bin/redis-server redis.conf
3.2.8 关闭redis
bin/redis-cli -h node1.itcast.cn shutdown
3.2.9 连接redis客户端
node1.itcast.cn执行以下命令连接redis服务端
cd /export/server/redis-3.2.8/
bin/redis-cli -h node1.itcast.cn
3.3 Redis Desktop Manager
一款基于Qt5的跨平台Redis桌面管理软件，支持：Windows 7+、Mac OS X 10.10+、 Ubuntu 14+，特点： C++ 编写，响应迅速，性能好。
下载地址：`http://docs.redisdesktop.com/en/latest/install/#windows`
安装客户端，连接本地Redis服务：
备注说明：Redis Desktoo Manager老版本免费，新版本收费。
### Redis的数据类型
redis当中一共支持五种数据类型，分别是：
string字符串
list列表
set集合
hash表
zset有序集合
通过这五种不同的数据类型，可以实现各种不同的功能，也可以应用在各种不同的场景。
Redis当中各种数据类型结构如上图：
Redis当中各种数据类型的操作
#### 4.1 对字符串string的操作
下表列出了常用的 redis 字符串命令
#### 4.2 对hash列表的操作
Redis hash 是一个string类型的field和value的映射表，hash特别适合用于存储对象。
Redis 中每个 hash 可以存储 232 - 1 键值对（40多亿）
下表列出了 redis hash 基本的相关命令：
#### 4.3 对list列表的操作
list列表是简单的字符串列表，按照插入顺序排序。你可以添加一个元素到列表的头部（左边）或者尾部（右边）
一个列表最多可以包含 232 - 1 个元素 (4294967295, 每个列表超过40亿个元素)。
下表列出了列表相关的基本命令：
#### 4.4 对set集合的操作
Redis 的 Set 是 String 类型的无序集合。集合成员是唯一的，这就意味着集合中不能出现重复的数据
Redis 中集合是通过哈希表实现的，所以添加，删除，查找的复杂度都是 O(1)[最低时空复杂度，耗时与输入数据大小无关]。
集合中最大的成员数为 232 - 1 (4294967295, 每个集合可存储40多亿个成员)。
下表列出了 Redis 集合基本命令：
#### 4.5 对key的操作
下表给出了与 Redis 键相关的基本命令：
#### 4.6 对ZSet的操作
Redis有序集合和集合一样也是string类型元素的集合,且不允许重复的成员
它用来保存需要排序的数据，例如排行榜，一个班的语文成绩，一个公司的员工工资，一个论坛的帖子等。
有序集合中，每个元素都带有score（权重），以此来对元素进行排序
它有三个元素：key、member和score。以语文成绩为例，key是考试名称（期中考试、期末考试等），member是学生名字，score是成绩。
#### 4.7 对位图BitMaps的操作
计算机最小的存储单位是位bit，Bitmaps是针对位的操作的，相较于String、Hash、Set等存储方式更加节省空间
Bitmaps不是一种数据结构，操作是基于String结构的，一个String最大可以存储512M，那么一个Bitmaps则可以设置2^32个位
Bitmaps单独提供了一套命令，所以在Redis中使用Bitmaps和使用字符串的方法不太相同。可以把Bitmaps想象成一个存储0、1值的数组，数组的每个单元值只能存储0和1，数组的下标在Bitmaps中叫做偏移量
BitMaps 命令说明：将每个独立用户是否访问过网站存放在Bitmaps中， 将访问的用户记做1， 没有访问的用户记做0， 用偏移量作为用户的id 。
##### 4.7.1 设置值
SETBIT key offset value
setbit命令设置的vlaue只能是0或1两个值
设置键的第offset个位的值（从0算起），假设现在有20个用户，uid=0，5，11，15，19的用户对网站进行了访问， 那么当前Bitmaps初始化结果如图所示
具体操作过程如下， unique:users:2016-04-05代表2016-04-05这天的独立访问用户的Bitmaps
setbit unique:users:2016-04-05 0 1
setbit unique:users:2016-04-05 5 1
setbit unique:users:2016-04-05 11 1
