文章目录
常用五大数据类型
Redis中的键(key)
查看当前库所有key(匹配:keys *1):
keys *
判断某个key是否存在:
exists key
查看你的key是什么类型:
type key
删除指定的key数据:
del key
根据value选择非阻塞删除:
// 仅将keys从keyspace元数据中删除,真正的删除会在后续异步操作
unlink key
为给定的key设置过期时间,10秒:
expire key 10
查看还有多少秒过期,-1表示永不过期,-2表示已过期:
ttl key
select命令:切换数据库
dbsize命令:查看当前数据库的key的数量
flushdb命令:清空当前库
flushall命令:通杀全部库
数据类型—字符串(String)
String是Redis最基本的类型,你可以理解成与Memcached一模一样的类型,一个key对应一个value。
String类型是二进制安全的。意味着Redis的string可以包含任何数据。比如jpg图片或者序列化的对象。
String类型是Redis最基本的数据类型,一个Redis中字符串value最多可以是512M
添加键值对:
set key value
查询对应键值:
get key
将给定的value追加到原值的末尾:
append key value
获得值的长度:
strlen key
只有在key不存在时设置key的值:
setnx key value
将 key 中储存的数字值增1
只能对数字值操作,如果为空,新增值为1
incr key
将 key 中储存的数字值减1
只能对数字值操作,如果为空,新增值为-1
decr key
将key中储存的数字值增减,自定义步长:
incrby / decrby key 数字值
说到incr命令,这里有个扩展知识点:
Redis具有原子性 (不是事务中的原子性)所谓原子操作是指不会被线程调度机制打断的操作;
这种操作一旦开始,就一直运行到结束,中间不会有任何 context switch(切换到另一个线程)
- 在单线程中, 能够在单条指令中完成的操作都可以认为是"原子操作",因为中断只能发生于指令之间。
- 在多线程中,不能被其它进程(线程)打断的操作就叫原子操作。
Redis单命令的原子性主要得益于 Redis的单线程 。
同时设置一个或多个key-value对:
mset key1 value1 key2 value2...
同时获取一个或多个value:
mget key1 key2 key3...
同时设置一个或多个key-value对,当且仅当所有给定key都不存在:
// 原子性,有一个失败则都失败
msetnx key1 value1 key2 value2...
获得值的范围,类似java中的substring,前包,后包
getrange key 起始位置 结束位置
用value覆写key所储存的字符串值,从起始位置开始(索引从0开始):
setrange key 起始位置 value
设置键值的同时,设置过期时间,单位秒:
setex key 过期时间 value
以新换旧,设置了新值同时获得旧值:
getset key value
String的数据结构为简单动态字符串(Simple Dynamic String,缩写SDS)。是可以修改的字符串,内部结构实现上类似于Java的ArrayList,采用预分配冗余空间的方式来减少内存的频繁分配
如图中所示,内部为当前字符串实际分配的空间capacity一般要高于实际字符串长度len。当字符串长度小于1M时,扩容都是加倍现有的空间,如果超过1M,扩容时一次只会多扩1M的空间。需要注意的是字符串最大长度为512M。
数据类型—列表(List)
单键多值
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(左边)或者尾部(右边)
它的底层实际是个双向链表,对两端的操作性能很高,通过索引下标的操作中间的节点性能会较差。
从左边/右边插入一个或多个值:
lpush / rpush key1 value1 key2 value2...
