一、官网介绍
Redis 是一个开源(BSD许可)的,内存中的数据结构存储系统,它可以用作数据库
、缓存
和消息中间件
。 它支持多种类型的数据结构,如字符串(strings)
, 散列(hashes)
,列表(lists)
,集合(sets)
,有序集合(sorted sets)
与范围查询, bitmaps, hyperloglogs 和 地理空间(geospatial) 索引半径查询。 Redis 内置了 复制(replication),LUA脚本(Lua scripting), LRU驱动事件(LRU eviction),事务(transactions) 和不同级别的 磁盘持久化(persistence), 并通过 Redis哨兵(Sentinel)和自动 分区(Cluster)提供高可用性(high availability)。
二、Redis常用的五大数据类型
Redis常用的五大数据类型为:String(字符串)
、List(列表)
、Set(集合)
、Hash(哈希,类似java里的map)
、Zset(sorted set:有序集合)
。
1. String(字符串)
String 是 Redis 最基本的类型,你可以理解成与 Memcached 一模一样的类型,一个 key 对应一个 value。
String 类型是 Redis 最基本的数据类型(可以为整形、浮点型和字符串,统称为元素),最大能存储 512MB
。
1.1 常用命令
set : 设置值
127.0.0.1:6379> set key1 v1
OK
get : 获取值
127.0.0.1:6379> get key1
"v1"
获取所有的key
127.0.0.1:6379> keys *
1) "key1"
exists : 判断某个key是否存在
127.0.0.1:6379> EXISTS key1
(integer) 1
append : 追加字符串,如果当前key不存在,就相当于‘set key’
127.0.0.1:6379> APPEND key1 "hello"
(integer) 7
127.0.0.1:6379> get key1
"v1hello"
strlen : 获取字符串的长度
127.0.0.1:6379> STRLEN key1
(integer) 7
incr : 自增
127.0.0.1:6379> set views 0
OK
127.0.0.1:6379> get views
"0"
127.0.0.1:6379> incr views
(integer) 1
127.0.0.1:6379> get views
"1"
decr : 自减
127.0.0.1:6379> decr views
(integer) 0
127.0.0.1:6379> get views
"0"
incrby : 加
127.0.0.1:6379> incrby views 3
(integer) 3
127.0.0.1:6379> get views
"3"
decrby : 减
127.0.0.1:6379> decrby views 5
(integer) -2
127.0.0.1:6379> get views
"-2"
getrange : 获取字符串指定下标范围的元素
127.0.0.1:6379> set key1 "hello,redis"
OK
127.0.0.1:6379> get key1
"hello,redis"
127.0.0.1:6379> GETRANGE key1 0 5
"hello,"
127.0.0.1:6379> GETRANGE key1 0 -1
"hello,redis"
setrange : 替换字符串指定下标的元素
127.0.0.1:6379> set key2 "abcdefghijklmn"
OK
127.0.0.1:6379> get key2
"abcdefghijklmn"
127.0.0.1:6379> SETRANGE key2 1 xx
(integer) 14
127.0.0.1:6379> get key2
"axxdefghijklmn"
setex : 设置过期时间
ttl : 查看剩余过期时间
# 设置“key3”30秒后过期
127.0.0.1:6379> setex key3 30 "hello"
OK
127.0.0.1:6379> ttl key3
(integer) 20
setnx : 设置值,前提是键必须不存在
127.0.0.1:6379> setnx key4 v1
(integer) 1
127.0.0.1:6379> keys *
1) "key4"
2) "key2"
3) "key1"
127.0.0.1:6379> setnx key4 v3
(integer) 0
127.0.0.1:6379> get key4
"v1"
mset : 批量设置值
127.0.0.1:6379> mset k1 v1 k2 v2 k3 v3
OK
127.0.0.1:6379> keys *
1) "k3"
2) "k1"
3) "k2"
mget : 批量获取值
127.0.0.1:6379> mget k1 k2 k3
1) "v1"
2) "v2"
3) "v3"
msetnx : 批量设置值,前提是键必须不存在
