Redis的数据类型

Redis 数据类型

五种类型与类比java的模型

string --> String
hash --> Hashmap
list --> LinkList
set --> HashSet
sorted_set --> TreeSet

String类型

redis 数据存储格式
redis自身是一个Map类型的存储方式，其中所有的数据都是采用key:value的形式存储
我们讨论的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

String基本信息

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(但是仍是字符串)

常用命令
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 valueq 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）
append key value

String类型作为数值时的增减
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 //自增1
incrby key increment //增加指定数值
incrbyfloat key increment //增加一个浮点数

设置数值数据减少指定范围的值
decr key //自减1
decrby key increment //减少指定数值

String作为数值操作时的注意事项
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。
按数值进行操作的数据，如果原始数据不能转成数值，或超过了redis数值上线范围，将会报错。9223372036854775807 (java中long型数据最大值，Long.MAX_VALUE)
String 数据时效性设置
业务场景2
场景一：“某某综艺”，启动海选投票，只能通过微信投票，每个微信号每4个小时只能投1票。

场景二：电商商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

场景三：新闻网站会出现热点新闻，热点新闻最大的特征是对时效性，如何自动控制热点新闻的时效性

解决思路
给用户设置一个唯一的id，并为其设置一个有效时长，当时间已经超过设定时间后将id删除。

解决方案
设置数据具有指定的声明周期
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：

setex key seconds value //增加、修改键值对并为其设定生命周期
psetex key milliseconds value //功能与上面一直，秒的单位不同

String 类型的注意事项
数据操作成功与否的反馈
1、表示运行结果是否成功
 （integer)0 –> false 失败
 （integer)1 –> true 成功
 
2、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
String类型之高热度数据访问加速
业务场景3
主页高频访问信息显示控制，例如微博大V主页显示粉丝数与微博数量，这些数据就是热度数据，不断发生变化，这些数据如何放入Redis？

解决方案
两种实现方式：

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，后台设定时间定时刷新即可。

user: id :5765898790:focuss:3050
user: id :5765898790:fans:117492300
user: id :5765898790:blogs:117744
在Redis中以json格式存储大V用户，定时刷新。

set user: id :5765898790 {id:5765898790,focuss:3050,fans:117492300,blogs:117744}
数据库中的热点数据key命名惯例：

hash类型

String类型存储的困惑
对象类数据的存储如果具有较为频繁的更新需求，操作会显得笨重，存容易，改麻烦。
为了区别与Redis中的键值对的称呼，hash中的键成为field，而key特征Redis的键。

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
需要的内存结构：一个存储空间保存多少个键值对数据
hash类型：底层使用哈希表结构实现数据存储

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]

实例：

添加/修改多个数据
hmset key field1 value1 field2 calue2

获取多个数据
hmget key field1 field2 …

获取哈希表中字段的数量
hlen key

获取哈希表中是否存在指定的字段
hexists key field

hash类型数据扩展操作
获取哈希表中所有的字段名和字段值
hkeys key //字段名
hvals key //字段值

设置指定字段的数值数据增加指定范围的值
hincrby key field increment //指定数值增长指定的数
hincrbyfloat key field increment

user1年龄增加2岁，再增加0.5岁：

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，不允许存储其他类型数据，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设计不是为了存储大量对象的，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，如果内部fiekd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。
hash类型应用场景购物车
业务场景：电商网站购物车的设计与实现。

解决方案：

例如创建一个购物车：

当前仅仅是将数据存储到redis中，并没有起到加速的所用，因为我们仅仅查询到了用户的id和商品的id，显示的时候显示的用户名和商品的名称，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
1、命名格式：商品id:nums
2、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，所属商家信息等等
1、命名格式：商品id:info
2、保存数据：json

但是出现很多用户都将同一个商品假如购物车，就会出现大量的重复信息，例如商品信息重复：

因此我们可以将商品的信息单独的保存成一个哈希。

创建数据，如果有则不再创建，如果没有则创建
hsetnx key field value

Hash实现抢购，限购发放优惠券，激活码等

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
抢购时使用降至的方式控制产品数量

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
需要的存储数据：一个存储空间保存多个数据，且通过数据可以体现进入顺序
list类型：保存多个数据，底层使用双向链表存储结构实现

添加/修改数据
lpush key value1 [value2] …
rpush key value1 [value2] …

获取数据
lrange key start stop //获取从左数第start到stop个元素，从0开始
lindex key index //查询第i个元素
llen key //list的长度

获取并移除数据
lpop key //获取并删除左边第一个元素
rpop key //获取并删除右边第一个元素

list 类型数组扩展操作
规定时间内获取并移除数据
blpop key1 [key2] timeout
brpop key1 [key2] timeout

阻塞式获取，在规定时间内获取这个值，规定时间内如果还没有的时候可以等，直到有值就可以获取到获取超时获取为空。
开两个客户端，一个设置15s内获取list1中的值，此时list1位空一直等待(阻塞)，在15秒内另一个客户端存入到list1中数据，此时就被获取到。