从左边/右边吐出一个值。 值在键在,值光键亡 :
lpop / rpop key
从key1列表右边吐出一个值,插到key2列表左边:
rpoplpush key1 key2
按照索引下标获得元素(从左到右):
lrange key 起始索引 结束索引
lrange key 0 -1 //0左边第一个,-1右边第一个,(0-1表示获取所有)
按照索引下标获得元素(从左到右):
lindex key 索引号
获得列表长度:
llen key
在value的前面插入newvalue插入值:
linsert key before value newvalue
从左边删除n个value(从左到右):
lrem key n value
将列表key下标为index的值替换成value:
lset key index value
List的数据结构为快速链表quickList
首先在列表元素较少的情况下会使用一块连续的内存存储,这个结构是ziplist,也即是压缩列表。
它将所有的元素紧挨着一起存储,分配的是一块连续的内存。
当数据量比较多的时候才会改成quicklist。
因为普通的链表需要的附加指针空间太大,会比较浪费空间。比如这个列表里存的只是int类型的数据,结构上还需要两个额外的指针prev和next。
Redis将链表和ziplist结合起来组成了quicklist。也就是将多个ziplist使用双向指针串起来使用。这样既满足了快速的插入删除性能,又不会出现太大的空间冗余。
数据类型—集合(Set)
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。
Redis的Set是string类型的无序集合。它底层其实是一个value为null的hash表,所以添加,删除,查找的复杂度都是O(1)。
一个算法,随着数据的增加,执行时间的长短,如果是O(1),数据增加,查找数据的时间不变
将一个或多个 member 元素加入到集合 key 中,已经存在的 member 元素将被忽略:
sadd key value1 value2...
取出该集合的所有值:
smembers key
判断集合key是否为含有该value值,有1,没有0:
sismember key value
返回该集合的元素个数:
scard key
删除集合中的某个元素:
srem key value1 value2...
随机从该集合中吐出一个值:
spop key
随机从该集合中取出n个值。不会从集合中删除:
srandmember key n
把集合中一个值从一个集合移动到另一个集合:
smove 集合1 集合2 value
返回两个集合的交集元素:
sinter key1 key2
返回两个集合的并集元素:
sunion key1 key2
返回两个集合的差集元素(key1中的,不包含key2中的):
sdiff key1 key2
Set数据结构是dict字典,字典是用哈希表实现的。
Java中HashSet的内部实现使用的是HashMap,只不过所有的value都指向同一个对象。Redis的set结构也是一样,它的内部也使用hash结构,所有的value都指向同一个内部值。
数据类型—哈希(Hash)
Redis hash 是一个键值对集合。
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。
类似Java里面的Map<String,Object>
用户ID为查找的key,存储的value用户对象包含姓名,年龄,生日等信息,如果用普通的key/value结构来存储
主要有以下2种存储方式:
给key集合中的field键赋值value:
hset key field value
从key1集合field取出 value :
hget key1 field
批量设置hash的值:
hmset key1 field1 value1 field2 value2...
查看哈希表 key 中,给定域 field 是否存在:
hexists key1 field
列出该hash集合的所有field:
hkeys key
列出该hash集合的所有value:
hvals key
为哈希表 key 中的域 field 的值加上增量 1 -1
hincrby key field 增量
将哈希表 key 中的域 field 的值设置为 value ,当且仅当域 field 不存在:
hsetnx key field value
Hash类型对应的数据结构是两种:ziplist(压缩列表),hashtable(哈希表)。当field-value长度较短且个数较少时,使用ziplist,否则使用hashtable。
数据类型—有序集合(Zset)
Redis有序集合zset与普通集合set非常相似,是一个没有重复元素的字符串集合。
不同之处是有序集合的每个成员都关联了一个评分(score),这个评分(score)被用来按照从最低分到最高分的方式排序集合中的成员。集合的成员是唯一的,但是评分可以是重复了 。
因为元素是有序的, 所以你也可以很快的根据评分(score)或者次序(position)来获取一个范围的元素。
访问有序集合的中间元素也是非常快的,因此你能够使用有序集合作为一个没有重复成员的智能列表。
将一个或多个 member 元素及其 score 值加入到有序集 key 当中:
zadd key score1 value1 score2 value2
返回有序集 key 中,下标在start、stop之间的元素
