redis全面讲解使用场景

1、最大redis用户，新浪微博，实时浏览人数统计就是依靠redis，两种使用场景：（1）应用程序直接访问redis（2）在访问redis失效的情况下访问mysql
2、有几下几种形式：
（1）数值、字符串
（2）列表list
（3）集合sets
（4）有序集合sorted sets
（5）哈希表hashes
3、持久化实现方式：使用截图的方式，将内存中的数据不断写入磁盘；或使用类似MySQL的日志方式，记录每次更新的日志。前者性能较高，但会一定程度造成数据丢失。
4、读取依靠主从同步来提高效率，所以读写之前性能差距大
5、适用场景
（1）取最新的5000个数据
（2）排行榜取top n操作（利用sorted sets）
（3）需要精准设定过期时间的应用
（4）计算器运用（利用INCR、DECR）
（5）uniq操作（使用set数据结构）
（6）实时系统，反垃圾系统
（7）构建队列系统（使用list，或者适用sorted set构建具有优先级的对列系统）
（8）pub/sub构建实时的消息系统
（9）缓存
6、Redis是一个操作数据结构的语言工具，它提供基于TCP的协议以操作丰富的数据结构
7、redis高级特性
（1）安全性，在redis.conf里配置requirepass
（2）主从复制
（3）事务控制
（4）持久化机制（redis支持两种持久化方式，一种是Snapshotting（快照）也是默认方式，另一种是Append-onlyfile（缩写aof）的方式。）
（5）发布及订阅消息
（6）pipeline批量发送
（7）虚拟内存
8、Redis实现分布式队列浅析
使用redis列表类型保存数据，队列采用左进右出的模式保证队列消息的顺序性。

使用Python操作redis数据

import redis

r= redis.Redis(host='localhost', port=6379, db=0)
r.set('user', 'ioiogoo')
r.get('user')
r.lpush('queue:1', 'task1')
r.brpop('queue:1', 3)

9、Redis主从复制问题和扩容问题的解决思路
一、解决主从复制问题
采用AOF方式达到增量同步
二、解决扩容问题
预算设定Redis instances数量，假设实例数量n，n = 机器数*单台机器redis实例数
后期扩展只需要将旧机器上的部分redis实例迁移到新的机器上，达到平滑扩容。
迁移步骤如下：

在新的机器上创建实例，并且每个实例设置为被迁移实例的从机。
主从复制完成之后，设置程序将新的实例作为主。
停止旧的实例
经过如上步骤之后，旧机器的内存就变大了，最后内存最大为每台机器一个Redis实例。

按作者文章中所说的，一个机器启动多个实例，其实并不会耗费太多资源，因为Redis够轻量，另外多个实例一个接一个的重写AOF文件或者生成内存快照，可以降低内存的占用，而不影响对外的服务。
10、Redis的使用模式之计数器模式实例
使用 Hash 数据类型维护大量计数器

有时候需要维护大量计数器，比如每一个论坛主题的查看数，比如每一个用户访问页面次数，因为论坛主题和用户基数可能很大，直接基于论坛主题或用户 ID 生成计数器的话，占用 Redis 资源还是相当可观的，这时可以用 Hash 数据类型压缩所需资源。
11、Redis实现唯一计数的3种方法分享
（1）基于 set 的方法简单有效，计数精确，适用面广，易于理解，它的缺点是消耗资源比较大（当然比起关系数据库是少很多的），如果元素个数很大（比如上亿的计数），消耗内存很恐怖。
（2）基于 bit 的方法比起 set 空间消耗小得多，但是它要求元素能否简单映射为位偏移，适用面窄了不少，另外它消耗的空间取决于最大偏移量，和计数值无关，如果最大偏移量很大，消耗内存也相当可观。
（3）实现超大数据量精确的唯一计数都是比较困难的，但是如果只是近似的话，计算科学里有很多高效的算法，其中 HyperLogLog Counting 就是其中非常著名的算法，它可以仅仅使用 12 k左右的内存，实现上亿的唯一计数，而且误差控制在百分之一左右
12、Redis中主键失效的原理及实现机制剖析
http://www.jb51.net/article/68254.htm