Redis深度历险——基础篇

Redis基础数据结构

• string（字符串）
• list（列表）
• hash (字典)
• set （集合）
• zset （有序集合）

各数据结构简介

Redis的所有存储都是key-value形式的，数据结构是指value值的类型。
Redis的所有结构都可以设置过期时间，过期时间以容器为单位。
Redis容器型数据结构（List , Hash, Set, zSet）都遵循两条规则：

• create if not exists 如果容器不存在，就创建一个
• drop if no elements 如果容器没有元素，立即删除，释放内存

1.String
String由字符数组组成，redis的实现类似于java的ArrayList，由冗余字段来减少内存的频繁分配。当String大小小于1MB时，扩容容量加倍。当String大小大于1MB时，每次只会增加1MB（MAX = 512MB）

如果value值是一个整数，redis还提供了自增操作（incr）具体细节之后再谈论。

2.List
Redis的列表相当于Java的LinkedList，内部实现使用双向链表而不是数组，当链表弹出最后一个元素时，数据结构被删除，内存被回收。

如果在深入，会发现redis底层使用了一个ZipList（压缩列表）和 QuickList（快速链表），当Redis数据量小的时候，Redis采用ZipList进行存储。ZipList是一块连续的存储空间，以此来节约链表存储双向指针的额外开销。当数据量达到阈值时，Redis会采用QuickList进行存储，QuickList是多个ZipList组成的链表，每一块ZipList只保存一份双向链表指针。(具体细节之后再谈论)

使用场景：异步队列

3.Hash
相当于Java的hashMap，它是无序字典，同样采取了数组+链表的结构。不同的是，Redis的字典值只能是字符串，并且当Redis进行扩容时也和java有区别。java扩容hashMap是个非常耗时的操作，Redis为了追求高性能，不能堵塞服务，采用了渐进式rehash策略。当Redis进行rehash操作时，会保留新旧两个hash结构，查询时同时查询两个hash，当旧hash数据全部移植到新hash时，redis释放旧hash的内存，由新hash取而代之

使用场景：存储用户信息，每个字段单独存取。

4.Set
同java中hashSet相同，内部实现是一个特殊的字典，字典中所有的value的值都是null

5.zSet
zset结构时Redis中最有特色的结构。zset本身可以理解为一个set集合，但是又对set集合中的每一个value赋予一个score，代表value的权重。它的内部实现是一种叫做“跳跃列表”的数据结构。

使用场景：成绩排序、时间排序

– 关于跳跃列表实现原理，之后会详谈

分布式锁

分布式系统经常面临着并发问题，为防止并发问题造成的数据错乱就要使用分布式。redis分布式锁使用的非常广泛，下面就来了解分布式锁的原理：

分布式锁的奥义
分布式锁的本质就是再redis里占一个“坑”， 当其他进程来占坑时发现已经被别人占了，就只能放弃或者稍后再试。

占坑一般使用setnx（set if not exist）指令，只允许被一个客户占坑，用完再调用del指令释放掉。

然而，计算机的世界总是会出一些奇奇怪怪的问题：当一个线程执行过程中突然挂掉了，没来得及释放坑位，就会陷入死锁，锁永远得不到释放，于是我们想到了对锁加一个过期时间。

但是随之而来的，当对锁加入过期时间后，若程序未在过期时间内执行完毕，锁会自动释放。我在网上查的解决锁超时问题的相关资料大多方法是启动守护线程，通过Lua脚本重设超时时间，这其中有着复杂的逻辑判断以及守护线程随主线程的结束而销毁。关于解决锁超时这个问题还值得我们大家的思考。

现在，我们面临另外一个问题：如果分布式锁加锁失败了怎么办？

一般情况下，我们有以下三种策略：

• 直接抛出异常，通知用户稍后重试
• sleep，一会重试
• 将请求转移至延时队列

延时队列

我们都习惯RabbitMq和KafKa作为消息队列中间件，如果我们只有一组消费者，我们可以使用redis简化消息队列的操作。当然，redis不是专业的消息队列，它没有那么多的高级特性，没有ack的保证，无法确定消息的可靠性。

redis的list最经常用来做异步队列。可以使用lpop和rpop操作出队列。如果客服端轮询的时候发现redis队列为空怎么办？我们可以用sleep来解决这个问题。但是是使用sleep后还会有问题：队列的延迟增大。我们可以使用Redis的阻塞读（blpop/brpop）。

上面介绍了异步队列，那么延时队列应该怎么实现呢？我们通常采用Redis的zSet数据结构来实现。我们将消息设置为zset的value，到期处理时间为score，然后用多线程轮询zset到期任务来处理。同时用zerm方法保证任务的唯一属主。

位图

有时，我们会遇到大量的布尔值存储，如果我们使用常规方式存储将占用大量的空间，这对服务器的压力是巨大的。这个时候，我们就可以用Redis的位图数据结构。

位图不是一种特殊的数据结构，它其实就是普通的字符串，我们可以通过getbit/sitbit对字符串对应的byte数组进行操作。Redis的位数组（字符串对应的byte数组）是自动扩充的，当设置的偏移位置超出了现有的内容范围，redis将自动进行零扩充。

位图可以通过bitcount指令和bitpos指令进行统计，但统计的范围只能是8的倍数。还有魔术指令bitfield。关于指令的使用方法，这里就不再赘述了。

Redis的非准确数据结构

HyperLogLog

如果现在有一个网站，万恶的产品必须让你统计点击数量和有效访问数量（PV and UV），如果只统计点击量，那非常好办，只需要设置一个Redis计数器，不断的incrby就可以了。但是UV不同，同一个ID每天只能统计一次有效访问数量，这就需要去重。也许我们可以用set，天然去重的数据结构，但是一旦访问量过大，set中将保存数以千万个用户ID的时候，服务器最终会撑不住的。这是，就用到了标题上的高级数据结构HyperLogLog，它提供了pfadd、pfcount指令，一个用来增加计数，一个用来获取计数。HyperLogLog原理比较复杂，笔者也没过多的了解，这里就略过了。

布隆过滤器

布隆过滤器可以理解为不那么准确的set结构，它判断不在集合中的一定不存在，判断在集合中的不一定存在。我们可以通过参数设置来减小它的误差，当然，误差设置的越小，需要的空间也就越大。

限流

关于限流，Redis 4.0提供了Redis-Cell模块，使用了漏斗算法（有关漏斗算法请参阅）