redis专题：redis的常用数据结构及使用场景

已于 2022-07-14 17:01:40 修改
阅读量6k 收藏 62
点赞数 9
分类专栏： redis 文章标签： redis 数据结构 数据库
于 2020-11-02 22:18:32 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_45076180/article/details/109458668
版权

文章目录


一. redis常用五大数据结构

        redis中存储数据是以key-value的形式去存储的，其中key为String字符串类型，value的数据类型有string、hash、list、set、zset等这五种常用的。这五种数据结构在开发中基本上可以应对大部分场景的数据存储！！下面分别来介绍value的五种数据结构的用法以及使用场景
在这里插入图片描述

 

〇：key的底层存储方式：SDS

         当我们使用命令set aaa 123等命令操作redis时，也是会经过redis客户端到redis服务端的过程，这些命令相当于一个请求：

  • redis客户端通过socket传输这些命令
  • redis服务端通过io读取到这些请求命令，把所有的命令解析成一个字符串，并执行对应命令操作，然后再经过socket写回操作结果！

在这里插入图片描述
          redis是使用c语言写的，但它底层在存放redis的key时，并没有用c语言原生的字符串数据结构，而是定义了一个属于redis的数据结构SDS(Simple Dynamic String)，

struct sdshdr{
     //记录buf数组中已使用字节的数量
     //等于 SDS 保存字符串的长度
     int len;
     //记录 buf 数组中未使用字节的数量
     int free;
     //字节数组，用于保存字符串
     char buf[];
}

为什么要使用这样的一个数据结构来存储字符串呢？

  • ①：二进制安全的数据结构
    • 比如是操作命令是get aaa\0 ：获取 aaa\0的值。如果是c语言的字符数组就会把\0吞掉，变为get aaa，而使用SDS就会完整的操作aaa\0，SDS把所有接受到的数据都转成字符串，即使是一些特殊字符！
  • ②：SDS提供了内存预分配机制，避免频繁的内存分配
    • 如果是c语言，在修改一个key时，会分配一个新的字符数组，然后进行内存赋值，而SDS则采用预先分配机制，直接把字符串容量扩大两倍，key的长度变化时，直接在已分配的内存中修改即可，如果不够继续扩大2倍
  • ③：兼容c语言的函数库
    • 定制SDS数据结构并不是重复造轮子，该复用的还是要复用！
       

①：string && 使用场景

1.1 string常用操作

命令说明
SET key value存入字符串键值对
MSET key value [key value …]批量存储字符串键值对
SETNX key value存入一个不存在的字符串键值对
GET key获取一个字符串键值
MGET key [key …]批量获取字符串键值
DEL key [key …]删除一个键
EXPIRE key seconds设置一个键的过期时间(秒)
INCR key将key中储存的数字值加1
DECR key将key中储存的数字值减1
INCRBY key increment将key所储存的值加上increment
DECRBY key decrement将key所储存的值减去decrement

1.2 string的使用场景

  1. 单值缓存
    SET key value
    GET key
    使用上面两条命令可以做用户id存储、商品库存存储等等！

  2. 对象缓存
    以缓存user对象为例，有以下两种方式

    ①：SET user:1 value(json格式数据)：把对象转json存入redis，也是当下常用的方式，获取数据需要做数据转换

    ②：MSET user:1:name zhuge user:1:balance 1888
    MGET user:1:name user:1:balance
    使用Mset命令，把对象拆开存储，每一个key只保存对象的一个字段信息，适用于经常修改user的某个字段的场景

  3. 分布式锁
    SETNX product:10001 true //操作product:10001
    。。。执行业务操作
    DEL product:10001 //删除product:10001

    其中SETNX key value 命令要求如果key已存在，则其他的setnx命令无法对当前key进行操作。

    在使用分布式锁时通常还会通过
    SET product:10001 true ex 10 nx 命令设置key的超时时间，防治死锁！

  4. 计数器
    INCR 文章id
    可以使用INCR命令实现数量自增，可以用于文章阅读量、热度人数统计等，用户每点进去一次执行一次INCR命令！
    在这里插入图片描述

  5. 分布式系统全局序列号
    在分布式系统下，如果需要分库分表， mysql的数据库自增id已经无法满足分库分表下的id自增，这时就需要一个独立于数据库之外的中间件来实现id的分配。

    redis的INCR命令可以实现id、序列号的生成，但如果用户量非常大，每生成一个id、序列号都去redis会给redis添加不小的压力，我们可以一次性从redis中自增1000次，把序列号放入本地内存中，这1000个id用完了，再去redis再取1000个，可有效降低redis的压力！


