Redis简单介绍和使用

最新推荐文章于 2024-04-29 11:18:24 发布

雪花中的火苗

最新推荐文章于 2024-04-29 11:18:24 发布

阅读量264

点赞数

分类专栏：数据库文章标签： redis

本文链接：https://blog.csdn.net/weixin_43602614/article/details/105077461

版权

数据库专栏收录该内容

9 篇文章 0 订阅

订阅专栏

1. 何为NoSQL

nosql是Not Only Sql的缩写，指不仅仅是sql，是一种全新的数据库理念。泛指非关系型数据库。

关系型数据库

关系型数据库基于数据表，各数据表之间有外键相关联
关系型数据库是要持久化到磁盘上

非关系型数据库

非关系型数据库没有表结构，数据在文档中以键值对（K-V）存储
非关系型数据库是在内存中存储，存取数据较快
灵活性高，容易扩展。没有关系束缚，扩展容易。

Redis

Redis是c语言开发的非关系型数据库。它的存储性能很高，50个请求执行100000次，读的速度是110000次/s,写的速度是81000次/s。

Redis安装

安装redis编译的c环境，yum install gcc-c++
将redis-5.0.8.tar.gz上传到Linux系统中
解压到/usr/local下 tar -xvf redis-2.6.16.tar.gz -C /usr/local
进入redis-2.6.16目录使用make命令编译redis
在redis-2.6.16目录中使用make PREFIX=/usr/local/redis install命令安装 redis到/usr/local/redis中
拷贝redis-2.6.16中的redis.conf到安装目录redis中
启动redis 在bin下执行命令redis-server redis.conf
如需远程连接redis，需配置redis端口6379在linux防火墙中开发
/sbin/iptables -I INPUT -p tcp --dport 6379 -j ACCEPT
/etc/rc.d/init.d/iptables save

value数据类型
value常用的数据类型是5种：字符串类型、散列类型（hash）、列表类型（list）、集合类型（set）、有序集合类型（sortSet）

字符串类型（String）

1
set key value #存值
get key #取值

还可以存储json类型数据

2
mset key value [key value] #一次设置多个K-V
mget key [key] #一次去多个值

3
incr key #j将原来的值加一
incrby key incrValue #将原来的值加incrValue
incrbyfloat key float #将原来的值加float（可为小数）

可以应用在热度，点赞，粉丝数等场景

4
setex key second value #设置key在second秒后失效

可以应用在抽奖倒计时场景

散列类型（hash）
在这里插入图片描述
新的存储需求：对一系列存储的数据进行编组，方便管理，典型应用存储对象信息
需要的存储结构：一个存储空间保存多个键值对数据
底层使用hash表实现数据结构
hash结构优化：
field数量较少时，底层是类数组结构
field数量较多时，底层是hashmap结构

hset key field value #添加数据
hget key field #提取数据

hmset key field value [field value] # 一次添加多条数据
hmget key field [field] # 一次去多条数据
hgetall key # 取出全部数据

hlen key # 存储的数据条数

hexists key field # key中是否存在field字段

hkeys key # 返回key的所有field字段名
hvals key # 返回key的所有field字段值

hincrby key field incrment
hincrbyfloat key field incrmentFloat

hash注意事项

hash的value只允许存储字符串，不可以是其他数据类型，不允许嵌套（禁止套娃）
每个hash可以存2^31-1条
hash类型十分贴近对象类型，但hash并不是为了存储对象而设计的，不可滥用
hgetall key 中的field过多时，查取的速度比较慢，有可能会成为数据访问的瓶颈

hash应用场景
可以应用于购物车场景

在此期间我把系统字体换了，看着舒服多了。大笑.jpg

列表类型（list）
数据需求：需要存入多个数据，按顺序存入数据，可以通过顺序区分数据
底层实现：list底层采用双链表的存储结构实现

lpush key value [value] # 从左端插入数据
lrush key value [value] # 从右端插入数据

lrange key begin end # 取出从下标begin位置到end位置（begin首地址是0；当end为负数时，从后端（右端开始），即lrange key 0 -1 取出全部数据）

lindex key index # 取出下标为index的数据
llen key # 获取key的list列表长度

lpop key
rpop key
获取并移除数据

扩展操作
blpop key timeout # 规定时间后获取并删除数据
brpop key timeout
brpoplpush source destination timeout # 规定时间后把source右端数据弹出放入destination左端

lrem key count value #移除key中count个值为value的数据

可以利用该操作进行朋友圈点赞的顺序显示，取消点赞后，移除该数据。
list保存的数据都是string类型的最多可存2^31-1g个

集合类型（set）
存储需求：存储大量的数据，在查询方面效率很高
存储机制：和hash一样，利用hash存储，只存储值不存储键，值不允许重复（可看成存储hash中的key）

sadd key value [value] #向set中添加数据
smembers key # 获取set中的全部数据
srem key value [value] # 移除set中的指定数据

