Redis---五个基本数据结构与常用命令

Redis (Remote Dictionary Server )

NoSql–不仅仅是Sql

NoSql的四大分类

1. KV键值对：
   • 新浪：redis
   • 美团：redis+Tair
   • 阿里，百度：redis+memecache
2. 文档形数据库：
   • MongoDB
     • 是基于分布式文件存储的数据库，C++编写，主要用来处理大量的文档
     • MongDB是介于关系型数据库和非关系型数据库中间的产品
   • ConthDB
3. 列存储数据库：
   • HBASE
   • 分布式文件数据库
4. 图关系数据库
   • 不是存图形的，而是存关系的(如朋友圈社交网络)
   • Neo4j,InfoGrid;

Redis

redis能干嘛

1. 内存存储，持久化，内存中是断电即失，所以需要持久化(rdb, aof)
2. 效率高，可以用于高速缓存
3. 发布订阅系统
4. 地图信息分析
5. 计时器，计数器（浏览量！）

特性

1. 多样的数据类型
2. 持久化
3. 集群
4. 事务
   …
   中文官网

• redis-benchmark 是一个压力测试工具
• redis-cli 连接
• redis-server +配置文件 按配置文件启动服务

基础知识

• 默认有16个数据库 ，默认使用的是第0个数据库 可以使用
• select [index] 切换数据库
• DBSIZE 当前数据库大小
• flushdb 清除当前数据库 FULSHALL 清空全部数据库
• EXISTS [key] 判断当前key是否存在
• move [key] 移除当前key
• EXPIRE[key] 设置key的过期时间 (单位是秒) ttl [key] 查看当前key的剩余时间
• redis是单线程的
• 为什么redis的单线程的: 因为redis是基于内存操作的，CPU不是redis的性能瓶颈，redis的性能瓶颈是根据机器的内存和网络带宽。
• redis为什么这么快：redis是将所有的数据全部放在内存中的，所以使用单线程去操作效率最高。多线程(CPU会发生上下文切换，耗时的操作)，对于内存来说，如果没有上下文切换，效率就是最高的。

redis的数据类型

redis的key

五大基本数据类型

string

• 操作和 java中的string有点像
• append [key] 追加
• incr [key] 值+1 decr [key] 值-1 经常用于做浏览量操作
• incrby key 步长 值增加步长 decrby key 步长 值减少步长
• 截取子串 getrange key index end 左闭右闭 end为-1 查看完整值
• 替换子串 setrange key index newstr 从index开始，替换 newstr长度
• setex [key] time 值 设值 加存活时间
• setnx [key] 值 设值 ，如果值不存在则设值成功，如果值存在 则设值失败 (相当于不能修改)
• mset k v k v … 批量设置 k v mget k k… 批量取值
• msetnx k v k v 是原子性的操作 有一个设值失败则全部失败
  对象操作
  - set user:1{name:zz,age:3}
  - 巧妙的设计 : user:[id]:[filed]
  - mset user:1:name zhangsan user:1:age 3 mget user:1
  • getset k v 先返回原值 再设值

list

• list可以玩成 栈，队列，阻塞队列
• 所有的list的操作命令都是 l 开头的
• lRang k begin end
• lpush k v […] 头插队列 可以类似于 栈
• Rpush k v […]
• Lpop Rpop 左弹出 右弹出
• lindex k index 通过下标获取值
• llen k 获取 k的长度
• lrem k num v 移除 list中的 num个v [从左往右移除]
• ltrim k begin end 截取 begin-end的左闭右闭 且最终k保留的值是截取的内容
• rpoplpush oldk newk 移除原列表的最右面元素 并将其左加到新列表中
• lset index v 将列表中指定下标的值替换成新的值(相当于更新操作,如果指定下标没值则会报错)
• linsert k BEFORE|AFTER v1 v2 在v1的前面|后面插入v2

list数据结构，实际上是一个链表，可以在左边或者右边插入数据
如果key不存在则创建链表，如果key存在，则新增内容。如果移除了所有值(空链表) 则不存在
可以用来做消息队列

set

• set指定都是s开头的
• sadd k v 添加元素
• sMembers k 查看 k的所有值
• sIsmember k 判断某一个值是不是在set集合中
• sCard 获取set集合中的元素个数
• sRem k v 删除 set中的指定元素
• sRandmember k num 随机输出k的num个元素 (默认是1可以不写)
• spop k 随机删除k的一个元素
• smove k1 k2 v 将一个指定的值移动到另外一个集合中
  交并差集
• sDiff k1 k2 k1 - k2 的差集
• sInter k1 k2 k1和k2的交集 共同好友就是这样实现的
• sUntion k1 k2 k1和 k2 的并集