②：hash && 使用场景

2.1 hash的常用操作

命令说明
HSET key field value存储一个哈希表key的键值
HGET key field获取哈希表key对应的field键值
HMSET key field value [field value …]在一个哈希表key中存储多个键值对
HMGET key field [field …]批量获取哈希表key中多个field键值
HSETNX key field value存储一个不存在的哈希表key的键值
HDEL key field [field …]删除哈希表key中的field键值
HLEN key返回哈希表key中field的数量
HGETALL key返回哈希表key中所有的键值
HINCRBY key field increment为哈希表key中field键的值加上增量increment

2.2 hash的用用场景

  1. 电商购物车
    1）以用户id为key === cart:1001
    2）商品id为field === 10088
    3）商品数量为value === 1

    购物车操作
    1）添加商品 hset cart:1001 10088 1
    2）增加数量 hincrby cart:1001 10088 1
    3）商品总数 hlen cart:1001
    4）删除商品 hdel cart:1001 10088
    5）获取购物车所有商品 hgetall cart:1001

在这里插入图片描述
优点
1）同类数据归类整合储存，方便数据管理

2）相比string操作消耗内存与cpu更小
因为：string类型通过set key - val 的方式存储数据，通过对key进行hash运算决定当前key是存储在数组哪个位置。如果把hash类型的数据变成string类型来存储，则需要更多的key，同时在存放时也需要更多的hash(key)运算，消耗更多的cpu资源！

3）相比string储存更节省空间
如果把hash类型的数据变成string类型来存储，将需要存储更多key，如果数据量很多的情况下，redis底层那么存储数据的数组将很快会被占满，占满就会进行扩容，加大内存消耗。由此可见，string结构与hash结构只存储一个key相比，需要更多的内存空间！

缺点
1）过期功能不能使用在field上，只能用在key上
redis的过期时间只能用在key上，而hash的key是一个大的概念，里面的map型结构才是重要数据，但过期时间只能用在外边的大key上，hash结构相比于string不能实现精准过期！

2）hash结构在Redis集群架构下不适合大规模使用
因为如果一个hash的key中的属性很多的话，只能存在一个redis节点上，那么这个节点压力会比其他节点压力大很多，造成redis集群下压力分配不均衡！


③：list && 使用场景

list类似一个队列或栈

3.1 list 的常用操作

命令说明
LPUSH key value [value …]将一个或多个值value插入到key列表的表头(最左边)
RPUSH key value [value …]将一个或多个值value插入到key列表的表尾(最右边)
LPOP key移除并返回key列表的头元素
RPOP key移除并返回key列表的尾元素
LRANGE key start stop返回列表key中指定区间内的元素，区间以偏移量start和stop指定
BLPOP key [key …] timeout从key列表表头弹出一个元素，若列表中没有元素，阻塞等待
timeout：秒，如果timeout=0,一直阻塞等待
BRPOP key [key …] timeout从key列表表尾弹出一个元素，若列表中没有元素，阻塞等待
timeout：秒，如果timeout=0,一直阻塞等待

在这里插入图片描述

3.2 list 的用用场景

  1. 模拟分布式系统数据结构
    ①：Stack(栈) = LPUSH（左边放） + LPOP（左边取）
    ②：Queue(队列）= LPUSH（左边放） + RPOP（右边取）
    ③：Blocking MQ(阻塞队列）= LPUSH（左边放） + BRPOP（右边阻塞取：没有数据就阻塞！）

    问：那么redis实现的数据结构和jdk中提供的数据结构有什么区别呢？

    答：jdk提供的数据结构仅在本服务中有用，如果在分布式环境下，则需要借助redis等中间件，模拟数据结构来统一管理数据。

    2. 微博、朋友圈、公众号等，关注的文章列表展示

    在这里插入图片描述

            假如 小明 关注了 中国青年报、三太子敖丙 等大V的订阅号，当这些大V发布订阅号时，通过推或拉的方式把消息LPUSH放入redis中属于小明的list中。其中key为msg:{小明_ID}。当小明要获取大V们发的消息时，使用LRANGE 命令从队列中获取指定个数的订阅号信息！！