127.0.0.1:6379> keys *
1) "k3"
2) "k1"
3) "k2"
127.0.0.1:6379> msetnx k1 v2 k4 v4 # msetnx 是一个原子性的操作,要么一起成功,要么一起失败
(integer) 0
127.0.0.1:6379> get k1
"v1"
127.0.0.1:6379> get k4
(nil)
设置一个对象
# user:{id}:{filed}
127.0.0.1:6379> mset user:1:name zhangsan user:1:age 2
OK
127.0.0.1:6379> mget user:1:name user:1:age
1) "zhangsan"
2) "2"
设置一个对象,用json字符串保存
127.0.0.1:6379> set user:1 {name:zhangsan,age:26}
OK
127.0.0.1:6379> get user:1
"{name:zhangsan,age:26}"
getset 组合命令
127.0.0.1:6379> keys *
(empty array)
127.0.0.1:6379> getset key1 hello
(nil)
127.0.0.1:6379> get key1
"hello"
127.0.0.1:6379> getset key1 redis
"hello"
127.0.0.1:6379> get key1
"redis"
想知道更多详细的命令可以访问:
Redis命令详解
1.2 使用场景
- 计数器
- 统计多单位的数量
- 粉丝数
- 对象缓存、存储
1.3 数据结构
String的数据结构为简单动态字符串(Simple Dynamic String,缩写SDS)。是可以修改的字符串,内部结构实现上类似于 Java 的 ArrayList ,采用预分配冗余空间的方式来减少内存的频繁分配。
如图中所示,内部为当前字符串实际分配的空间 capacity 一般要高于实际字符串长度 len 。当字符串长度小于1M时,扩容都是加倍现有的空间,如果超过1M,扩容时一次只会多扩1M的空间。
2. List(列表)
Redis 的列表类型是简单的字符串列表,按照插入顺序排序,可以添加一个元素到列表的头部(左边)或者尾部(右边)。
它的底层实际是个双向链表
,对两端的操作性能很高,通过索引下标的操作中间的节点性能会较差。
2.1 常用命令
lrange : 获取列表的多个元素
127.0.0.1:6379> lrange list 0 -1
1) "three"
2) "two"
3) "one"
127.0.0.1:6379> lrange list 0 1
1) "three"
2) "two"
lindex : 获取列表指定下标的元素
127.0.0.1:6379> lrange list 0 -1
1) "three"
2) "two"
3) "one"
127.0.0.1:6379> lindex list 0
"three"
127.0.0.1:6379> lindex list 1
"two"
127.0.0.1:6379> lindex list 3
(nil)
llen : 获取列表的长度
127.0.0.1:6379> lrange list 0 -1
1) "three"
2) "two"
3) "one"
127.0.0.1:6379> llen list
(integer) 3
lpush : 将一个值或多个值插入列表的头部
127.0.0.1:6379> lpush list one
(integer) 1
127.0.0.1:6379> lpush list two three
(integer) 3
127.0.0.1:6379> lrange list 0 -1
1) "three"
2) "two"
3) "one"
rpush : 将一个值或多个值插入列表的尾部
127.0.0.1:6379> rpush list one
(integer) 1
127.0.0.1:6379> rpush list two three
(integer) 3
127.0.0.1:6379> lrange list 0 -1
1) "one"
2) "two"
3) "three"
lpop : 移除列表头部的元素
127.0.0.1:6379> lrange list 0 -1
1) "one"
2) "two"
3) "three"
127.0.0.1:6379> lpop list
"one"
127.0.0.1:6379> lrange list 0 -1
1) "two"
2) "three"
rpop : 移除列表尾部的元素
127.0.0.1:6379> lrange list 0 -1
1) "three"
2) "two"
3) "one"
127.0.0.1:6379> rpop list
"one"
127.0.0.1:6379> lrange list 0 -1
1) "three"
2) "two"
lrem : 移除列表指定的元素
127.0.0.1:6379> lrange list 0 -1
1) "three"
2) "two"
3) "one"
127.0.0.1:6379> lrem list 1 one