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
移除指定数据
lrem key count value //count为移除的数量，value为移除哪个值

list类型数据操作注意事项
list 中保存的数据都是string类型的，数据总容量式是有限的，最多232-1个元素（4294967295）
list具有索引的概念，但是操作数据时候通常以队列的形式进行入队出队操作，或以栈的形式进入栈出栈的操作
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，通过第一页的信息来自list，第2页及更多的信息通过数据库的形式加载
list类型应用场景
业务场景-最新消息的展示
twitter、新浪微博、腾讯微博中个人用于的关注列表需要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事件顺序展示
企业运营过程中，系统将产生出大量的运营数据，如何保障堕胎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

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，搞笑的内部存储机制，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)，并且值式不允许重复的。也就是只有键没有值的hash
Set的基本操作
添加数据
sadd key menber1 [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 member

set类型数据的扩展操作
业务场景-随机操作数据
每位用户首次使用进入头条时候会设置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？

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

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。

业务场景-共同好友

例如：

解决方案
求两个集合的交、并、差集
sinter key1 [key2] //交集
sunion key1 [key2] //并集
sdiff key1 [key2] //差集(key1有但是key2没有的)

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]

将指定数据从原始集合移动到目标集合中
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）
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，但是无法启用hash中存储值的空间

业务场景-同类型不重复数据的合并操作

解决方案
依赖set集合数据不重复的特征，依赖set集合hash存储结构特征完成数据过滤与快速查询

根据用户id获取用户所有角色
根据用户所有角色获取用户所有操作权限放入set集合
根据用户所有觉得获取用户所有数据全选放入set集合
两种方法，其中第二种耦合度太高：

set业务场景-访问量统计去重

解决方案
针对不同的统计类型有不同的数据存储方式：

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，记录不用IP数量（IP)
set业务场景-黑白名单

解决方案
基于经营战略设定问题用户发现、鉴别规则
周期性更行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

sorted_set类型

新的存储需求：根据排序有利于数据的有效显示，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字段。

score只存储其顺序。

sorted_set类型数据的基本操作
添加数据
zadd key score1 member1 [score2 member2]

获取全部数据
zrange key start stop [WITHSCORES]//按照从小到大的顺序，加上WITHSCORES，就会带上scores一起显示
zrevrange key start stop [WITHSCORES]//按照从大到小的顺序

删除数据
zrem key member [member …]

按条件获取数据
//查询scores在某个范围内的值
zrangebyscore key min max [WITHSCORES] [LIMIT]
//查询key某个索引范围内的值
zrevrangebyscore key max min [WITHSCORES]
1
2
3
4
条件删除
zremrangebyrank key start stop
zremrangebyscore key min max
1
2
注意：

min与max用于限定搜索查询的条件
start与stop用于限定查询范围，作用于索引，表示开始和结束索引
offset与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 //获取总量
zcount key min max //获取某一个范围的总量

集合交、并存储操作
zinterstore destination numkeys key [key …] //求和
zunionstore destination numkeys key [key …]

sorted_set 类型数据的扩展操作
业务场景- 建立排序依据

解决方案
获取数据对应的索引（排名）
zrank key member //正数第几位
zrevrank key member //倒数第几位

score 值获取与修改
zscore key member //获取
zincrby key increment member //score递增 increment

sorted_set 类型数据操作的注意事项
score 保存的数据存储空间是64位
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，使用时侯要慎重
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
业务场景-会员短期体验之过期失效

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事件，当对比系统时间发现当然仍后到期后移除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，年度等，操作时逐渐提升，将即将操作的若干个任务纳入到1小时内处理队列中
time命令获取当前系统时间
数据类型实践案例
按次调用-计数器
如何实现这个每分钟只能调用10次呢？

解决方案
设计计数器，记录调用次数，用于控制业务执行次数。以用户id作为key,使用此时作为value
在调用前获取次数，判断是否超过限定次数，不超过次数的情况下，每次调用计数+1，业务调用失败，不递增
为了计数器设置生命周期为指定周期，例如10次/分钟，自动清空周期内使用次数。
解决方案改良

利用可以存储的最大值是9223372036854775807，超过这个值就会抛出异常的特性。假如一分钟只能访问5次，可以将初始值设置为9223372036854775802，每次访问都加1，访问5次后这个数就会溢出异常。

微信会话

解决方案
依赖list的数据具有顺序的特征对消息进行管理，将list结构作为栈使用
对指定与普通会话分别创建独立的list分别管理当某个list中接收到用户消息后，将消息发送方的id从list的一侧加入list(此处设定左侧）多个相同id发出的消息反复入栈会出现问题，在入栈之前无论是否具有当前id对应得消息，先删除对应id推送消息时先推送顶置会话list,再推送普通会话list,推送完成的list清除所有数据消息的数量，也就是微信用户对话数量采用计数器的思想另行记录，伴随list操作同步更新
应用总结

链接: https://blog.csdn.net/zzu_seu/article/details/106323114?spm=1001.2101.3001.6650.10&utm_medium=distribute.pc_relevant.none-task-blog-2_defaultBlogCommendFromBaidu_{default-10.highlightwordscore&depth_1-utm_source=distribute.pc_relevant.none-task-blog-2}default_{BlogCommendFromBaidu}default-10.highlightwordscore.