    ①：MacTalk发微博，消息ID为10010
    LPUSH msg:{小明_ID} 10010

    ②：备胎说车发微博，消息ID为10086
    LPUSH msg:{小明_ID} 10086

    ③：查看最新微博消息
    LRANGE msg:{小明_ID} 0 4

    这里有一个问题，大V发了消息的是怎么存储在粉丝的redis中呢？一般有两种处理方案！

    ①：推，博主发了消息，通过线程先推送到在线粉丝的队列中，其他不在线的等系统空闲时慢慢推过去。

    ②：拉，如果粉丝太多，推的方案还是要很长时间去处理，还有一种方案就是拉。每一个粉丝上线后就去关注的博主那里 拉取他发的最新的消息，在使用LRANGE取出即可！


④：set && 使用场景

set是一个集合，key不允许重复，如果重复设置key，则设置无效

4.1 set 的常用操作

命令说明
SADD key member [member …]往集合key中存入元素，元素存在则忽略，若key不存在则新建
SREM key member [member …]从集合key中删除元素
SMEMBERS key获取集合key中所有元素
SCARD key获取集合key的元素个数
SISMEMBER key member判断member元素是否存在于集合key中
SRANDMEMBER key [count]从集合key中选出count个元素，元素不从key中删除
SPOP key [count]从集合key中选出count个元素，元素从key中删除

set运算操作

命令说明
SINTER key [key …]交集运算
SINTERSTORE destination key [key …]将交集结果存入新集合destination中
SUNION key [key …]并集运算
SUNIONSTORE destination key [key …]将并集结果存入新集合destination中
SDIFF key [key …]差集运算
SDIFFSTORE destination key [key …]将差集结果存入新集合destination中

4.2 set 的用用场景

  1. 抽奖活动
    在这里插入图片描述
    1）点击参与抽奖加入集合
    SADD key {userlD}

    2）查看参与抽奖所有用户
    SMEMBERS key

    3）随机抽取count名中奖者
    SRANDMEMBER key [count] ------元素不从集合中删除
    SPOP key [count] ------ 元素从集合中删除

  2. 朋友圈点赞
    当某人在朋友圈发布消息，可用set来点赞展示
    在这里插入图片描述

    1. 点赞
      SADD like:{消息ID} {用户ID}
    2. 取消点赞
      SREM like:{消息ID} {用户ID}
    3. 检查用户是否点过赞
      SISMEMBER like:{消息ID} {用户ID}
    4. 获取点赞的用户列表
      SMEMBERS like:{消息ID}
    5. 获取点赞用户数
      SCARD like:{消息ID}

  3. 利用set的交、并、差集实现微博、微信关注模型

    关注模型如下图：

    在这里插入图片描述

    首先了解一下set的集合操作，假如有三个集合
    set1：（a、b、c）
    set2：（b、c、d）
    set3：（c、d、e）

    三个集合的
    交集为：SINTER set1 set2 set3 ==> { c }
    并集为：SUNION set1 set2 set3 ==> { a,b,c,d,e }
    差集为：SDIFF set1 set2 set3 ==> { a }
    差集计算方式：set1 - （set2并set3） = {a、b、c} - {b、c、d、e} = {a} 只保留a中单独存在的元素

    共同关注A的人：可以用交集来实现
    我可能认识的人：可以使用差集来实现，把我关注的人求差集
    我关注的人也关注A：可以使用SISMEMBER 命令查看A是否在我关注的人的关注列表中，如果存在把这个人返回


⑤：zset && 使用场景

zset相比于set多一个score 分值，正是根据这个分值进行排序，所以zset才能展示有序的数据

5.1 zset 的常用操作

命令说明
ZADD key score member [[score member]…]往有序集合key中加入带分值元素
ZREM key member [member …]从有序集合key中删除元素
ZSCORE key member返回有序集合key中元素member的分值
ZINCRBY key increment member为有序集合key中元素member的分值加上increment
ZCARD key返回有序集合key中元素个数
ZRANGE key start stop [WITHSCORES]正序获取有序集合key从start下标到stop下标的元素
ZREVRANGE key start stop [WITHSCORES]倒序获取有序集合key从start下标到stop下标的元素

set运算操作

命令说明
ZUNIONSTORE destkey numkeys key [key …]并集计算
ZINTERSTORE destkey numkeys key [key …]交集计算
在这里插入图片描述

5.2 zset 的使用场景

  1. 实现热搜排行榜
    在这里插入图片描述

①：点击 “美国选举” 新闻时，为其分值+1
ZINCRBY hotNews:20190819 1 美国选举

②：展示当日排行前十
ZREVRANGE hotNews:20190819 0 9 WITHSCORES

③：七日搜索榜单计算
取7天的key求并集放入新的key=hotNews:20190813-20190819中，就得出这7天中的访问量排行榜
ZUNIONSTORE hotNews:20190813-20190819 7
hotNews:20190813 hotNews:20190814… hotNews:20190819

④：展示七日排行前十
根据上边的并集，从新的key=hotNews:20190813-20190819中取出前10名
ZREVRANGE hotNews:20190813-20190819 0 9 WITHSCORES

二. 基于RedisTemplate封装工具类

package com.huakai.utils;

import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.beans.factory.annotation.Qualifier;
import org.springframework.data.redis.core.RedisTemplate;
import org.springframework.stereotype.Component;

import java.util.*;
import java.util.concurrent.TimeUnit;

