |