Redis 之五种数据类型简介

最新推荐文章于 2024-09-07 15:59:46 发布
最新推荐文章于 2024-09-07 15:59:46 发布
阅读量483 收藏 1
点赞数
分类专栏： Redis
版权声明：本文为博主原创文章，遵循 CC 4.0 BY 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/const_/article/details/107041555
版权

文章目录

Redis 命令参考

数据结构和内部编码

type命令实际返回的就是当前键的数据结构类型。
object encoding命令查询内部编码。
Redis 支持 5 种数据类型：String（字符串），Hash（哈希），List（列表），Set（集合），Zset（SortedSet：有序集合）
Redis的5种数据结构：
在这里插入图片描述
Redis数据结构和内部编码：
在这里插入图片描述
Redis内部设计不同编码的好处：可以随时改进内部编码结构，而对外的数据结构和命令没有影响；Redis会根据值在内部切换适合的内部编码结构，不用的内部编码在不同场景下发挥各自的优势；比如字符串就一个数字，就会使用int，如果是一小段字符串，就使用embstr，如果是一段很长的字符串，就使用raw；例如ziplist比较节省内存，但是在列表元素比较多的情况下，性能就会下降，这时Redis会在内部转化为linkedlist。

全局命令

查看所有键：keys *
键总数：dbsize
dbsize命令在计算键总数时不会遍历所有键，而是直接获取Redis内置的键总数变量，所以dbsize命令的时间复杂度是O（1）。而keys命令会遍历所有键，所以它的时间复杂度是O（n），当Redis保存了大量键时，线上环境禁止使用。
检查键是否存在：exists key（键存在则返回1，不存在则返回0）
删除键：del key [key ...]（返回结果为成功删除键的个数，假设删除一个不存在的键，就会返回 0）
设置键过期时间：expire key seconds
查看键剩余过期时间：ttl key（大于等于0的整数：键剩余的过期时间，单位秒、-1：键没设置过期时间、-2：键不存在）
键的数据结构类型：type key（分别是：string、hash、list、set、zset；键不存在返回：none）

单线程架构

Redis使用了单线程架构和I/O多路复用模型来实现高性能的内存数据库服务。

客户端调用Redis服务经历了发送命令、执行命令、返回结果三个过程。
在这里插入图片描述

一条命令从客户端达到服务端不会被立刻执行，所有命令都会进入一个队列中，然后逐个被执行。
在这里插入图片描述
为什么Redis使用单线程模型会达到每秒万级别的处理能力呢？

  • 纯内存访问。
  • 使用I/O多路复用技术的实现。
  • 单线程避免了线程切换和竞态产生的消耗。
  • Redis是C语言开发的，C语言是操作系统语言，执行快。

简单理解IO多路复用： 服务端可以同时hold住多个IO入内存队列，然后每次选出一个sock，然后对这个sock上的事件进行处理。

单线程会有一个问题： 对于每个命令的执行时间是有要求的。如果某个命令执行过长，会造成其他命令的阻塞，对于Redis这种高性能的服务来说是致命的，所以Redis是面向快速执行场景的数据库。

字符串（String）

字符串类型的值实际可以是字符串（简单的字符串、复杂的字符串（例如JSON、XML））、数字 （整数、浮点数），甚至是二进制（图片、音频、视频），但是值最大不能 超过512MB。

设置值：set key value [ex seconds] [px milliseconds] [nx|xx]

  • ex seconds：为键设置秒级过期时间。
  • px milliseconds：为键设置毫秒级过期时间。
  • nx：键必须不存在，才可以设置成功，用于添加。
  • xx：与nx相反，键必须存在，才可以设置成功，用于更新。

setnx、setex的作用和nx、ex选项一样。
setex：设置键并同时设置过期时间，减少一次和Redis服务的网络传输。

注： 因为 SET 命令可以通过参数来实现和 SETNX 、 SETEX 和 PSETEX 三个命令的效果，所以将来的 Redis 版本可能会废弃并最终移除 SETNX 、 SETEX 和 PSETEX 这三个命令。所以建议使用 SET 命令并结合参数使用。

批量操作：mset、mget
在这里插入图片描述
在这里插入图片描述
Redis可以支撑每秒数万的读写操作，但是这指的是Redis服务端的处理能力，对于客户端来说，一次命令除了命令时间还是有网络时间，因为Redis的处理能力已经足够高，对于开发人员来说，网络可能会成为性能的瓶颈。

计数：incr key（默认自增1，键不存在从0开始自增）
自减：decr key
自增指定数字： incrby key increment
自减指定数字： decrby key decrement

追加值：append key value
字符串长度（返回字节数，一个字母或符号占一个字节，一个中文占三个字节）：strlen key
设置并返回原值：getset key value

使用场景：

  • 缓存功能
  • 计数
  • 共享Session
  • 限速
    很多应用出于安全的考虑，会在每次进行登录时，让用户输入手机验证码，从而确定是否是用户本人。但是为了短信接口不被频繁访问，会限制用户每分钟获取验证码的频率，例如一分钟不能超过5次。
phoneNum = "138xxxxxxxx"; 
key = "shortMsg:limit:" + phoneNum; 
// SET key value EX 60 NX 
isExists = redis.set(key,1,"EX 60","NX"); 
if(isExists != null || redis.incr(key) <=5)
{ // 通过 }
else
{// 限速 }

内部编码：
Redis会根据当前值的类型和长度决定使用哪种内部编码实现。
字符串类型的内部编码有3种：int（整型）、embstr（小于等于39个字节）、raw（大于39个字节）。

哈希（Hash）

在Redis中，哈希类型是指键值本身又是一个键值 结构，形如value={{field1，value1}，…{fieldN，valueN}}。
在这里插入图片描述
设置值：hset key field value（设置成功会返回1，反之会返回0）
Redis提供了hsetnx命令，它 们的关系就像set和setnx命令一样，只不过作用域由键变为field。
获取值：hget key field（如果键或field不存在，会返回nil）
删除field：hdel key field [field ...]（返回结果为成功删除field的个数）
计算field个数：hlen key

常用命令：hget,hset,hgetall

应用场景：

我们简单举个实例来描述下Hash的应用场景，比如我们要存储一个用户信息对象数据，包含以下信息：
用户ID，为查找的key，
存储的value用户对象包含姓名name，年龄age，生日birthday 等信息，
如果用普通的key/value结构来存储，主要有以下2种存储方式：
第一种方式将用户ID作为查找key,把其他信息封装成一个对象以序列化的方式存储，
如：set u001 “李三,18,20010101”
这种方式的缺点是，增加了序列化/反序列化的开销，并且在需要修改其中一项信息时，需要把整个对象取回，并且修改操作需要对并发进行保护，引入CAS等复杂问题。
第二种方法是这个用户信息对象有多少成员就存成多少个key-value对儿，用用户ID+对应属性的名称作为唯一标识来取得对应属性的值，
如：mset user:001:name "李三 "user:001:age18 user:001:birthday “20010101”
虽然省去了序列化开销和并发问题，但是用户ID为重复存储，如果存在大量这样的数据，内存浪费还是非常可观的。
那么Redis提供的Hash很好的解决了这个问题，Redis的Hash实际是内部存储的Value为一个HashMap，
并提供了直接存取这个Map成员的接口，
如：hmset user:001 name “李三” age 18 birthday “20010101”
也就是说，Key仍然是用户ID,value是一个Map，这个Map的key是成员的属性名，value是属性值，
这样对数据的修改和存取都可以直接通过其内部Map的Key(Redis里称内部Map的key为field), 也就是通过
key(用户ID) + field(属性标签) 操作对应属性数据了，既不需要重复存储数据，也不会带来序列化和并发修改控制的问题。很好的解决了问题。
这里同时需要注意，Redis提供了接口(hgetall)可以直接取到全部的属性数据,但是如果内部Map的成员很多，那么涉及到遍历整个内部Map的操作，由于Redis单线程模型的缘故，这个遍历操作可能会比较耗时，而另其它客户端的请求完全不响应，这点需要格外注意。
实现方式：
上面已经说到Redis Hash对应Value内部实际就是一个HashMap，实际这里会有2种不同实现，这个Hash的成员比较少时Redis为了节省内存会采用类似一维数组的方式来紧凑存储，而不会采用真正的HashMap结构，对应的value redisObject的encoding为zipmap,当成员数量增大时会自动转成真正的HashMap,此时encoding为ht。

内部编码：
哈希类型的内部编码有两种：

  • ziplist（压缩列表）使用更加紧凑的结构实现多个元素的连续存储，所以在节省内存方面比hashtable更加优秀。当有value大于64字节或者field个数超过512，此时ziplist的读写效率会下降，内部编码会变为hashtable。
  • hashtable（哈希表）hashtable的读写时间复杂度为O（1）。

列表（List）

在这里插入图片描述
在这里插入图片描述
使用场景：

  • 消息队列（lpush+brpop）
    - 消息队列
  • lpush+lpop=Stack（栈）
  • lpush+rpop=Queue（队列）
  • lpsh+ltrim=Capped Collection（有限集合）
  • lpush+brpop=Message Queue（消息队列）

内部编码：

  • ziplist
  • linkedlist：某个元素超过64字节或元素个数超过512使用
  • quicklist：结合了ziplist和linkedlist两者的优势

集合（Set）

Redis除了支持集合内的增删改查，同时还支持多个集合取交集、并集、差集。

给用户添加标签：

sadd user:1:tags tag1 tag2 tag5 
sadd user:2:tags tag2 tag3 tag5 
... 
sadd user:k:tags tag1 tag2 tag4 
...

给标签添加用户：

sadd tag1:users user:1 user:3 
sadd tag2:users user:1 user:2 user:3 
... 
sadd tagk:users user:1 user:2 
...

计算用户共同感兴趣的标签：

sinter user:1:tags user:2:tags

应用场景通常为以下几种：

  • sadd=Tagging（标签）
  • spop/srandmember=Random item（生成随机数，比如抽奖）
  • sadd+sinter=Social Graph（社交需求）
    在这里插入图片描述
    集合间的运算在元素较多的情况下会比较耗时，所以Redis提供了上面 三个命令（原命令+store）将集合间交集、并集、差集的结果保存在 destination key中。

常用命令： sadd,srem,spop,sdiff ,smembers,sunion。

应用场景：
共同的好友，共同的兴趣爱好，共同关注的人。
集合类型比较典型的使用场景是标签（tag）。例如一个用户可能对娱乐、体育比较感兴趣，另一个用户可能对历史、新闻比较感兴趣，这些兴趣点就是标签。有了这些数据就可以得到喜欢同一个标签的人，以及用户的共同喜好的标签，这些数据对于用户体验以及增强用户黏度比较重要。例如一个电子商务的网站会对不同标签的用户做不同类型的推荐，比如对数码产品比较感兴趣的人，在各个页面或者通过邮件的形式给他们推荐最新的数码产品，通常会为网站带来更多的利益。

Redis set对外提供的功能与list类似是一个列表的功能，特殊之处在于set是可以自动排重的，当你需要存储一个列表数据，又不希望出现重复数据时，set是一个很好的选择，并且set提供了判断某个成员是否在一个set集合内的重要接口，这个也是list所不能提供的。
比如在微博应用中，每个人的好友存在一个集合（set）中，这样求两个人的共同好友的操作，可能就只需要用求交集命令即可。
Redis还为集合提供了求交集、并集、差集等操作，可以非常方便的实

内部编码：

  • intset：当集合中的元素都是整数且元素个数小于512
  • hashtable：当元素个数超过512或某个元素不为整数时

有序集合（Sorted Set）

通过得分进行排序，元素不能重复，但是得分可以重复。
有序集合提供了获取指定分数和元素范围查询、计算成员排名等功能，合理的利用有序集合，能帮助我们在实际开发中解决很多问题。
在这里插入图片描述
添加成员：

zadd key score member [score member ...]
zadd user:ranking 251 tom

计算成员个数：
计算某个成员的分数：
计算成员的排名：
删除成员：
增加成员的分数：
返回指定排名范围的成员：
返回指定分数范围的成员：

使用场景：
有序集合比较典型的使用场景就是排行榜系统。
例如视频网站需要对用户上传的视频做排行榜，榜单的维度可能是多个方面的：按照时间、按照播放数量、按照获得的赞数。本节使用赞数这个维度，记录每天用户上传视频的排行榜。
主要需要实现以下4个功能。

添加用户赞数：zadd user:ranking:2016_03_15 3 mike
之后再获得一个赞，可以使用zincrby：zincrby user:ranking:2016_03_15 1 mike
取消用户赞数：zrem user:ranking:2016_03_15 mike
展示获取赞数最多的十个用户：zrevrangebyrank user:ranking:2016_03_15 0 9

内部编码：

  • ziplist
  • skiplist（跳跃表）元素个数超过128个或某个元素大于64字节时使用，因为此时ziplist读写效率下降。

列表、集合、有序集合区别

在这里插入图片描述
常用命令： zadd,zrange,zrem,zcard等

使用场景：

以某个条件为权重，比如按顶的次数排序.
ZREVRANGE命令可以用来按照得分来获取前100名的用户，ZRANK可以用来获取用户排名，非常直接而且操作容易。
Redis sorted set的使用场景与set类似，区别是set不是自动有序的，而sorted set可以通过用户额外提供一个优先级(score)的参数来为成员排序，并且是插入有序的，即自动排序。
比如:twitter 的public timeline可以以发表时间作为score来存储，这样获取时就是自动按时间排好序的。
比如:全班同学成绩的SortedSets，value可以是同学的学号，而score就可以是其考试得分，这样数据插入集合的，就已经进行了天然的排序。
另外还可以用Sorted Sets来做带权重的队列，比如普通消息的score为1，重要消息的score为2，然后工作线程可以选择按score的倒序来获取工作任务。让重要的任务优先执行。
需要精准设定过期时间的应用
比如你可以把上面说到的sorted set的score值设置成过期时间的时间戳，那么就可以简单地通过过期时间排序，定时清除过期数据了，不仅是清除Redis中的过期数据，你完全可以把Redis里这个过期时间当成是对数据库中数据的索引，用Redis来找出哪些数据需要过期删除，然后再精准地从数据库中删除相应的记录。

BitMap

BitMap 概念

  • BitMap 本身不是一种数据结构，实际上就是字符串，但是它可以对字符串的位进行操作。并且单独提供了一套命令。
  • 可以把 BitMap 想象成一个以位为单位的数组，数组中的每个单元只能存0或者1，数组的下标在 BitMap 中叫做偏移量。
  • 单个 BitMap 的最大长度是512MB，即2^32个比特位。
  • BitMap 用一个比特位来映射某个元素的状态，由于一个比特位只能表示 0 和 1 两种状态；所以 BitMap 能映射的状态有限，但是使用比特位的优势是能大量的节省内存空间。

例如字符串A 一个字节，对应的ASCII码是65，对应的二进制就是01000001，BitMap 就是对A的二进制位进行操作。
在这里插入图片描述
在这里插入图片描述

BitMap 相关命令

# 设置值，offset 偏移量从0开始，其中value只能是 0 和 1
setbit key offset value

# 获取值
getbit key offset

# 获取指定范围内值为 1 的个数
# [start]和[end]代表起始和结束字节数，可选性，不指定默认全部
bitcount key start end

# BitMap间的运算
# operations 位移操作符，枚举值
  AND 与运算 &
  OR 或运算 |
  XOR 异或 ^
  NOT 取反 ~
# result 计算的结果，会存储在该key中
# key1 … keyn 参与运算的key，可以有多个，空格分割，not运算只能一个key
# 当 BITOP 处理不同长度的字符串时，较短的那个字符串所缺少的部分会被看作 0。返回值是保存到 destkey 的字符串的长度（以字节byte为单位），和输入 key 中最长的字符串长度相等。
bitop [operations] [result] [key1] [keyn…]

# 计算Bitmaps中第一个值为targetBit的偏移量
bitpos [key] [targetBit]

BitMap 使用场景

1、用户签到
很多网站都提供了签到功能，并且需要展示最近一个月的签到情况，这种情况可以使用 BitMap 来实现。
根据日期 offset = （今天是一年中的第几天） % （今年的天数），key = 年份:用户id。

# 用户ID为1001在2020年的第1天签到了
setbit 2020:1001 1 1
# 用户ID为1001在2020年的第10天签到了
setbit 2020:1001 10 1

# 用户ID为1002在2020年的第10天签到了
setbit 2020:1002 10 1

2、统计活跃用户（用户登陆情况）

使用日期作为 key，然后用户 id 为 offset，如果当日活跃过就设置为1。

假如：
20201009 活跃用户情况是： [1，0，1，1，0]
20201010 活跃用户情况是 ：[ 1，1，0，1，0 ]

统计连续两天活跃的用户总数：

bitop and dest1 20201009 20201010
# dest1 中值为1的offset，就是连续两天活跃用户的ID
bitcount dest1

统计20201009 ~ 20201010 活跃过的用户：

bitop or dest2 20201009 20201010

3、统计用户是否在线
如果需要提供一个查询当前用户是否在线的接口，也可以考虑使用 BitMap 。即节约空间效率又高，只需要一个 key，然后用户 id 为 offset，如果在线就设置为 1，不在线就设置为 0。

设置2020-01-01用户在线情况：

172.25.201.85:6428> setbit login:users:2020-01-01 0 1
(integer) 0
172.25.201.85:6428> setbit login:users:2020-01-01 5 1 
(integer) 0
172.25.201.85:6428> setbit login:users:2020-01-01 11 1 
(integer) 0
172.25.201.85:6428> setbit login:users:2020-01-01 15 1 
(integer) 0
172.25.201.85:6428> setbit login:users:2020-01-01 19 1 
(integer) 0
172.25.201.85:6428>

userId=0，5，11，15，19的用户对网站进行了访问，数据存储如下。
在这里插入图片描述

172.25.201.85:6428> setbit login:users:2020-01-01 50 1 
(integer) 0

此时有一个userId=50的用户访问了网站，此时数据存储如下。
在这里插入图片描述
设置2020-01-02用户在线情况：

172.25.201.85:6428> setbit login:users:2020-01-02 0 1 
(integer) 0
172.25.201.85:6428> setbit login:users:2020-01-02 5 1 
(integer) 0

利用bitop and命令计算两天都访问网站的用户：

# 将两天在线的用户使用and操作放到新的bitmap中，两天都在线的偏移量在新的bitmap中为1，否则为0
172.25.201.85:6428> bitop and dest1 login:users:2020-01-01 login:users:2020-01-02
(integer) 7
# 计算出两天都在线的用户总共为两个
172.25.201.85:6428> bitcount dest1
(integer) 2

在这里插入图片描述

4、实现布隆过滤器
解决缓存穿透。

统计每日用户的登录数

每一位标识一个用户ID，当某个用户访问我们的网页或执行了某个操作，就在bitmap中把标识此用户的位设置为1。

这里做了一个 使用 set 和 BitMap 存储的对比。
在这里插入图片描述
可以看到，如果活跃用户数量很多，使用 BitMap 明显更有优势，能节省大量的内存。但如果活跃用户数量较少，还是建议使用 set 存储，BitMap 会产生多余的存储开销。

使用经验

  • BitMap 是 sting 类型，最大 512 MB
  • 注意 setbit 时的偏移量较大时，可能有较大耗时
  • 位图不是绝对好，看具体场景

RedisTemplate 操作 Bit

import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.data.redis.connection.RedisStringCommands;
import org.springframework.data.redis.core.RedisCallback;
import org.springframework.data.redis.core.RedisTemplate;
import org.springframework.web.bind.annotation.GetMapping;
import org.springframework.web.bind.annotation.PathVariable;
import org.springframework.web.bind.annotation.RestController;

@RestController
public class HelloController {

    @Autowired
    private RedisTemplate redisTemplate;

    @GetMapping("/set/{key}/{offset}/{state}")
    public Boolean set(@PathVariable("offset") Integer offset,
                       @PathVariable("key") String key,
                       @PathVariable("state") boolean state) {
        return setBit(key, offset, state);
    }

    @GetMapping("/get/{key}/{offset}")
    public Boolean get(@PathVariable("offset") Integer offset,
                       @PathVariable("key") String key) {
        return getBit(key, offset);
    }

    @GetMapping("/count/{key}")
    public Long count(@PathVariable("key") String key) {
        return bitCount(key);
    }

    @GetMapping("/op/{destKey}/{key1}/{key2}")
    public Long op(@PathVariable("destKey") String destKey,
                   @PathVariable("key1") String key1,
                   @PathVariable("key2") String key2) {
        // RedisStringCommands.BitOperation.AND、RedisStringCommands.BitOperation.OR
        // RedisStringCommands.BitOperation.XOR、RedisStringCommands.BitOperation.NOT
        RedisStringCommands.BitOperation op = RedisStringCommands.BitOperation.AND;
        return bitOp(op, destKey, key1, key2);
    }

    public boolean setBit(String key, int offset, boolean state) {
        return (boolean) redisTemplate.execute((RedisCallback<Boolean>) con -> con.setBit(key.getBytes(), offset, state));
    }

    public boolean getBit(String key, int offset) {
        return (boolean) redisTemplate.execute((RedisCallback<Boolean>) con -> con.getBit(key.getBytes(), offset));
    }

    public Long bitCount(String key) {
        return (Long) redisTemplate.execute((RedisCallback<Long>) con -> con.bitCount(key.getBytes()));
    }

    public Long bitCount(String key, int start, int end) {
        return (Long) redisTemplate.execute((RedisCallback<Long>) con -> con.bitCount(key.getBytes(), start, end));
    }

    public Long bitOp(RedisStringCommands.BitOperation op, String saveKey, String... desKey) {
        byte[][] bytes = new byte[desKey.length][];
        for (int i = 0; i < desKey.length; i++) {
            bytes[i] = desKey[i].getBytes();
        }
        return (Long) redisTemplate.execute((RedisCallback<Long>) con -> con.bitOp(op, saveKey.getBytes(), bytes));
    }

}

Redis 中 BitMap 的使用场景
Bitmap简介
Redis位图Bitmaps详解
Jedis bitmap

遍历键

全量遍历键： keys *
生产环境应该禁止使用 keys * 命令，因为Redis是单线程架构，如果Redis包含了大量的键，执行keys命令很可能会造成Redis阻塞。

渐进式遍历：
Redis从2.8版本后，提供了一个新的命令scan，它能有效的解决keys命令存在的问题。
和keys命令执行时会遍历所有键不同，scan采用渐进式遍历的方式来解决keys命令可能带来的阻塞问题，每次scan命令的时间复杂度是 O（1），但是要真正实现keys的功能，需要执行多次scan。

每次执行scan，可以想象成只扫描一个字典中的一部分键，直到将 字典中的所有键遍历完毕。scan的使用方法如下：scan cursor [match pattern] [count number]
cursor是必需参数，实际上cursor是一个游标，第一次遍历从0开始，每 次scan遍历完都会返回当前游标的值，直到游标值为0，表示遍历结束。

现在要遍历所有的键。第一次执行scan 0，返回结果分为两个部分：第 一个部分的数字XX就是下次scan需要的cursor，第二个部分是10个键，然后使用新的cursor=“XX”，执行scan XX，这次会得到新的cursor，继续执行scan直到得到结果cursor变为0，说明所 有的键已经被遍历过了。

除了scan以外，Redis提供了面向哈希类型、集合类型、有序集合的扫描遍历命令，解决诸如hgetall、smembers、zrange可能产生的阻塞问题，对应的命令分别是hscan、sscan、zscan，它们的用法和scan基本类似。

遍历集合伪代码：
在这里插入图片描述
渐进式遍历可以有效的解决keys命令可能产生的阻塞问题，但是scan并非完美无瑕，如果在scan的过程中如果有键的变化（增加、删除、修改），那么遍历效果可能会碰到如下问题：新增的键可能没有遍历到，遍历出了重复的键等情况，也就是说scan并不能保证完整的遍历出来所有的键，这些是我们在开发时需要考虑的。

yyangqqian
关注
专栏目录
redis的五种数据类型
学Java，找哪吒
05-15 5万+
（1）Redis（Remote Dictionary Server 远程字段服务）是一个开源的使用ANSI C语言编写、支持网络、科技与内存亦可持久化的日志型、key-value数据库，并提供多种语言的API。（2）Redis是一个key-value存储系统，它支持存储的value类型相对更多，包括string、list、set、zset（sorted set --有序集合）和hash。这些数据结构都支持push/pop、add/remove及取交集并集和差集及更丰富的操作，而且这些操作都是原子性的。
redis五种数据类型的常用命令
Huang405267467的博客
04-30 1543
目录 redis数据类型 字符串String常用命令 哈希hash常用命令 列表list常用命令 集合set常用命令 有序集合sorted set集合的常用命令 redis数据类型 字符串类型（String） 哈希类型（hash） 列表类型（list） 集合类型（set） 有序集合类型（sorted set） 字符串String常用命令 set key value set name huang （设置key 为 name ，value 为 huang） get key
NoSQL数据库之Redis（三）：常用五大数据类型
anndy_的专栏
09-07 1207
目录Redis键(key)常用命令Redis字符串(String)常用命令原子性数据结构Redis列表(List)常用命令数据结构Redis集合(Set)常用命令数据结构Redis哈希(Hash)常用命令数据结构Redis有序集合Zset(sorted set)常用命令数据结构跳跃表（跳表） redis常见数据类型操作命令 http://www.redis.cn/commands.html Redis键(key) 常用命令 keys * ：查看当前库所有key (匹配：keys *1) exists
Redis实战和核心原理详解（3）Redis常见的5种不同的数据类型详解
徐刘根的博客
03-09 2万+
相关文章：Redis简介以及和其他缓存数据库的区别前言Redis除了可以存储键还可以存储常见的5种数据类型，分别是：String、List、Set、Hash、ZSet。对于Redis的命令有一部分是可以公用的，但是还有一些其他的命令是属于特殊使用的。首先看看一张关于Redis5种数据结构的对比：下边就分别介绍5中国不同的数据结构类型。String字符串类型Redis中的String类型就是一个由字节
Redis的数据类型介绍
最新发布
几许的博客
09-07 1284
​ 【1】键不能重复​ 【2】作用：标识存储的数据​ 【3】数据类型：string​ 【4】命名规则：​ 1）不能太长：因为查询的效率低，查询起来不方便​ 2）不能太短：容易重复，同时可读性也差​ 3）按照规范：HEIMA_STU_LIST**值(value)：**支持5种数据类型值的数据类型值的格式说明string字符串类型，类似于Java中Stringhash由键值对组成，类似于Java中Maplist列表类型，类似于Java中List，元素是存取有序，可以重复。
redis 的五种数据类型
m0_70565884的博客
05-20 1152
2、Redis 是一个 key-value 存储系统，它支持存储的 value 类型相对更多，包括 string、list、set、zset（sorted set --有序集合）和 hash。这些数据结构都支持 push/pop、add/remove 及取交集并集和差集及更丰富的操作，而且这些操作都是原子性的。在此基础上，Redis 支持各种不同方式的排序。为了保证效率，数据都是缓存在内存中，Redis 会周期性的把更新的数据写入磁盘或者把修改操作写入追加的记录文件，并且在此基础上实现了 master-sl
redis 五种数据类型
john_zc的博客
12-22 3万+
String 1、String 常用命令： 除了get、set、incr、decr mget等操作外，Redis还提供了下面一些操作： 获取字符串长度 往字符串append内容 设置和获取字符串的某一段内容 设置及获取字符串的某一位（bit） 批量设置一系列字符串的内容 应用场景： Str
Redis——五种数据类型
大鹏
07-31 3979
Redis共有strings、hashs、lists、sets、sorted sets五种数据类型，可以说已经比较丰富了。下面只对这几种数据类型的数据结构与用途做简要介绍。至于每种数据类型的操作API，这里只简单一提，不再一一详细介绍，有需要的用户可以Google即可。 一、    strings        string是最简单的类型，一个Key对应一个Value。string类型是类型安
RedisAPI与常用数据类型简介
02-26
首先，不得不说Redis官方提供了众多的API开发包，但是目前Redis官方版本不支持.Net直接进行连接，需要使用一些第三方的开源类库。目前最流行的就是ServiceStack.Redis这个开源项目，其在GitHub上的下载地址为：...
Redis的五大数据类型之哈希(Hash)的总结
01-07
Hash简介 Hash类似于Java中的Map，是一个 String 类型的 field 和 value 的映射表(键值对集合)，并且特别适合用来存储对象。 Hash的常用操作命令总结 图片来源：https://www.runoob.com/redis/redis-hashes.html ...
Redis的五大数据类型之集合(Set)的总结
01-07
Redis的Set是String类型的无序集合，不同于List，Set中的元素不可以重复。Redis 中集合(Set)是通过哈希表(HashTable)实现的，所以添加，删除，查找的复杂度都是 O(1)。 Set的常用操作命令总结 图片来源：...
redis的5种数据类型
热门推荐
living_ren的博客
01-25 19万+
1.redis的5种数据类型： string 字符串（可以为整形、浮点型和字符串，统称为元素） list 列表（实现队列,元素不唯一，先入先出原则） set 集合（各不相同的元素） hash hash散列值（hash的key必须是唯一的） sort set 有序集合 2.string类型的常用命令： 自加：incr
Redis的五种数据类型
dayiyang9635的博客
08-29 182
Redis-五种数据类型 　　 对于Redis来说，它只能存储五种基本数据类型， 在之前的版本中都是String、Hash、List、SortedSet(zSet)、Map 而现在的新版本中String、Hash、List、SortedSet(zSet)、Set 一、字符串String ----String Key-Value 　　字符串是Redis中最常用的类...
Redis五种数据类型
MYC19891010的专栏
05-14 3544
Redis五种数据类型：字符串 String，哈希 hash，列表 list ，集合 set，有序集合 softed set String（字符串） • 二进制安全，可存储任何数据，如图片或者序列化对象 • 最基本类型，一个键最大存储512MB • 使用 SET 和 GET 命令 Hash（哈希） • 键值对集合 • 是一个string类型的 field 和 value 的映射表，特别适合存储对象 • 每个HASH可以存储 232 -1 键值对（40多亿） • 使用 HMSET 和 HG..
Redis支持的五种数据类型
baijinzhong8621的博客
01-10 106
redis支持的五种数据类型： 1、string（字符串） 2、hash（哈希） 　　Redis hash 是一个键值(key=>value)对集合。　　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。 3、list（列表） 　　Redis 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（...
Redis之（二）数据类型及存储结构
weixin_30702887的博客
09-29 1248
Redis支持五中数据类型：String（字符串），Hash（哈希），List（列表），Set（集合）及zset(sortedset：有序集合)。Redis定义了丰富的原语命令，可以直接与Redis服务器交互。实际应用中，我们不太会直接使用这些原语命令，Redis提供了Java，C/C++，C#，PHP，JavaScript，Perl，Object-C，Python，Ruby，Erlang等客...
Redis有哪些数据类型？
laoshanyao1的博客
09-03 3654
Redis有哪些数据类型？
Redis的各个数据类型操作
02-04 185
Redis的数据类型 - string string 字符串 string: 最简单的字符串类型键值对缓存，也是最基本的 key相关 keys *：查看所有的key (不建议在生产上使用，有性能影响) type key：key的类型 string类型 get/set/del：查询/设置/删除 set rekey data：设置已经存在的key，会覆盖 setnx rekey data...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值