/**
 * @author huakai
 */
@Component
public class RedisUtil {


    @Autowired
    @Qualifier("myRedisTemplate")
    private RedisTemplate<String, Object> redisTemplate;
    // =============================common============================

    /**
     * 指定缓存失效时间
     *
     * @param key  键
     * @param time 时间(秒)
     */
    public boolean expire(String key, long time) {
        try {
            if (time >= 0) {
                redisTemplate.expire(key, time, TimeUnit.SECONDS);
            }
            return true;
        } catch (Exception e) {
            e.printStackTrace();
            return false;
        }

    }


    /**
     * 根据key 获取过期时间
     *
     * @param key 键 不能为null
     * @return 时间(秒) 返回0代表为永久有效
     */
    public long getExpire(String key) {
        return Optional.ofNullable(redisTemplate.getExpire(key, TimeUnit.SECONDS)).orElse(0L);
    }

    /**
     * 判断key是否存在
     *
     * @param key 键
     * @return true 存在 false不存在
     */
    public boolean hasKey(String key) {
        try {
            return Optional.ofNullable(redisTemplate.hasKey(key)).orElse(false);
        } catch (Exception e) {
            e.printStackTrace();
            return false;
        }
    }


    /**
     * 删除缓存
     *
     * @param keys 可以传一个值 或多个
     */
    public boolean del(List<String> keys) {
        if (keys.size() > 0) {
            final Long aLong = Optional.ofNullable(redisTemplate.delete(keys)).orElse(0L);
            return aLong > 0;
        }
        return false;
    }

    // ============================String=============================

    /**
     * 普通缓存获取
     *
     * @param key 键
     * @return 值
     */
    public Object get(String key) {
        return key == null ? null : redisTemplate.opsForValue().get(key);
    }

    /**
     * 普通缓存放入
     *
     * @param key   键
     * @param value 值
     * @return true成功 false失败
     */
    public boolean set(String key, Object value) {
        try {
            redisTemplate.opsForValue().set(key, value);
            return true;
        } catch (Exception e) {
            e.printStackTrace();
            return false;
        }
    }

    /**
     * 普通缓存放入并设置时间
     *
     * @param key   键
     * @param value 值
     * @param time  时间(秒) time要大于0 如果time小于等于0 将设置无限期
     * @return true成功 false 失败
     */
    public boolean set(String key, Object value, long time) {
        try {
            if (time > 0) {
                redisTemplate.opsForValue().set(key, value, time, TimeUnit.SECONDS);
            } else {
                set(key, value);
            }
            return true;
        } catch (Exception e) {
            e.printStackTrace();
            return false;
        }
    }

    /**
     * 递增
     *
     * @param key   键
     * @param delta 要增加几(大于0)
     */
    public long incr(String key, long delta) {
        if (delta < 0) {
            throw new RuntimeException("递增因子必须大于0");
        }
        return Optional.ofNullable(redisTemplate.opsForValue().increment(key, delta)).orElse(0L);
    }

    /**
     * 递减
     *
     * @param key   键
     * @param delta 要减少几(小于0)
     */
    public long decr(String key, long delta) {
        if (delta < 0) {
            throw new RuntimeException("递减因子必须大于0");
        }
        return Optional.ofNullable(redisTemplate.opsForValue().increment(key, -delta)).orElse(0L);
    }

    public long decr(String key) {
        return Optional.ofNullable(redisTemplate.opsForValue().increment(key)).orElse(0L);
    }

    // ================================hash=================================

    /**
     * HashGet
     *
     * @param key  键 不能为null
     * @param item 项 不能为null
     * @return 值
     */
    public Object hget(String key, String item) {
        return redisTemplate.opsForHash().get(key, item);
    }

    /**
     * 获取hashKey对应的所有键值
     *
     * @param key 键
     * @return 对应的多个键值
     */
    public Map<Object, Object> hKeys(String key) {
        return redisTemplate.opsForHash().entries(key);
    }

    /**
     * 获取hashKey的长度
     *
     * @param key 键
     * @return 哈桑Key的大小
     */
    public Long hlen(String key) {
        Long size = 0L;
        try {
            size = Optional.of(redisTemplate.opsForHash()).map(o -> o.size(key)).orElse(0L);
        } catch (Exception e) {
            e.printStackTrace();
            return 0L;
        }
        return size;
    }

    /**
     * HashSet 并设置时间
     *
     * @param key  键
     * @param map  对应多个键值
     * @param time 时间(秒)
     * @return true成功 false失败
     */
    public boolean hmset(String key, Map<String, Object> map, long time) {
        try {
            redisTemplate.opsForHash().putAll(key, map);
            if (time > 0) {
                expire(key, time);
            }
            return true;
        } catch (Exception e) {
            e.printStackTrace();
            return false;
        }