setbit unique:users:2016-04-05 15 1
setbit unique:users:2016-04-05 19 1
很多应用的用户id以一个指定数字（例如10000） 开头， 直接将用户id和Bitmaps的偏移量对应势必会造成一定的浪费， 通常的做法是每次做setbit操作时将用户id减去这个指定数字。
在第一次初始化Bitmaps时， 假如偏移量非常大， 那么整个初始化过程执行会比较慢， 可能会造成Redis的阻塞。
##### 4.7.2 获取值
GETBIT key offset
获取键的第offset位的值（从0开始算），例：下面操作获取id=8的用户是否在2016-04-05这天访问过， 返回0说明没有访问过
getbit unique:users:2016-04-05 8
##### 4.7.3 获取Bitmaps指定范围值为1的个数
BITCOUNT key [start end]
例：下面操作计算2016-04-05这天的独立访问用户数量：
bitcount unique:users:2016-04-05
##### 4.7.4 Bitmaps间的运算
BITOP operation destkey key [key, …]
bitop是一个复合操作， 它可以做多个Bitmaps的and（交集） 、 or（并集） 、 not（非） 、 xor（异或） 操作并将结果保存在destkey中。 假设2016-04-04访问网站的userid=1， 2， 5， 9， 如图3-13所示：
setbit unique:users:2016-04-04 1 1
setbit unique:users:2016-04-04 2 1
setbit unique:users:2016-04-04 5 1
setbit unique:users:2016-04-04 9 1
例1：下面操作计算出2016-04-04和2016-04-05两天都访问过网站的用户数量， 如下所示。
bitop and unique:users:and:2016-04-04\_05 unique:users:2016-04-04 unique:users:2016-04-05
bitcount unique:users:2016-04-04\_05
例2：如果想算出2016-04-04和2016-04-03任意一天都访问过网站的用户数量（例如月活跃就是类似这种） ， 可以使用or求并集， 具体命令如下：
bitop or unique:users:or:2016-04-04\_05 unique:users:2016-04-04 unique:users:2016-04-05
bitcount unique:users:or:2016-04-04\_05
#### 4.8 对HyperLogLog结构的操作
##### 4.8.1 应用场景
HyperLogLog常用于大数据量的去重统计，比如页面访问量统计或者用户访问量统计。
要统计一个页面的访问量（PV），可以直接用redis计数器或者直接存数据库都可以实现，如果要统计一个页面的用户访问量（UV），一个用户一天内如果访问多次的话，也只能算一次，这样，我们可以使用SET集合来做，因为SET集合是有去重功能的，key存储页面对应的关键字，value存储对应的userid，这种方法是可行的。但如果访问量较多，假如有几千万的访问量，这就麻烦了。为了统计访问量，要频繁创建SET集合对象。
Redis实现HyperLogLog算法，HyperLogLog 这个数据结构的发明人 是Philippe Flajolet（菲利普·弗拉若莱）教授。Redis 在 2.8.9 版本添加了 HyperLogLog 结构。
##### 4.8.2 UV计算示例
node1.itcast.cn:6379> help @hyperloglog
PFADD key element [element …]
summary: Adds the specified elements to the specified HyperLogLog.
since: 2.8.9
PFCOUNT key [key …]
summary: Return the approximated cardinality（基数） of the set(s) observed by the HyperLogLog at key(s).
since: 2.8.9
PFMERGE destkey sourcekey [sourcekey …]
summary: Merge N different HyperLogLogs into a single one.
