Redis 常用数据类型

Redis数据类型

参考：https://www.cnblogs.com/kevin-yang123/p/13895649.html

1. Redis常用五大数据类型

• String 字符串
  • 最为基础的数据存储类型
  • 是一个由字节组成的序列
  • 他在Redis中是二进制安全的，意味着该类型可以接受任何格式的数据，如JPEG图像数据货Json对象描述信息等
  • 是标准的key-value，一般来存字符串，整数和浮点数。
  • Value最多可以容纳的数据长度为512MB
    应用场景：
    • 常用于统计网站访问数量，当前在线人数，码值，Json对象等
    • 
• Hash 哈希值
  • 可以看成具有String key和String value的map容器，可以将多个key-value存储到一个key中。
  • 相当于 Map<String, Map<?, ?>> map
  • 
  • 每一个Hash可以存储4294967295个键值对。
  • 应用场景：
    • 例如存储、读取、修改用户属性（name，age，pwd）
    • 当对象的某个属性需要频繁修改时，不适合用string+json，因为它不够灵活，每次修改都需要重新将整个对象序列化并赋值，如果使用hash类型，则可以针对某个属性单独修改，没有序列化，也不需要修改整个对象。比如，商品的价格、销量、关注数、评价数等可能经常发生变化的属性，就适合存储在hash类型里。
  • 
• List 有序可重复的序列
  • 允许用户从序列的两端推入或者弹出元素。
  • 高版本已经升级为压缩数组 https://www.cnblogs.com/hunternet/p/11306690.html
  • 
  • 列表由多个字符串值组成的有序可重复的序列。
  • 是链表结构，所以向列表两端添加元素的时间复杂度为0(1)，获取越接近两端的元素速度就越快。
  • List中可以包含的最大元素数量是4294967295。
  • 应用场景：
    • 最新消息排行榜。
    • 消息队列，以完成多程序之间的消息交换。可以用push操作将任务存在list中（生产者），然后线程在用pop操作将任务取出进行执行。（消费者）
    • 存储频发使用的其他列表数据
  • 
• Set 无序不可重复的序列
  • 最大的优势在于可以进行交集/并集/差集操作。
    • sinter 交集
    • sdiff 差集
    • sunion 并集
  • 
  • Set可包含的最大元素数量是4294967295。
  • 应用场景：
    • 求交集的场景，例如共同好友，共同粉丝等。
    • 利用唯一性，可以统计访问网站的所有独立IP。
  • 
• ZSet 有序不可重复的序列
  • 有序性值的是分数排序score
  • 
  • 与Set差别在于有序集合中每一个成员都会有一个分数(score)与之关联，Redis通过分数来为集合中的成员进行从小到大的排序。
  • 尽管有序集合中的成员必须是唯一的，但分数(score)却可以重复。
  • 应用场景：
    • top排行榜数据
    • 其他需要排序的唯一序列
  • 

2. Redis3种特殊数据类型 了解

Geo 计算地理位置， bitmap 存储是否状态， hyperloglog 基数统计

• Geo(geospatial,地理空间)
  • Redis 在 3.2 推出 Geo 类型，该功能可以推算出地理位置信息，两地之间的距离。
• bitmap 位图 0 or 1
  • bitmap就是通过最小的单位bit来进行0或者1的设置，表示某个元素对应的值或者状态。
  • 一个bit的值，或者是0，或者是1；也就是说一个bit能存储的最多信息是2。
  • bitmap 常用于统计用户信息比如活跃粉丝和不活跃粉丝、登录和未登录、是否打卡等。
• hyperloglog 基数
  • 基数：数学上集合的元素个数，是不能重复的。
  • UV（Unique visitor）：是指通过互联网访问、浏览这个网页的自然人。访问的一个电脑客户端为一个访客，一天内同一个访客仅被计算一次。
  • Redis 2.8.9 版本更新了 hyperloglog 数据结构，是基于基数统计的算法。
  • hyperloglog 的优点是占用内存小，并且是固定的。存储 2^64 个不同元素的基数，只需要 12 KB 的空间。但是也可能有 0.81% 的错误率。
  • 这个数据结构常用于统计网站的 UV。传统的方式是使用 set 保存用户的ID，然后统计 set 中元素的数量作为判断标准。但是这种方式保存了大量的用户 ID，ID 一般比较长，占空间，还很麻烦。我们的目的是计数，不是保存数据，所以这样做有弊端。但是如果使用 hyperloglog 就比较合适了。