    }

    /**
     * 向一张hash表中放入多条数据,如果不存在将创建
     * @param key 键
     * @param map 对应多个键值
     * @return true 成功 false 失败
     */
    public boolean hset(String key, Map<String, Object> map) {
        try {
            redisTemplate.opsForHash().putAll(key, map);
            return true;
        } catch (Exception e) {
            e.printStackTrace();
            return false;
        }
    }

    /**
     * 向一张hash表中放入数据,如果不存在将创建
     *
     * @param key   键
     * @param item  项
     * @param value 值
     * @return true 成功 false失败
     */
    public boolean hset(String key, String item, Object value) {
        try {
            redisTemplate.opsForHash().put(key, item, value);
            return true;
        } catch (Exception e) {
            e.printStackTrace();
            return false;
        }
    }

    /**
     * 向一张hash表中放入数据,如果不存在将创建
     *
     * @param key   键
     * @param item  项
     * @param value 值
     * @param time  时间(秒) 注意:如果已存在的hash表有时间,这里将会替换原有的时间
     * @return true 成功 false失败
     */
    public boolean hset(String key, String item, Object value, long time) {
        try {
            redisTemplate.opsForHash().put(key, item, value);
            if (time > 0) {
                expire(key, time);
            }
            return true;
        } catch (Exception e) {
            e.printStackTrace();
            return false;
        }
    }

    /**
     * 删除hash表中的值
     *
     * @param key  键 不能为null
     * @param item 项 可以使多个 不能为null
     */
    public void hdel(String key, Object... item) {
        redisTemplate.opsForHash().delete(key, item);
    }

    /**
     * 判断hash表中是否有该项的值
     *
     * @param key  键 不能为null
     * @param item 项 不能为null
     * @return true 存在 false不存在
     */
    public boolean hHasKey(String key, String item) {
        return redisTemplate.opsForHash().hasKey(key, item);
    }

    /**
     * hash递增 如果不存在,就会创建一个 并把新增后的值返回
     *
     * @param key  键
     * @param item 项
     * @param by   要增加几(大于0)
     */
    public double hincr(String key, String item, double by) {
        return redisTemplate.opsForHash().increment(key, item, by);
    }

    /**
     * hash递减
     *
     * @param key  键
     * @param item 项
     * @param by   要减少记(小于0)
     */
    public double hdecr(String key, String item, double by) {
        return redisTemplate.opsForHash().increment(key, item, -by);
    }

    // ===============================list=================================


    /**
     * 通过索引 获取list中的值
     *
     * @param key   键
     * @param index 索引 index>=0时， 0 表头，1 第二个元素，依次类推；index<0时，-1，表尾，-2倒数第二个元素，依次类推
     */
    public Object lGet(String key, long index) {
        try {
            return redisTemplate.opsForList().index(key, index);
        } catch (Exception e) {
            e.printStackTrace();
            return null;
        }
    }

    /**
     * 获取list指定范围的内容
     *
     * @param key   键
     * @param start 开始
     * @param end   结束 0 到 -1代表所有值
     */
    public List<Object> lRange(String key, long start, long end) {
        try {
            return redisTemplate.opsForList().range(key, start, end);
        } catch (Exception e) {
            e.printStackTrace();
            return null;
        }
    }

    /**
     * 获取list缓存的长度
     *
     * @param key 键
     */
    public long lLen(String key) {
        try {
            return Optional.ofNullable(redisTemplate.opsForList().size(key)).orElse(0L);
        } catch (Exception e) {
            e.printStackTrace();
            return 0;
        }
    }


    /**
     * 将list放入缓存
     *
     * @param key   键
     * @param value 值
     */
    public boolean lSet(String key, Object value) {
        try {
            redisTemplate.opsForList().rightPush(key, value);
            return true;
        } catch (Exception e) {
            e.printStackTrace();
            return false;
        }
    }

    /**
     * 将list放入缓存
     *
     * @param key   键
     * @param value 值
     * @param time  时间(秒)
     */
    public boolean lSet(String key, Object value, long time) {
        try {
            redisTemplate.opsForList().rightPush(key, value);
            if (time > 0) {
                expire(key, time);
            }
            return true;
        } catch (Exception e) {
            e.printStackTrace();
            return false;
        }
    }

    /**
     * 将list放入缓存
     *
     * @param key   键
     * @param value 值
     */
    public boolean lSet(String key, List<Object> value) {
        try {
            redisTemplate.opsForList().rightPushAll(key, value);
            return true;
        } catch (Exception e) {
            e.printStackTrace();
            return false;
        }
    }