(integer) 1
127.0.0.1:6379> lrange list 0 -1
1) "three"
2) "two"
lrem : 移除列表指定的多个元素
127.0.0.1:6379> lrange list 0 -1
1) "three"
2) "two"
3) "one"
4) "one"
127.0.0.1:6379> lrem list 2 one
(integer) 2
127.0.0.1:6379> lrange list 0 -1
1) "three"
2) "two"
ltrim : 截取列表指定下标内的元素
127.0.0.1:6379> rpush mylist "hello" "hello1" "hello2" "hello3"
(integer) 4
127.0.0.1:6379> lrange mylist 0 -1
1) "hello"
2) "hello1"
3) "hello2"
4) "hello3"
127.0.0.1:6379> ltrim mylist 1 2
OK
127.0.0.1:6379> lrange mylist 0 -1
1) "hello1"
2) "hello2"
rpoplpush : 移除列表最后一个元素,将该元素移动到新的列表中(新列表不存在时会自动创建)
127.0.0.1:6379> lrange mylist 0 -1
1) "hello"
2) "hello1"
3) "hello2"
127.0.0.1:6379> rpoplpush mylist myotherlist
"hello2"
127.0.0.1:6379> lrange mylist 0 -1
1) "hello"
2) "hello1"
127.0.0.1:6379> lrange myotherlist 0 -1
1) "hello2"
lset : 将列表中指定下标的值替换为另一个值(更新操作,更新不存在的下标会报错)
127.0.0.1:6379> exists list
(integer) 0
127.0.0.1:6379> lset list 0 item
(error) ERR no such key
127.0.0.1:6379> lpush list value1
(integer) 1
127.0.0.1:6379> lrange list 0 -1
1) "value1"
127.0.0.1:6379> lset list 0 item
OK
127.0.0.1:6379> lrange list 0 -1
1) "item"
127.0.0.1:6379> lset list 1 other
(error) ERR index out of range
linsert : 将某个具体的值插入到列表中指定元素的前面或后面
127.0.0.1:6379> lrange mylist 0 -1
1) "hello"
2) "world"
127.0.0.1:6379> linsert mylist before "world" "other"
(integer) 3
127.0.0.1:6379> lrange mylist 0 -1
1) "hello"
2) "other"
3) "world"
127.0.0.1:6379> linsert mylist after "world" "new"
(integer) 4
127.0.0.1:6379> lrange mylist 0 -1
1) "hello"
2) "other"
3) "world"
4) "new"
2.2 使用场景
- List 类型经常会被用于消息队列的服务,以完成多程序之间的消息交换
- 消息队列(lpush rpop)
- 栈(lpush lpop)
2.3 数据结构
List的数据结构为快速链表 quickList 。
首先在列表元素较少的情况下会使用一块连续的内存存储,这个结构是ziplist,也即是压缩列表。
它将所有的元素紧挨着一起存储,分配的是一块连续的内存。
当数据量比较多的时候才会改成quicklist。
因为普通的链表需要的附加指针空间太大,会比较浪费空间。比如这个列表里存的只是int类型的数据,结构上还需要两个额外的指针prev和next。
Redis将链表和ziplist结合起来组成了quicklist。也就是将多个ziplist使用双向指针串起来使用。这样既满足了快速的插入删除性能,又不会出现太大的空间冗余。
3. Set(集合)
set对外提供的功能与list类似是一个列表的功能,特殊之处在于set是可以自动排重
的,当你需要存储一个列表数据,又不希望出现重复数据时,set是一个很好的选择,并且set提供了判断某个成员是否在一个set集合内的重要接口,这个也是list所不能提供的。
edis的Set是string类型的无序集合。它底层其实是一个value为null的hash表,所以添加,删除,查找的复杂度都是O(1)
。
一个算法,随着数据的增加,执行时间的长短,如果是O(1),数据增加,查找数据的时间不变。
3.1 常用命令
smembers : 查看集合的所有元素
127.0.0.1:6379> smembers myset
1) "world"
2) "hello"
3) "redis"
sadd : 往集合中添加值