since: 2.8.9
Redis集成的HyperLogLog使用语法主要有pfadd和pfcount，顾名思义，一个是来添加数据，一个是来统计的。为什么用pf？是因为HyperLogLog 这个数据结构的发明人 是Philippe Flajolet教授 ，所以用发明人的英文缩写，这样容易记住这个语法了。
下面我们通过一个示例，来演示如何计算uv。
node1.itcast.cn:6379> pfadd uv user1
(integer) 1
node1.itcast.cn:6379> keys \*
1. “uv”
node1.itcast.cn:6379> pfcount uv
(integer) 1
node1.itcast.cn:6379> pfadd uv user2
(integer) 1
node1.itcast.cn:6379> pfcount uv
(integer) 2
node1.itcast.cn:6379> pfadd uv user3
(integer) 1
node1.itcast.cn:6379> pfcount uv
(integer) 3
node1.itcast.cn:6379> pfadd uv user4
(integer) 1
node1.itcast.cn:6379> pfcount uv
(integer) 4
node1.itcast.cn:6379> pfadd uv user5 user6 user7 user8 user9 user10
(integer) 1
node1.itcast.cn:6379> pfcount uv
(integer) 10
HyperLogLog算法一开始就是为了大数据量的统计而发明的，所以很适合那种数据量很大，然后又没要求不能有一点误差的计算，HyperLogLog 提供不精确的去重计数方案，虽然不精确但是也不是非常不精确，标准误差是 0.81%，不过这对于页面用户访问量是没影响的，因为这种统计可能是访问量非常巨大，但是又没必要做到绝对准确，访问量对准确率要求没那么高，但是性能存储方面要求就比较高了，而HyperLogLog正好符合这种要求，不会占用太多存储空间，同时性能不错
pfadd和pfcount常用于统计，需求：假如两个页面很相近，现在想统计这两个页面的用户访问量呢？这里就可以用pfmerge合并统计了，语法如例子：
node1.itcast.cn:6379> pfadd page1 user1 user2 user3 user4 user5
(integer) 1
node1.itcast.cn:6379> pfadd page2 user1 user2 user3 user6 user7
(integer) 1
node1.itcast.cn:6379> pfmerge page1+page2 page1 page2
OK
node1.itcast.cn:6379> pfcount page1+page2
(integer) 7
##### 4.8.3 HyperLogLog为什么适合做大量数据的统计
Redis HyperLogLog 是用来做基数统计的算法，HyperLogLog 的优点是，在输入元素的数量或者体积非常非常大时，计算基数所需的空间总是固定的、并且是很小的。
在 Redis 里面，每个 HyperLogLog 键只需要花费 12 KB 内存，就可以计算接近 2^64 个不同元素的基数。这和计算基数时，元素越多耗费内存就越多的集合形成鲜明对比。
但是，因为 HyperLogLog 只会根据输入元素来计算基数，而不会储存输入元素本身，所以 HyperLogLog 不能像集合那样，返回输入的各个元素。
什么是基数？
比如：数据集{1, 3, 5, 7, 5, 7, 8}，那么这个数据集的基数集{1, 3, 5, 7, 8}，基数（不重复元素）为5。基数估计就是在误差可接受的范围内，快速计算基数。
### Redis Java API操作[重点]
Redis不仅可以通过命令行进行操作，也可以通过JavaAPI操作，通过使用Java API来对Redis数据库中的各种数据类型操作。
#### 创建maven工程并导入依赖
#### API操作
package cn.itcast.redis.api_test;
import org.junit.Test;
import org.testng.annotations.AfterTest;
import org.testng.annotations.BeforeTest;
import redis.clients.jedis.Jedis;
import redis.clients.jedis.JedisPool;
import redis.clients.jedis.JedisPoolConfig;
import java.util.List;
import java.util.Map;
import java.util.Set;
public class RedisTest {
private JedisPool jedisPool;
private JedisPoolConfig config;
/*5.3 连接以及关闭redis客户端
因为后续测试都需要用到Redis连接，所以，我们先创建一个JedisPool用于获取Redis连接。此处，我们基于TestNG来测试各类的API。使用@BeforeTest在执行测试用例前，创建Redis连接池。使用@AfterTest在执行测试用例后，关闭连接池。
实现步骤：
1.创建JedisPoolConfig配置对象，指定最大空闲连接为10个、最大等待时间为3000毫秒、最大连接数为50、最小空闲连接5个
2.创建JedisPool
3.使用@Test注解，编写测试用例，查看Redis中所有的key
a)从Redis连接池获取Redis连接
b)调用keys方法获取所有的key
c)遍历打印所有key*/
@BeforeTest
public void redisConnectionPool(){
config = new JedisPoolConfig();
config.setMaxIdle(10);
config.setMaxWaitMillis(3000);
config.setMaxTotal(50);
config.setMinIdle(5);
jedisPool = new JedisPool(config, “node1.itcast.cn”, 6379);
}