    /**
     * 将list放入缓存
     *
     * @param key   键
     * @param value 值
     * @param time  时间(秒)
     */
    public boolean lSet(String key, List<Object> value, long time) {
        try {
            redisTemplate.opsForList().rightPushAll(key, value);
            if (time > 0) {
                expire(key, time);
            }
            return true;
        } catch (Exception e) {
            e.printStackTrace();
            return false;
        }
    }

    /**
     * 根据索引修改list中的某条数据
     *
     * @param key   键
     * @param index 索引
     * @param value 值
     */
    public boolean lUpdate(String key, long index, Object value) {
        try {
            redisTemplate.opsForList().set(key, index, value);
            return true;
        } catch (Exception e) {
            e.printStackTrace();
            return false;
        }
    }

    /**
     * 移除N个值为value
     *
     * @param key   键
     * @param count 移除多少个
     * @param value 值
     * @return 移除的个数
     */
    public long lRemove(String key, long count, Object value) {
        try {
            return Optional.ofNullable(redisTemplate.opsForList().remove(key, count, value)).orElse(0L);
        } catch (Exception e) {
            e.printStackTrace();
            return 0;
        }
    }

    // ============================set=============================

    /**
     * 根据key获取Set中的所有值
     *
     * @param key 键
     */
    public Set<Object> sMember(String key) {
        return redisTemplate.opsForSet().members(key);
    }

    /**
     * 根据value从一个set中查询,是否存在
     *
     * @param key   键
     * @param value 值
     * @return true 存在 false不存在
     */
    public boolean sIsMember(String key, Object value) {
        return Optional.ofNullable(redisTemplate.opsForSet().isMember(key, value)).orElse(false);
    }

    /**
     * 将数据放入set缓存
     *
     * @param key    键
     * @param values 值 可以是多个
     * @return 成功个数
     */
    public long sAdd(String key, Object... values) {
        return Optional.ofNullable(redisTemplate.opsForSet().add(key, values)).orElse(0L);
    }

    /**
     * 将set数据放入缓存
     *
     * @param key    键
     * @param time   时间(秒)
     * @param values 值 可以是多个
     * @return 成功个数
     */
    public long sSetWithTime(String key, long time, Object... values) {
        try {
            if (time > 0) {
                expire(key, time);
            }
            return Optional.ofNullable(redisTemplate.opsForSet().add(key, values)).orElse(0L);
        } catch (Exception e) {
            e.printStackTrace();
            return 0;
        }
    }

    /**
     * 随机移除并返回一个元素
     *
     * @param key 键
     * @return 被移除的元素
     */
    public Object sPop(String key) {
        return redisTemplate.opsForSet().pop(key);
    }

    /**
     * 随机返回指定长度的count个元素
     *
     * @param key   键
     * @param count 返回元素的个数
     * @return 返回的元素
     */
    public List<Object> sRandMember(String key, long count) {
        return redisTemplate.opsForSet().randomMembers(key, count);
    }

    /**
     * 两个set集合求交集
     *
     * @param key1 其中一个set的key
     * @param key2 另一个set的key
     * @return 两个set的差集
     */
    public Set<Object> sDiff(String key1, String key2) {
        return redisTemplate.opsForSet().difference(key1, key2);
    }

    /**
     * 两个set集合求交集
     *
     * @param key1 其中一个set的key
     * @param key2 另一个set的key
     * @return 两个set的交集
     */
    public Set<Object> Sinter(String key1, String key2) {
        return redisTemplate.opsForSet().intersect(key1, key2);
    }

    /**
     * 两个set集合求并集
     *
     * @param key1 其中一个set的key
     * @param key2 另一个set的key
     * @return 两个set的并集
     */
    public Set<Object> sUnion(String key1, String key2) {
        return redisTemplate.opsForSet().union(key1, key2);
    }

    /**
     * 获取set缓存的长度
     *
     * @param key 键
     */
    public long sGetSetSize(String key) {
        return Optional.ofNullable(redisTemplate.opsForSet().size(key)).orElse(0L);
    }

    /**
     * 移除值为value的
     *
     * @param key    键
     * @param values 值 可以是多个
     * @return 移除的个数
     */
    public long setRemove(String key, Object... values) {
        return Optional.ofNullable(redisTemplate.opsForSet().remove(key, values)).orElse(0L);
    }

    // ============================sorted set=============================

    /**
     * 添加元素到zSet集合当中去
     * @param key 键
     * @param value 值
     * @param score 分数
     * @return 是否添加成功
     */
    public boolean zAdd(String key, Object value, double score) {
        return Optional.ofNullable(redisTemplate.opsForZSet().add(key, value, score)).orElse(false);
    }