hash

• hset k mapk mapv [num 可以设置增量]
• hget k
• hmset k mk1 mv1 mk2 mv2 … set多个map
• hmget k mk1 mk2… 获取多个字段值
• hgetall k 获取全部的键跟值
• hdel k mk 删除指定的map
• hlen k 获取k中键值对的个数
• hExists k mk 判断 hash中的指定字段是否存在
• hkeys k 获取所有的key
• hvals k 获取所有的值
• hIncrby k mk num 增加num hDecrby k mk num 减少num
• hsetnx k mk v 如果存在不可以设置 存在可以设置 (相当于更新)
  hash可以存储经常变更的数据，尤其是用户信息之类的
  hash更适合于对象的存储，String更加适合字符串的存储

hash的底层数据结构
压缩队列 or hashtable
当数据较少的时候使用 压缩队列
当数据量较大的时候使用 哈希表

Zset （sorted set有序集合）

在set的基础上增加了个值

• zadd k score v … 可添加多个值，score表示排序的权重。
• zRange k index end
• zRevRange k index end 从大到小 进行排序 (反转)
• zRangeByScore k minscore1 maxscore2 [withscores] 顺序输出 minScore1-maxScore 里的内容(加上withscores 则输出附带成绩)
• -inf 表示负无穷 +inf表示正无穷
• zRangeByScore
• zrem k v 移除k中的v
• zcard k 获取集合中的个数
• zcount k score1 score2 获取指定区间的成员数量
  可以做b站排行榜应用

底层数据结构 ： skiplist（跳表）增删改查的时间复杂度是 OlogN

为什么redis中 zset底层使用了 跳表，而不是b+Tree
数据库索引设计为B+Tree主要是解决I/O读取问题
因为B+树的原理是 叶子节点存储数据，非叶子节点存储索引，B+树的每个节点可以存储多个关键字，它将节点大小设置为磁盘页的大小，充分利用了磁盘预读的功能。每次读取磁盘页时就会读取一整个节点,每个叶子节点还有指向前后节点的指针，为的是最大限度的降低磁盘的IO;因为数据在内存中读取耗费的时间是从磁盘的IO读取的百万分之一
而Redis是 内存中读取数据，不涉及IO，因此使用了跳表
skiplist与平衡树、哈希表的比较

• skiplist和各种平衡树（如AVL、红黑树等）的元素是有序排列的，而哈希表不是有序的。因此，在哈希表上只能做单个key的查找，不适宜做范围查找。所谓范围查找，指的是查找那些大小在指定的两个值之间的所有节点。
• 在做范围查找的时候，平衡树比skiplist操作要复杂。在平衡树上，我们找到指定范围的小值之后，还需要以中序遍历的顺序继续寻找其它不超过大值的节点。如果不对平衡树进行一定的改造，这里的中序遍历并不容易实现。而在skiplist上进行范围查找就非常简单，只需要在找到小值之后，对第1层链表进行若干步的遍历就可以实现。
• 平衡树的插入和删除操作可能引发子树的调整，逻辑复杂，而skiplist的插入和删除只需要修改相邻节点的指针，操作简单又快速。
• 从内存占用上来说，skiplist比平衡树更灵活一些。一般来说，平衡树每个节点包含2个指针（分别指向左右子树），而skiplist每个节点包含的指针数目平均为1/(1-p)，具体取决于参数p的大小。如果像Redis里的实现一样，取p=1/4，那么平均每个节点包含1.33个指针，比平衡树更有优势。
• 查找单个key，skiplist和平衡树的时间复杂度都为O(log n)，大体相当；而哈希表在保持较低的哈希值冲突概率的前提下，查找时间复杂度接近O(1)，性能更高一些。所以我们平常使用的各种Map或dictionary结构，大都是基于哈希表实现的。
• 从算法实现难度上来比较，skiplist比平衡树要简单得多。

redis zset为什么使用skiplist而不用平衡树

1. 相对简单易于维护
2. 内存消耗相对更低一点
3. 链式结构，缓存局部性比平衡树要好很多
4. 修改操作，跳表更简单

• 排序后的集合通常是许多ZRANGE或ZREVRANGE操作的目标，即以链表的形式遍历跳跃表。使用这种操作，跳跃表的缓存局部性与其他类型的平衡树一样好。