Redis八种数据类型及应用场景介绍

本文来说下Redis八种数据类型及应用场景介绍

---

概述

Redis一共有几种数据类型？（注意是数据类型不是数据结构）

一共是八种，String、Hash、Set、List、Zset、Hyperloglog、Geo、Streams。

---

String

介绍

最基本也是最常用的数据类型就是String。get和set命令就是String的操作命令，Redis的字符串被叫做二进制安全的字符串（Binary-safe strings）。

String可以存储三种类型，INT(整数)、float(单精度浮点数)、string(字符串)。

---

应用场景

缓存

String类型，这是最常用的，可以缓存一些热点数据，比如首页新闻，可以显著提升热点数据的访问速度，同时减轻DB压力。

分布式数据共享

String 类型，因为Redis是分布式的独立服务，可以在多个应用之间共享。

例如：分布式Session

<dependency>
  <groupId>org.springframework.session</groupId>
  <artifactId>spring-session-data-redis</artifactId>
</dependency>

---

分布式锁

参考 ：https://blog.csdn.net/qq_31960623/article/details/116500690

---

全局ID

INT类型，INCRBY，利用原子性

incrby userid 1000

（分表分库的场景，一次性拿一段）

---

计数器

INT类型，INCR方法

例如：文章的阅读量，微博点赞数，允许一定的延迟，先写入Redis再定时同步到数据库

---

限流

INT类型，INCR方法

以访问者的IP和其他信息作为key，访问一次增加一次计数，超过次数则返回false。

---

Hash

介绍

现在有一张teacher表

假设我们还是通过String类型存储的话，存储的时候就要把 Teacher 实体类进行序列化，然后作为 value 值存储进去；修改的时候，也需要把 value 先取出来进行反序列化，比如把年龄更改为21岁，然后再序列化，再存进去，十分的繁琐，增加开销。

我们需要单独获取、修改一个值，这时我们可以通过key分层的方式来实现，如下表：

但是这样 key 会很多，key 也很长，占用空间，有没有更好的办法，这时候就用到我们的 Hash 类型，如下两张表所示：

这样也便于集中管理，划分的粒度不同，可以按照实际场景，key 的过期时间，灵活度考虑选取哪一种存储方式。

Hash用来存储多个无序的键值对，最大存储数量2^32-1（40亿左右）。

优点：

• 把所有相关的值聚集到一个Key中，节省内存空间
• 只使用一个Key，减少Key冲突
• 当需要批量获取值的时候，只需要使用一个命令，减少内存/IO/CPU的消耗

缺点：

• Field不能单独设置过期时间
• 需要考虑数据量分布的问题（field非常多的时候，无法分布到多个节点）

---

应用场景

String可以做的事情，Hash都可以做。再补充一个场景，购物车：

key：用户id；field：商品id；value：商品数量；

+1：hincr；

-1：hdecr；

删除：hincrby key field -1；

全选：hgetall；

商品数：hlen；

---

List

介绍

存储有序的字符串（从左到右），元素可以重复，最大存储数量2^32-1（40亿左右）。

下面通过画图来演示一下入队列，出队列

---

应用场景

列表

例如用户的消息列表、网站的公告列表、活动列表、博客的文章列表、评论列表等，通过 LRANGE 取出一页，按顺序显示。

---

队列/栈

List还可以当做分布式环境的队列/栈使用。

队列：先进先出，rpush 和 blpop

栈：先进后出，rpush 和 brpop

这里介绍两个阻塞的弹出操作：blpop/brpop，可以设置超时时间（单位：秒）。

blpop：blpop key1 timeout，移出并获取列表的第一个元素， 
如果列表没有元素会阻塞列表直到等待超时或发现可弹出元素为止。

brpop：brpop key1 timeout，移出并获取列表的最后一个元素，
如果列表没有元素会阻塞列表直到等待超时或发现可弹出元素为止。

---

Set

介绍

Set 存储 String 类型的无序集合，最大存储数量 2^32-1（40亿左右）。

如下图所示：

---

应用场景

抽奖

随机获取元素：spop myset

点赞、签到、打卡

我们以微博举例子，假设这条微博的ID是t1001，用户ID是u6001，

用dianzan:t1001来维护t1001这条微博的所有点赞用户。

点赞了这条微博：sadd dianzan:t1001 u6001

取消点赞：srem dianzan:t1001 u6001

是否点赞：sismember dianzan:t1001 u6001

点赞的所有用户：smembers dianzan:t1001

点赞数：scard dianzan:t1001

比关系型数据库简单了许多。

---

商品标签

用 tags:i8001 来维护商品所有的标签。

sadd tags:i8001 画面清晰细腻

sadd tags:i8001 真彩清晰显示屏

sadd tags:i8001 流畅至极

---

商品筛选

华为P40上线了，支持民族品牌，加到各个标签中去。

sadd brand:huawei p40

sadd os:android p40

sadd screensize:6.0-6.24 p40

买的时候筛选，牌子是华为，操作系统是安卓，屏幕大小在6.0-6.24之间的，取交集：
sinter brand:huawei os:android screensize:6.0-6.24