    /**
     * 返回指定分数范围的数据
     * @param key 键
     * @param start 起始位置
     * @param end 结束位置
     * @return 指定分数范围内的zSet
     */
    public Set<Object> zRange(String key,long start,long end){
        return redisTemplate.opsForZSet().range(key,start,end);
    }
}
知识分子_
关注
  • 9
    点赞
  • 踩
  • 62
    收藏
    觉得还不错? 一键收藏
  • 3
    评论
专栏目录
Redis入门到精通视频教程
06-17
Remote Dictionary Server(Redis) 是一个开源的使用 ANSI C 语言编写、支持网络、可基于内存亦可持久化的 Key-Value 数据库. Key 字符类型，其值（value）可以是 字符串(String), 哈希(Map), 列表(list), 集合(sets) 和 有序集合(sorted sets)等类型，每种数据类型有自己的专属命令。所以它通常也被称为数据结构服务器。 Redis可以理解为一个key-value存储系统，是当下互联网公司常用的NoSQL数据库之一，是进入互联网行业的Java开发工程师必备技术。 在本课程中，你将了解Redis是什么、能干什么、如何用，了解NoSQL的使用场景和概念，快速掌握Redis的安装配置、五大数据类型、常用操作命令、Redis持久化、主从复制、事务控制以及用Jedis操作进行Java开发、Redis的高可用、Redis集群操作、Redis实现分布式锁等知识。同时还会分享一些关于Redis在面试中的问题，助你在职场一臂之力！
redis使用场景及数据结构.docx
03-20
redis使用场景及数据结构.docx
Redis数据类型及应用场景
01-07
1、Redis 是一种键值（Key-Value）数据库。相对于关系型数据库（比如 MySQL），Redis 也被叫作非关系型数据库。除此之外，Redis 主要是作为内存数据库来使用，也就是说，数据是存储在内存中的。尽管它经常被用作内存数据库，但是，它也支持将数据持久化到硬盘中。 2、Redis的每个数据类型是处理不同业务场景而诞生，基本数据类型为5种，从redis5.0版发布后新增了Stream数据类型，如下思路图： 3、其中跳表为插入，删除，查询比较快的动态数据结构，跳表是一个值有序的链表建立多级索引，比如每2个节点提取一个节点到上一级，我们把抽出来的那一级叫做索引或索引层； 4、为什么
Redis中5种数据结构的使用场景介绍
09-10
主要介绍了Redis中5种数据结构的使用场景介绍,本文对Redis中的5种数据类型String、Hash、List、Set、Sorted Set做了讲解,需要的朋友可以参考下
掌握工作中最常见的10个Redis应用场景
CRMEB小程序商城的博客
03-04 954
Redis作为一种优秀的基于key/value的缓存，有非常不错的性能和稳定性，无论是在工作中，还是面试中，都经常会出现。今天这篇文章就跟大家一起聊聊，我在实际工作中使用Redis的10种场景，希望对你会有所帮助。
一口气说出Redis 5种数据结构及对应使用场景，面试要加分的
01-07
整理了一些Java方面的架构、面试资料（微服务、集群、分布式、中间件等），有需要的小伙伴可以关注公众号【程序员内点事】，无套路自行领取 更多优选 一口气说出 9种 分布式ID生成方式，面试官有点懵了 3万字总结，Mysql优化之精髓 为了不复制粘贴，我被逼着学会了JAVA爬虫 技术部突然宣布：JAVA开发人员全部要会接口自动化测试框架 写在前边 也当过面试官，面试过不少应聘者，因为是我自己招人自己用，所以我不会看应聘者造火箭的技术有多牛比，只看拧螺丝的手艺瓷不瓷实。毕竟以后是一个整体，拖了大家后腿团队都很难受。面试的题目一般也不会太难，就像问Redis，我只是想确认他真正用过就够了。Redis
Redis常用的数据结构及实际应用场景
小薯条的博客
06-02 2335
本文介绍了Redis中常用的数据结构，包括字符串、列表、集合、哈希表、有序集合和Bitmap，并结合实际案例详细说明了它们在各种场景下的使用。
Redis五种数据结构及其使用场景
m0_38041658的博客
05-04 3398
Redis五种数据结构及其使用场景
redis 五种数据结构使用场景举例
weixin_43394129的博客
06-16 143
一.string 字符串数据结构使用场景 　　1.单值缓存 set key value get key 　　2. 对象缓存 (1) set user:1 value(json对象) (2) mset user:1:name zhangsan user:1:balacnce 1888 mget user:1:name 　　第一种方法用于读频繁的，第二种方法用于修改比较频繁的，...
redis数据结构与应用场景
无边热爱，来日方长
06-05 465
redis数据结构与应用场景