127.0.0.1:6379> smembers myset
1) "world"
2) "hello"
3) "redis"
127.0.0.1:6379> sadd myset "Redis"
(integer) 1
127.0.0.1:6379> smembers myset
1) "Redis"
2) "world"
3) "hello"
4) "redis"
127.0.0.1:6379> sadd myset "hello1" "hello2"
(integer) 2
127.0.0.1:6379> smembers myset
1) "redis"
2) "hello"
3) "world"
4) "Redis"
5) "hello1"
6) "hello2"
sismember : 判断集合中是否存在指定元素
127.0.0.1:6379> smembers myset
1) "redis"
2) "hello"
3) "world"
4) "Redis"
5) "hello1"
6) "hello2"
127.0.0.1:6379> sismember myset hello1
(integer) 1
127.0.0.1:6379> sismember myset hello3
(integer) 0
scard : 获取集合所有元素的个数
127.0.0.1:6379> smembers myset
1) "hello"
2) "world"
3) "Redis"
4) "redis"
5) "hello1"
6) "hello2"
127.0.0.1:6379> scard myset
(integer) 6
srem : 移除集合中指定元素
127.0.0.1:6379> smembers myset
1) "hello"
2) "world"
3) "Redis"
4) "redis"
5) "hello1"
6) "hello2"
127.0.0.1:6379> srem myset world
(integer) 1
127.0.0.1:6379> smembers myset
1) "hello"
2) "Redis"
3) "redis"
4) "hello1"
5) "hello2"
srandmember : 随机获取集合中的元素
127.0.0.1:6379> smembers myset
1) "hello"
2) "Redis"
3) "redis"
4) "hello1"
5) "hello2"
127.0.0.1:6379> srandmember myset
"hello"
127.0.0.1:6379> srandmember myset
"hello2"
127.0.0.1:6379> srandmember myset 2
1) "Redis"
2) "hello"
127.0.0.1:6379> srandmember myset 2
1) "redis"
2) "hello2"
spop : 随机删除集合中的元素
127.0.0.1:6379> smembers myset
1) "hello"
2) "Redis"
3) "redis"
4) "hello1"
5) "hello2"
127.0.0.1:6379> spop myset
"hello2"
127.0.0.1:6379> smembers myset
1) "hello"
2) "Redis"
3) "redis"
4) "hello1"
127.0.0.1:6379> spop myset
"Redis"
127.0.0.1:6379> smembers myset
1) "hello"
2) "redis"
3) "hello1"
smove : 将集合中指定的元素移动到另一个集合中
127.0.0.1:6379> smembers myset
1) "hello"
2) "redis"
3) "hello1"
127.0.0.1:6379> smembers myset2
1) "hello"
127.0.0.1:6379> smove myset myset2 "hello1"
(integer) 1
127.0.0.1:6379> smembers myset
1) "hello"
2) "redis"
127.0.0.1:6379> smembers myset2
1) "hello"
2) "hello1"
sdiff : 获取两个集合之间的差集
127.0.0.1:6379> smembers set1
1) "c"
2) "b"
3) "a"
127.0.0.1:6379> smembers set2
1) "e"
2) "c"
3) "d"
127.0.0.1:6379> sdiff set1 set2
1) "a"
2) "b"
127.0.0.1:6379> sdiff set2 set1
1) "e"
2) "d"
sinter : 获取两个集合之间的交集
127.0.0.1:6379> smembers set1
1) "c"
2) "b"
3) "a"
127.0.0.1:6379> smembers set2
1) "e"
2) "c"
3) "d"
127.0.0.1:6379> sinter set1 set2
1) "c"
sunion : 获取两个集合之间的并集