带WITHSCORES,可以让分数一起和值返回到结果集:
zrange key start stop [withscores]
返回有序集 key 中,所有 score 值介于 min 和 max 之间(包括等于 min 或 max )的成员。有序集成员按 score 值递增(从小到大)次序排列:
zrangebyscore key min max [withscores] [limit offset count]
同上,改为从大到小排列:
zrevrangebyscore key max min [withscores] [limit offset count]
为元素的score加上增量:
zincrby key 增量 value
删除该集合下,指定值的元素:
zrem key value
统计该集合,分数区间内的元素个数:
zcount key min max
返回该值在集合中的排名,从0开始:
zrank key value
SortedSet(zset)是Redis提供的一个非常特别的数据结构,一方面它等价于Java的数据结构Map<String, Double>,可以给每一个元素value赋予一个权重score,另一方面它又类似于TreeSet,内部的元素会按照权重score进行排序,可以得到每个元素的名次,还可以通过score的范围来获取元素的列表。
zset底层使用了两个数据结构:
- hash,hash的作用就是关联元素value和权重score,保障元素value的唯一性,可以通过元素value找到相应的score值。
- 跳跃表,跳跃表的目的在于给元素value排序,根据score的范围获取元素列表。
跳跃表(跳表)
简介:
有序集合在生活中比较常见,例如根据成绩对学生排名,根据得分对玩家排名等。对于有序集合的底层实现,可以用数组、平衡树、链表等。数组不便元素的插入、删除;平衡树或红黑树虽然效率高但结构复杂;链表查询需要遍历所有效率低。Redis采用的是跳跃表。跳跃表效率堪比红黑树,实现远比红黑树简单。
实例:
对比有序链表和跳跃表,从链表中查询出51
要查找值为51的元素,需要从第一个元素开始依次查找、比较才能找到。共需要6次比较。
跳跃表
从第2层开始,1节点比51节点小,向后比较。
21节点比51节点小,继续向后比较,后面就是NULL了,所以从21节点向下到第1层
在第1层,41节点比51节点小,继续向后,61节点比51节点大,所以从41向下
在第0层,51节点为要查找的节点,节点被找到,共查找4次。
跃表的目的在于给元素value排序,根据score的范围获取元素列表。
Redis新数据类型
Bitmaps
现代计算机用二进制(位) 作为信息的基础单位, 1个字节等于8位, 例如“abc”字符串是由3个字节组成, 但实际在计算机存储时将其用二进制表示, “abc”分别对应的ASCII码分别是97、 98、 99, 对应的二进制分别是01100001、 01100010和01100011,如下图:
合理地使用操作位能够有效地提高内存使用率和开发效率。
setbit
设置Bitmaps中某个偏移量的值(0或1):
setbit key offset value
实例:
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。
设置键的第offset个位的值(从0算起) , 假设现在有20个用户,userid=1, 6, 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:
unique:users:20201106代表2020-11-06这天的独立访问用户的Bitmaps
注意:
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。
HyperLogLog
在工作当中,我们经常会遇到与统计相关的功能需求,比如统计网站PV(PageView页面访问量),可以使用Redis的incr、incrby轻松实现。
但像UV(UniqueVisitor,独立访客)、独立IP数、搜索记录数等需要去重和计数的问题如何解决?这种求集合中不重复元素个数的问题称为基数问题。
解决基数问题有很多种方案:
(1)数据存储在MySQL表中,使用distinct count计算不重复个数
(2)使用Redis提供的hash、set、bitmaps等数据结构来处理
以上的方案结果精确,但随着数据不断增加,导致占用空间越来越大,对于非常大的数据集是不切实际的。
能否能够降低一定的精度来平衡存储空间?Redis推出了HyperLogLog
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为 {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。
pfadd
将所有元素添加到指定HyperLogLog数据结构中。如果执行命令后HLL估计的近似基数发生变化,则返回1,否则返回0。
pfcount
计算HLL的近似基数,可以计算多个HLL,比如用HLL存储每天的UV,计算一周的UV可以使用7天的UV合并计算即可:
pfmerge
Geospatial
Redis 3.2 中增加了对GEO类型的支持。GEO,Geographic,地理信息的缩写。该类型,就是元素的2维坐标,在地图上就是经纬度。redis基于该类型,提供了经纬度设置,查询,范围查询,距离查询,经纬度Hash等常见操作。