@Test
public void testConnect() {
Jedis jedis = jedisPool.getResource();
Set<String> keySet = jedis.keys("\*");
for (String s : keySet) {
System.out.print(s + " ");
}
}
/\*5.4 操作string类型数据
1.添加一个string类型数据，key为pv，用于保存pv的值，初始值为0
2.查询该key对应的数据
3.修改pv为1000
4.实现整形数据原子自增操作 +1
5.实现整形该数据原子自增操作 +1000*/
@Test
public void stringOpTest() {
Jedis connection = jedisPool.getResource();
// 1. 添加一个string类型数据，key为pv，初始值为0
connection.set(“pv”, “0”);
// 2. 查询该key对应的数据
System.out.println("原始pv为:" + connection.get("pv"));
// 3. 修改pv为1000
connection.set("pv", "1000");
System.out.println("修改pv为:" + connection.get("pv"));
// 4. 实现整形数据原子自增操作 +1
connection.incr("pv");
System.out.println("pv自增1：" + connection.get("pv"));
// 5. 实现整形该数据原子自增操作 +1000
connection.incrBy("pv", 1000);
System.out.println("pv自增1000：" + connection.get("pv"));
}
/\*5.5 操作hash列表类型数据
1.往Hash结构中添加以下商品库存
a)iphone11 => 10000
b)macbookpro => 9000
2.获取Hash中所有的商品
3.新增3000个macbookpro库存
4.删除整个Hash的数据*/
@Test
public void hashOpTest() {
Jedis connection = jedisPool.getResource();
// 1. 往Hash结构中添加以下商品库存
// a) iphone11 => 10000
// b) macbookpro => 9000
connection.hset(“goodsStore”, “iphone11”, “10000”);
connection.hset(“goodsStore”, “macbookpro”, “9000”);
// 2. 获取Hash中所有的商品
Map<String, String> keyValues = connection.hgetAll("goodsStore");
for (String s : keyValues.keySet()) {
System.out.println(s + " => " + keyValues.get(s));
}
// 3. 修改Hash中macbookpro数量为12000
// 方式一：
// connection.hset("goodsStore", "macbookpro", "12000");
// 方式二：
connection.hincrBy("goodsStore", "macbookpro", 3000);
System.out.println("新增3000个库存后：macbookpro => " + connection.hget("goodsStore", "macbookpro"));
// 4. 删除整个Hash的数据
connection.del("goodsStore");
}
/\*5.6 操作list类型数据
1.向list的左边插入以下三个手机号码：18511310001、18912301231、18123123312
2.从右边移除一个手机号码
3.获取list所有的值*/
@Test
public void listOpTest() {
Jedis connection = jedisPool.getResource();
// 1. 向list的左边插入以下三个手机号码：18511310001、18912301231、18123123312
connection.lpush(“telephone”, “18511310001”, “18912301231”, “18123123312”);
// 2. 从右边移除一个手机号码
connection.rpop("telephone");
// 3. 获取list所有的值
List<String> telList = connection.lrange("telephone", 0, -1);
for (String tel : telList) {
System.out.print(tel + " ");
}
}
/\*5.7 操作set类型的数据
使用set来保存uv值，为了方便计算，将用户名保存到uv中。
1.往一个set中添加页面 page1 的uv，用户user1访问一次该页面
2.user2访问一次该页面
3.user1再次访问一次该页面
网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。
一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！
/*5.7 操作set类型的数据
使用set来保存uv值，为了方便计算，将用户名保存到uv中。
1.往一个set中添加页面 page1 的uv，用户user1访问一次该页面
2.user2访问一次该页面
3.user1再次访问一次该页面
[外链图片转存中…(img-cUnRZyPt-1714280343396)]
[外链图片转存中…(img-9XMH5WA7-1714280343396)]
网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。
一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！
扫一扫
2822
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