一口气讲完了Redis常用的数据结构及应用场景
m0_71777195的博客
02-07 298
Redis是互联网技术领域使用最为广泛的存储中间件，它是Remote Dictionary Service(远程字典服务)的首字母缩写，Redis以其超高的性能、活跃的社区、详细的文档以及丰富的客户端库支持在开源中间件领域广受好评，国内外很多大型互联网都在使用RedisTwitterGithub、新浪微博、阿里巴巴、京东、等，可以说，深入了解Redis应用和实践，已成为如今中高级后端加法绕不开的必备技能。本文详细介绍了Redis的五种数据结构和应用场景，希望可以帮助大家解决实际工作中遇到的问题。
Redis面试必备知识点：使用场景及应用示例详解
最新发布
04-18
Redis是一个高性能的内存数据库，被广泛应用于缓存、数据共享等场景。它的优势在于快速读写数据、支持丰富的数据结构和持久化等特性。在面试中，Redis也是一个常见的考点，因此了解Redis的使用场景及常用应用示例是必要的。 首先，Redis的使用场景主要包括缓存、数据共享等方面。在缓存方面，Redis可以用来缓存一些热点数据，减少数据库的压力，同时也可以缓存一些计算结果，提高系统的响应速度。在数据共享方面，Redis可以用来实现分布式锁、分布式计数器、分布式session等功能，实现多个进程之间的数据共享。 其次，Redis还具有丰富的数据结构，其中包括String、Hash、List、Set、Sorted Set等。这些数据结构可以满足不同的业务需求，例如可以利用sorted set实现排行榜，利用set的pop()和randomMembers实现抽奖，利用String和HyperLogLog实现统计等。 最后，Redis应用示例有很多，以下是一些常见的示例： 缓存示例：将热点数据缓存到Redis中，如网站的首页数据、商品信息等。 计算结果缓存示例：将一些计算结果缓存到Red
Redis 基本数据结构及其使用场景
qq_53195681的博客
01-03 910
Redis 基本数据结构及其使用场景
redis常用的数据结构以及在业务中使用的场景
进击30K的专栏
05-14 373
redis 五种数据结构详解（string，list，set，zset，hash） Redis不仅仅支持简单的key-value类型的数据，同时还提供list，set，zset，hash等数据结构的存储。 String——字符串 Hash——字典 List——列表 Set——集合 Sorted Set——有序集合 下面我们就来简单说明一下它们各自的使用场景： 一、RedisString类型 string类型的数据存储是最简单的key-value存储； 1.string字符串读写实现方式： .
Redis五种数据结构应用场景
竹林幽深
10-14 1093
Redis作为缓存数据库，目前在市场上占有很大的使用率，大部分人在工作中都使用到其string格式的存储，对于剩下的数据结构却很少使用到，Redis 基本数据结构包含：字符串（string）、 散列（hash）、 列表（list）、 集合（set）、 有序集合（sorted set）五种。LREM key count element //根据参数 COUNT 的值，移除列表中与参数 VALUE 相等的元素 count > 0 : 从表头开始向表尾搜索，移除与 VALUE 相等的元素，数量为 COUNT。
redis常用的数据结构以及使用场景
caomnnnnnn的博客
01-25 1151
NoSQL(No only SQL)数据库,泛指非关系型数据库,实现对于传统数据库而言的。NoSQL 不依赖业务逻辑方式进行存储,而以简单的 key-value 模式存储。因此大大增加了数据库的扩展能力。不遵循SQL标准不支持ACID远超于SQL的性能Redis是当前比较热门的NOSQL系统之一，它是一个开源的使用ANSI c语言编写的key-value存储系统（区别于MySQL的二维表格的形式存储。
【Redis学习2】Redis常用数据结构与应用场景
LCreator的博客
02-28 799
介绍redis常用数据结构及其应用场景
Redis各种数据结构应用场景
weixin_52236586的博客
12-09 161
Redis的基本数据类型时，以下是它们的实际场景示例：
redis数据结构应用场景
10-18
redis支持多种数据结构，每种数据结构都有其特定的应用场景。以下是几种常见的redis数据结构及其应用场景： 1. String：存储字符串类型的值，常用于缓存、计数器、分布式锁等场景。 2. Hash：存储键值对的无序散列表，常用于存储对象、用户信息等场景。 3. List：存储有序的字符串列表，常用于消息队列、任务队列等场景。 4. Set：存储无序的字符串集合，常用于去重、共同好友等场景。 5. Sorted Set：存储有序的字符串集合，每个元素都有一个分数，常用于排行榜、范围查询等场景。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 3
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值