127.0.0.1:6379> smembers set1
1) "c"
2) "b"
3) "a"
127.0.0.1:6379> smembers set2
1) "e"
2) "c"
3) "d"
127.0.0.1:6379> sunion set1 set2
1) "a"
2) "b"
3) "c"
4) "e"
5) "d"
3.2 使用场景
- 用户之间的共同关注、共同爱好、二度好友
- 推荐好友
- 六度分割理论
3.3 数据结构
Set数据结构是dict字典,字典是用哈希表实现的。
Java中 HashSet 的内部实现使用的是 HashMap ,只不过所有的 value 都指向同一个对象。Redis的 set 结构也是一样,它的内部也使用 hash 结构,所有的 value 都指向同一个内部值。
4. Hash(哈希)
Redis hash 是一个键值对集合。
Redis hash 是一个 string 类型的 field 和 value 的映射表,hash 特别适合用于存储对象。
类似 Java 里面的Map<String,Object>
。
举个例子,用户ID为查找的 key ,存储的 value 用户对象包含姓名,年龄,生日等信息,如果用普通的 key/value 结构来存储,主要有以下2种存储方式:
- 每次修改用户的某个属性需要,先反序列化改好后再序列化回去,开销较大。
- 用户ID数据冗余。
通过 key(用户ID) + field(属性标签)
就可以操作对应属性数据了,既不需要重复存储数据,也不会带来序列化和并发修改控制的问题。
4.1 常用命令
hkeys : 获取hash中所有的field
127.0.0.1:6379> hkeys myhash
1) "field1"
2) "field2"
hvals : 获取hash中所有的value
127.0.0.1:6379> hvals myhash
1) "hello"
2) "world"
hset : 设置hash的field-value值
127.0.0.1:6379> hset myhash field1 "hello"
(integer) 1
127.0.0.1:6379> hkeys myhash
1) "field1"
127.0.0.1:6379> hvals myhash
1) "hello"
hmset : 设置多个hash的field-value值
127.0.0.1:6379> hmset myhash field1 hello field2 world
OK
127.0.0.1:6379> hkeys myhash
1) "field1"
2) "field2"
127.0.0.1:6379> hvals myhash
1) "hello"
2) "world"
hget : 获取hash中指定的value
127.0.0.1:6379> hget myhash field1
"hello"
hmget : 获取hash中指定的多个value
127.0.0.1:6379> hmget myhash field1 field2
1) "hello"
2) "world"
hgetall : 获取hash中所有的值
127.0.0.1:6379> hgetall myhash
1) "field1"
2) "hello"
3) "field2"
4) "world"
hdel : 删除hash中指定的field(对应的value同样被删除)
127.0.0.1:6379> hkeys myhash
1) "field1"
2) "field2"
127.0.0.1:6379> hvals myhash
1) "hello"
2) "world"
127.0.0.1:6379> hdel myhash field1
(integer) 1
127.0.0.1:6379> hkeys myhash
1) "field2"
127.0.0.1:6379> hvals myhash
1) "world"
hlen : 获取hash的元素数量
127.0.0.1:6379> hkeys myhash
1) "field2"
2) "field1"
127.0.0.1:6379> hvals myhash
1) "world"
2) "hello"
127.0.0.1:6379> hlen myhash
(integer) 2
hexists : 判断hash中的指定元素是否存在
127.0.0.1:6379> hkeys myhash
1) "field2"
2) "field1"
127.0.0.1:6379> hvals myhash
1) "world"
2) "hello"
127.0.0.1:6379> hexists myhash field1
(integer) 1
127.0.0.1:6379> hexists myhash field3
(integer) 0
hincrby : 使hash中指定field的值增量
127.0.0.1:6379> hset myhash field1 3
(integer) 1
127.0.0.1:6379> hincrby myhash field1 1
(integer) 4
127.0.0.1:6379> hgetall myhash
1) "field1"
2) "4"