---

ZSet

介绍

sorted set 存储有序的元素。每个元素都有个 score，按照 score 从小到大排序。score 相同时，按照 key 的ASCII码排序。

---

应用场景

排行榜

今天是2021年6月14号，建一个 key 为 hotSearch:20210614 的 zset。
2021央视端午晚会这条新闻的id是n1234，每点击一下：zincrby hotSearch:20210614 1 n1234
获取热搜排行榜前十条：zrevrange hotSearch:20210614 0 10 withscores

---

BitMaps

介绍

BitMaps是在字符串类型上定义的位操作，一个字节由8个二进制位组成。如下图所示：

m的ASCII码是109，对应的二进制数据是0110 1101

---

应用场景

BITOP AND destkey key [key ...]，对一个或多个key求逻辑并，并将结果保存到 destkey。
BITOP OR destkey key [key ...]，对一个或多个key求逻辑或，并将结果保存到 destkey。
BITOP XOR destkey key [key ...]，对一个或多个key求逻辑异或，并将结果保存到 destkey。
BITOP NOT destkey key，对给定key求逻辑非，并将结果保存到 destkey。

连续七天在线用户

setbit firstday 0 1 //设置第一天uid是0的用户登录
setbit firstday 1 0 //设置第一天uid是1的用户未登录
setbit firstday 2 1 //设置第一天uid是2的用户登录
...
setbit secondday 0 0 //设置第二天uid是0的用户未登录
setbit secondday 1 1 //设置第二天uid是1的用户登录
setbit secondday 2 1 //设置第二天uid是2的用户登录
... //以此类推

那么在算连续七天在线用户就是：

BITOP AND 7_both_online_users firstday secondday thirdday fourthday 
fifthday sixthday seventhday

还可以应用访问统计、在线用户统计等等。

---

Hyperloglog

Hyperloglog 提供了一种不太精确的基数统计方法，用来统计一个集合中不重复的元素个数，比如统计网站的UV，或者应用的日活、月活，存在一定的误差。

在 Redis 中实现的 Hyperloglog，只需要12k内存就能统计2^64个数据。

    public static void main(String[] args) {
        Jedis jedis = new Jedis("39.103.144.86", 6379);
        float size = 100000;
        for (int i = 0; i < size; i++) {
            jedis.pfadd("hll", "hll-" + i);
        }
        long total = jedis.pfcount("hll");
        System.out.println(String.format("统计个数: %s", total));
        System.out.println(String.format("正确率: %s", (total / size)));
        System.out.println(String.format("误差率: %s", 1 - (total / size)));
        jedis.close();
    }

---

Geo

现在有这样一个需求，获取半径1公里以内的门店，那么我们就要把门店的经纬度存起来，如果存在数据库的话，一个字段存经度，一个字段存维度，计算距离比较复杂。现在我们通过 Redis 的 Geo 存储十分方便。

# 存经纬度
geoadd location 121.445	31.213 shanghai
# 取经纬度
geopos location shanghai

可以增加地址位置信息、获取地址位置信息、计算两个位置的距离、获取指定范围内的地理位置集合等等。

    public static void main(String[] args) {
        Jedis jedis = new Jedis("39.103.144.86", 6379);
        Map<String, GeoCoordinate> geoMap = new HashMap<>();
        GeoCoordinate coordinate = new GeoCoordinate(121.445, 31.213);
        geoMap.put("shanghai", coordinate);
        jedis.geoadd("positions", geoMap);
        System.out.println(jedis.geopos("positions", "shanghai"));
        jedis.close();
    }

---

Streams

5.0推出的数据类型。支持多播的可持久化的消息队列，用于实现发布订阅功能，借鉴了Kafka的设计。

---

应用场景总结

缓存—提升热点数据的访问速度
共享数据—数据的存储和共享的问题
全局ID—分布式全局ID的生成方案（分库分表）
分布式锁—进程间共享数据的原子操作保证
在线用户统计和计数
队列、栈—跨进程的队列/栈
消息队列—异步解耦的消息机制
服务注册与发现—RPC通信机制的服务协调中心（Dubbo支持Redis）
购物车
新浪用户消息时间线
抽奖逻辑（礼物、转发）
点赞、签到、打卡
商品标签
用户（商品）关注（推荐）模型
电商产品筛选
排行榜