拓展
利用set集合可以实现去重，计算访问人数
利用string可以实现访问人次（热度）计算

scard key # 获取集合数据的总量
sismember key value[value] # 判断集合是否包含指定值，没有则返回0

srandmember key [count] # 随机获取集合中的数据，没有指定count则获取一个

拓展
可以用来进行歌曲推荐、关注兴趣推荐等

spop key [count] # 随机获取集合中数据，并删除

拓展
可以应用于抽奖场景，一等奖、二等奖。。。

sinter key1 [key2] # 求集合的交集
sunion key1 [key2] #求集合的并集
sdiff key1 [key2] # 求集合的差集

sinterstore destination key1 [key2] # 求集合交集并存储到指定集合中
sunionstore destination key1 [key2]
sdiffstore destination key1 [key2]

拓展
利用交集，可以实现QQ共同好友的推荐
利用并集，然后分别对两个集合取差集，可以实现微博中你的好友还关注了谁的功能

顺序集合（sorted_set）
存储需求：数据排序可以进行数据的有效展示，需要提供数据排序的依据
实现机制：在set基础上添加可排序的字段

zadd key score1 value1 [score2 value2] # 添加数据和排序字段
zrange key start end [wihscores] # 获取数据，是否一起返回排序字段

zrem key member # 删除数据
按条件删除数据
zremrangebyrank key start end
zremrangebyscore key min max

zcard key # 获取集合数据总量
zcount key min max # 获取集合min max间的数据数量
按条件获取数据
zrangebyscore key min max
zrevrangebyscore key max min

还有和set集合类似的交集、并集、差集

获取数据对应的索引(排名）
zrank key member
zrevrank key member
score值得获取与修改
zscore key member
zincrby key incrment member
拓展
可以对资源进行排名

注意：
score的存储空间是64位，既可以保存-2^64 ~ 2^64-1
sorted_set底层是基于set的，因此数据不能重复

key的通用命令
1.key自身状态操作：删除、查询、判断类型
在这里插入图片描述
2.key有效性操作：有效期设定，判断是否有效

设定有限期

expire key sercond # 为key设置有效期，单位为妙
pexpire key millionsecond # 单位为毫秒
expireat key timestamp # 单位为时间戳
pexpireat key million-timestamp

persist key # 将key的时效性转为永久性
ttl key #查看key有效剩余时间
当key失效后（即不存在了），返回-2，未失效返回剩余时间，当key是永久性的返回-1

3.key的快速查询操作：按指定策略查询key

keys parrten
1.parrten为*时，匹配所有的key
2.pattern为？时，匹配任意一个字符
3.pattern为【】时，匹配【】中的一个字符

4.key的名称更改操作

rename key newkey #不管newkey是否已经存在，都更改，覆盖原来的key

renamenx key newkey # 如果newkey已经存在，则不成功

Redis高级数据结构

位图

这个数据结构将空间利用到了极致，位图的最小单位是bit，每个bit的取值只能是0或1。在Redis中位图的内容其实就是字符串，也就是byte数组。可以使用get/set设置整个位图的内容，也可以使用位图操作gitbit/setbit将byte数组看成“位数组”操作。
应用场景
如果想要统计一年中用户的签到记录，如果使用key/value，当用户数量非常多时消耗的空间非常大，这是可以使用位图。

零存整取
使用setbit命令存储，使用get整取。因为位图表示的字符串使用的ASCII编码，图中的操作是将该byte数组的1,2，4位设置为1（首标是1，不是0。h的ASCII码是11010000）
在这里插入图片描述
统计和查找

位图统计指令bitcount：用来统计指定范围内1的个数
位图查找指令bitpos：用来查找指定范围内0或1的个数
start、end索引必须是8的倍数

HyperLogLog

如果要统计网站每个网页每天的UV数据，如果使用set，当数据量非常大时就会耗费非常大的存储空间。HyperLogLog就是为了解决这个问题的。HyperLogLog提供不精确的去重计数方案，标准误差是0.81%。HyperLogLog提供了两个指令pfadd和pfcount。其中的pf是这个数据结构的发明人Philippe Flajolet的名字的首字母缩写。
在这里插入图片描述
下面尝试一下更多的数据。使用Python脚本。

# 获取redis客户端对象
redis = RedisConf.get_redis()

# 使用pfadd添加1000条数据
for i in range(1000):
    redis.pfadd("page", "user%d" % i)
total = redis.pfcount("page")
print("total = %d" % total)

输出
在这里插入图片描述

HyperLogLog还提供了pfmerge：用于将多个pf计数值累加在一起形成一个新的pf值。
HyperLogLog这个数据结构使用需要12KB的存储空间，所以不适合统计单个用户相关的数据。Redis对其进行了优化，在技术比较小时，它采用稀疏矩阵存储，当计数值超过了某个阈值才会一次性传唤为稠密矩阵。

注：文章内容是观看视频和书籍《Redis深度历险核心原理与应用实践》后自己写的笔记，部分图片是视频截图。原视频链接