127.0.0.1:6379> hincrby myhash field1 -1
(integer) 3
127.0.0.1:6379> hgetall myhash
1) "field1"
2) "3"
hsetnx : 设置hash的field-value值,如果field存在则不能设置,如果field不存在可以设置
127.0.0.1:6379> hsetnx myhash field1 hello
(integer) 1
127.0.0.1:6379> hgetall myhash
1) "field1"
2) "hello"
127.0.0.1:6379> hsetnx myhash field1 hello1
(integer) 0
127.0.0.1:6379> hgetall myhash
1) "field1"
2) "hello"
4.2 使用场景
- hash更适合存储对象,而string更适合存储字符串
- 用户信息,经常变动的信息
4.3 数据结构
Hash类型对应的数据结构是两种:ziplist(压缩列表)
,hashtable(哈希表)
。
当 field-value 长度较短且个数较少时,使用 ziplist ,否则使用 hashtable 。
5. Zset(sorted set:有序集合)
Redis有序集合zset与普通集合set非常相似,是一个没有重复元素
的字符串集合。
不同之处是有序集合的每个成员都关联了一个评分(score)
,这个评分(score)被用来按照从最低分到最高分的方式排序集合中的成员。集合的成员是唯一的,但是评分可以是重复了
。
因为元素是有序的, 所以你也可以很快的根据评分(score)或者次序(position)来获取一个范围的元素。
访问有序集合的中间元素也是非常快的,因此你能够使用有序集合作为一个没有重复成员的智能列表。
5.1 常用命令
zrange : 获取zset集合的多个元素
127.0.0.1:6379> zrange salary 0 -1
1) "wangwu"
2) "zhangsan"
3) "lisi"
127.0.0.1:6379> zrange salary 0 1
1) "wangwu"
2) "zhangsan"
zadd : 向zset集合中添加数据
127.0.0.1:6379> zadd myset 1 one
(integer) 1
127.0.0.1:6379> zadd myset 2 two 3 three
(integer) 2
zrangebyscore : 排序,从小到大
127.0.0.1:6379> zadd salary 2500 zhangsan
(integer) 1
127.0.0.1:6379> zadd salary 5000 lisi
(integer) 1
127.0.0.1:6379> zadd salary 1000 wangwu
(integer) 1
127.0.0.1:6379> zrangebyscore salary -inf +inf
1) "wangwu"
2) "zhangsan"
3) "lisi"
127.0.0.1:6379> zrangebyscore salary -inf +inf withscores
1) "wangwu"
2) "1000"
3) "zhangsan"
4) "2500"
5) "lisi"
6) "5000"
127.0.0.1:6379> zrangebyscore salary -inf +2500 withscores
1) "wangwu"
2) "1000"
3) "zhangsan"
4) "2500"
zrevrange : 排序,从大到小
127.0.0.1:6379> zrevrange salary 0 -1
1) "lisi"
2) "zhangsan"
3) "zhaoliu"
4) "wangwu"
127.0.0.1:6379> zrevrange salary 0 -1 withscores
1) "lisi"
2) "5000"
3) "zhangsan"
4) "2500"
5) "zhaoliu"
6) "2000"
7) "wangwu"
8) "1000"
zrem : 删除zset集合中的元素
127.0.0.1:6379> zrange salary 0 -1
1) "wangwu"
2) "zhangsan"
3) "lisi"
127.0.0.1:6379> zrem salary wangwu
(integer) 1
127.0.0.1:6379> zrange salary 0 -1
1) "zhangsan"
2) "lisi"
zcard : 获取zset集合所有元素的个数
127.0.0.1:6379> zrange salary 0 -1
1) "zhangsan"
2) "lisi"
127.0.0.1:6379> zcard salary
(integer) 2
zcount : 获取指定区间内的元素数量
127.0.0.1:6379> zrevrange salary 0 -1 withscores
1) "lisi"
2) "5000"
3) "zhangsan"
4) "2500"
5) "zhaoliu"
6) "2000"
7) "wangwu"
