Redis 数据类型 Set

Set类型的使用

• 存储大量的数据，在查询方面提供更高的效率
• 能够保存大量的数据，高效的内部存储机制，便于查询
• 自动去重
• 与hash存储结构完全相同，仅存储键，不存储值（nil），并且值是不允许重复的

注意:set 虽然与hash的存储结构相同，但是无法启用hash中存储值的空间

无序集合

• sadd

给name对应的集合中添加元素
sadd(self, name, *values)

案例:

red.sadd("name_set","aa", 'aa', 'bb')  # 无序,自动去重
print(red.smembers('name_set'))  # {b'aa', b'bb'}
red.sadd("name_set","aa","bb", 'cc')
print(red.smembers('name_set'))  # {b'cc', b'aa', b'bb'}

• smembers

获取指定集合中所有值
smembers(self, name)

• scard

获取name对应的集合中的元素个数
smembers(self, name)

案例:

print(red.scard("name_set"))  # 3

• sdiff

在第一个name对应的集合中且不在其他name对应的集合的元素集合
sdiff(self, keys, *args)

案例:

red.sadd("name","aa","bb")
red.sadd("name1","bb","cc")
red.sadd("name2","bb","cc","dd")

print(red.sdiff("name","name1","name2"))  # 输出:｛aa｝

• smove

将某个元素从一个集合中移动到另外一个集合
smove(self, src, dst, value)

案例:

red.sadd("name_set","aa", 'bb', 'cc')
red.sadd('set1', 'dd')
red.smove('name_set', 'set1', 'bb')
print(red.smembers('set1'))  # {b'dd', b'bb'}
print(red.smembers('name_set'))  # {b'cc', b'aa'}

• spop

随机从集合中移除一个元素，并将其返回
spop(self, name)

案例:

red.sadd("set2","aa", 'bb', 'cc')
print(red.spop('set2'))  # b'bb'

• srem

在name对应的集合中删除某些值
srem(name, values)

案例:

red.sadd("set3","aa", 'bb', 'cc')
print(red.srem('set3', 'cc'))  # 1 返回删除的元素的个数
print(red.smembers('set3'))  # {b'aa', b'bb'}

• srandmember

随机获取集合中指定数量的数据
srandmember key [count]

案例:

127.0.0.1:6379> SMEMBERS news
1) "n4"
2) "n3"
3) "n2"
4) "n1"
5) "n5"
127.0.0.1:6379> SRANDMEMBER news 1
1) "n4"
127.0.0.1:6379> SRANDMEMBER news 3
1) "n4"
2) "n3"
3) "n1"

• sinter / sunion / sdiff

求两个集合的交、并、差集
sinter key1 [key2]
sunion key1 [key2]
sdiff key1 [key2]

案例:

127.0.0.1:6379> sadd t1 n1 n2 n3 n4
(integer) 4
127.0.0.1:6379> sadd t2 n3 n5 n6
(integer) 3
127.0.0.1:6379> SINTER t1 t2
1) "n3"
127.0.0.1:6379> SUNION t1 t2
1) "n5"
2) "n4"
3) "n6"
4) "n3"
5) "n1"
6) "n2"
127.0.0.1:6379> SDIFF t1 t2
1) "n4"
2) "n1"
3) "n2"

• sinterstore / sunionstore / sdiffstore

求两个集合的交、并、差集并存储到指定集合中
sinterstore destination key1 [key2]
sunionstore destination key1 [key2]
sdiffstore destination key1 [key2]

案例:

127.0.0.1:6379> SINTERSTORE t3 t1 t2
(integer) 1
127.0.0.1:6379> SMEMBERS t3
1) "n3"

set类型涉及的场景及解决方案

• 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，热卖旅游线路，应用APP推荐，大V推荐等

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？

解决方案:

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,利用srandmember指令

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

• 应用于同类信息的关联搜索，二度关联搜索，深度关联搜索

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:

利用set的交集并集差集

显示共同关注（一度）
显示共同好友（一度）
由用户A出发，获取到好友用户B的好友信息列表（一度）
由用户A出发，获取到好友用户B的购物清单列表（二度）
由用户A出发，获取到好友用户B的游戏充值列表（二度）

• 应用于基于黑名单与白名单设定的服务控制

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：应用于限定访问设备的信息源
黑名单过滤用户：应用于基于访问权限的信息源