Redis数据类型之set

最新推荐文章于 2024-07-24 23:58:15 发布

一只咸鱼。。

最新推荐文章于 2024-07-24 23:58:15 发布

阅读量981

点赞数

分类专栏： Redis 文章标签： redis 数据库缓存

本文链接：https://blog.csdn.net/qq15035899256/article/details/127991313

版权

Redis 专栏收录该内容

20 篇文章 0 订阅

订阅专栏

文章目录

提示：以下是本篇文章正文内容，Redis系列学习将会持续更新

set

在这里插入图片描述

● 数据存储需求：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，高效的内部存储机制，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），并且值是不允许重复的。

Ⅰ. 基础操作

● 添加数据

sadd key member1 [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

回到目录…

Ⅱ. 随机数据

● 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 [count]

● Tip：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，热卖旅游线路，应用APP推荐，大V推荐等

业务场景:
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？

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成展示的全信息集合

回到目录…

Ⅲ. 交、并、差

在这里插入图片描述
● 求两个集合的交、并、差集

sinter key1 [key2] 
sunion key1 [key2] 
sdiff key1 [key2]

● 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中移动到目标集合中

smove source destination member

业务场景:

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？

在这里插入图片描述

回到目录…

Ⅳ. 应用场景

场景一：
集团公司共具有12000名员工，内部OA系统中具有700多个角色，3000多个业务操作，23000多种数据，每位员工具有一个或多个角色，如何快速进行业务操作的权限校验？
在这里插入图片描述
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获取用户所有角色信息
● 根据用户所有角色获取用户所有操作权限放入 set 集合

场景二：
公司对旗下新的网站做推广，统计网站的PV（访问量）,UV（独立访客）,IP（独立IP）。
PV：网站被访问次数，可通过刷新页面提高访问量
UV：网站被不同用户访问的次数，可通过cookie统计访问量，相同用户切换IP地址，UV不变
IP：网站被不同IP地址访问的总次数，可通过IP地址统计访问量，相同IP不同用户访问，IP不变

解决方案：
● 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，记录不同IP数量（IP）
● Tip: redis 应用于同类型数据的快速去重

场景三：
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
● Tip: redis 应用于基于黑名单与白名单设定的服务控制

回到目录…