8) "1000"
127.0.0.1:6379> zcount salary 2000 5000
(integer) 3
5.2 使用场景
- 存储班级成绩表、工资表排序
- 带权重排序,普通消息为1,重要消息为2
- 排行榜应用实现、取TopN
5.3 数据结构
SortedSet(zset) 是 Redis 提供的一个非常特别的数据结构,一方面它等价于 Java 的数据结构Map<String, Double>
,可以给每一个元素 value 赋予一个权重 score ,另一方面它又类似于TreeSet
,内部的元素会按照权重 score 进行排序,可以得到每个元素的名次,还可以通过 score 的范围来获取元素的列表。
zset 底层使用了两个数据结构:
- hash ,hash 的作用就是关联元素 value 和权重 score ,保障元素 value 的唯一性,可以通过元素 value 找到相应的 score 值。
- 跳跃表,跳跃表的目的在于给元素 value 排序,根据 score 的范围获取元素列表。
5.4 跳跃表(跳表)
5.4.1 简介
有序集合在生活中比较常见,例如根据成绩对学生排名,根据得分对玩家排名等。对于有序集合的底层实现,可以用数组、平衡树、链表等。数组不便元素的插入、删除;平衡树或红黑树虽然效率高但结构复杂;链表查询需要遍历所有效率低。 Redis 采用的是跳跃表。跳跃表效率堪比红黑树,实现远比红黑树简单。
5.4.2 实例
对比有序链表和跳跃表,从链表中查询出“51”:
- 有序链表
要查找值为51的元素,需要从第一个元素开始依次查找、比较才能找到。共需要6次比较。
- 跳跃表
从第2层开始,1节点比51节点小,向后比较。
21节点比51节点小,继续向后比较,后面就是NULL了,所以从21节点向下到第1层;
在第1层,41节点比51节点小,继续向后,61节点比51节点大,所以从41向下;
在第0层,51节点为要查找的节点,节点被找到,共查找4次。
从此可以看出跳跃表比有序链表效率要高。
三、Redis的三种特殊数据类型
Geospatial(地理信息)
、HyperLogLog(基数统计)
、Bitmaps
1. Geospatial(地理信息)
Redis 3.2 中增加了对 GEO 类型的支持。GEO 是 Geographic(地理信息)的缩写。该类型,就是元素的 2 维坐标,在地图上就是经纬度。 redis 基于该类型,提供了经纬度设置,查询,范围查询,距离查询,经纬度 Hash 等常见操作。
1.1 常用命令
geoadd : 添加地理位置,两级无法直接添加(一般会下载城市数据通过java程序一次性导入),有效的经度是 -180 度到 180 度,有效的纬度是 -85.05112878 度到 85.05112878 度,当坐标位置超出指定范围时,该命令将会返回一个错误。已经添加的数据,是无法再次往里面添加的。
127.0.0.1:6379> geoadd china:city 116.405285 39.904989 beijing
(integer) 1
127.0.0.1:6379> geoadd china:city 121.472644 31.231706 shanghai
(integer) 1
127.0.0.1:6379> geoadd china:city 114.085947 22.547 shenzhen
(integer) 1
127.0.0.1:6379> geoadd china:city 113.280637 23.125178 guangzhou
(integer) 1
geopos : 获取指定地区的坐标值
127.0.0.1:6379> geopos china:city beijing
1) 1) "116.40528291463851929"
2) "39.9049884229125027"
127.0.0.1:6379> geopos china:city beijing shanghai
1) 1) "116.40528291463851929"
2) "39.9049884229125027"
2) 1) "121.47264629602432251"
2) "31.23170490709807012"
geodist : 获取两个位置之间的直线距离
- m 表示单位为米 [ 默认值 ]
- km 表示单位为千米
- mi 表示单位为英里
- ft 表示单位为英尺
127.0.0.1:6379> geodist china:city beijing shanghai
"1067597.9668"
127.0.0.1:6379> geodist china:city beijing shanghai km
"1067.5980"
127.0.0.1:6379> geodist china:city beijing shanghai mi
"663.3763"
127.0.0.1:6379> geodist china:city beijing shanghai ft
"3502618.0013"
127.0.0.1:6379> geodist china:city beijing guangzhou km
"1889.3706"
georadius : 以给定的维度为中心,找出半径内的元素
- withdist : 显示到中心位置的距离
- withcoord : 显示半径内元素的坐标
- count : 限定显示几个元素
127.0.0.1:6379> georadius china:city 110 30 1000 km
1) "shenzhen"
2) "guangzhou"
127.0.0.1:6379> georadius china:city 110 30 900 km
1) "guangzhou"
127.0.0.1:6379> georadius china:city 110 30 1000 km withdist
1) 1) "shenzhen"
2) "923.4929"
2) 1) "guangzhou"
2) "831.2636"
127.0.0.1:6379> georadius china:city 110 30 900 km withdist
1) 1) "guangzhou"
2) "831.2636"
127.0.0.1:6379> georadius china:city 110 30 1000 km withcoord
1) 1) "shenzhen"
2) 1) "114.08594459295272827"
2) "22.54699993773966327"
2) 1) "guangzhou"
2) 1) "113.28063815832138062"
2) "23.12517743834835215"
127.0.0.1:6379> georadius china:city 110 30 1000 km withdist withcoord
1) 1) "shenzhen"
2) "923.4929"
3) 1) "114.08594459295272827"
2) "22.54699993773966327"
2) 1) "guangzhou"
2) "831.2636"
3) 1) "113.28063815832138062"
2) "23.12517743834835215"
127.0.0.1:6379> georadius china:city 110 30 1000 km withdist withcoord count 1
1) 1) "guangzhou"
2) "831.2636"
3) 1) "113.28063815832138062"
2) "23.12517743834835215"
georadiusbymember : 以指定元素为中心,找出半径内的元素
127.0.0.1:6379> georadiusbymember china:city beijing 1500 km
1) "shanghai"
2) "beijing"
geohash : 返回一个或多个位置元素,以Geohash表示(会返回一个11个字符的Geohash字符串)
# 将二维的经纬度转换为一维的字符串,如果两个字符串越接近,则距离越近
127.0.0.1:6379> geohash china:city beijing guangzhou
1) "wx4g0b7xrt0"
2) "ws0e9cb3yj0"
GEO底层的实现原理其实就是Zset,可以使用Zset命令来操作GEO
127.0.0.1:6379> zrange china:city 0 -1
1) "shenzhen"
2) "guangzhou"
3) "shanghai"
4) "beijing"
127.0.0.1:6379> zrem china:city beijing
(integer) 1
127.0.0.1:6379> zrange china:city 0 -1
1) "shenzhen"
2) "guangzhou"
3) "shanghai"
1.2 使用场景
- 附近的人
- 打车距离计算
2. HyperLogLog(基数统计)
在工作当中,我们经常会遇到与统计相关的功能需求,比如统计网站 PV(PageView 页面访问量),可以使用 Redis 的 incr 、incrby 轻松实现。
但像 UV(UniqueVisitor,独立访客)、独立 IP 数、搜索记录数等需要去重和计数的问题如何解决?这种求集合中不重复元素个数的问题称为基数问题。
解决基数问题有很多种方案:
- 数据存储在 MySQL 表中,使用 distinct count 计算不重复个数
- 使用 Redis 提供的 hash、set、bitmaps 等数据结构来处理
以上的方案结果精确,但随着数据不断增加,导致占用空间越来越大,对于非常大的数据集是不切实际的。
能否能够降低一定的精度来平衡存储空间?Redis推出了 HyperLogLog
Redis HyperLogLog 是用来做基数统计的算法
,HyperLogLog 的优点是,在输入元素的数量或者体积非常非常大时,计算基数所需的空间总是固定的、并且是很小的。
在 Redis 里面,每个 HyperLogLog 键只需要花费 12 KB 内存,就可以计算接近 2^64 个不同元素的基数。这和计算基数时,元素越多耗费内存就越多的集合形成鲜明对比。
但是,因为 HyperLogLog 只会根据输入元素来计算基数,而不会储存输入元素本身,所以 HyperLogLog 不能像集合那样,返回输入的各个元素。
什么是基数?
比如数据集 {1, 3, 5, 7, 5, 7, 8}, 那么这个数据集的基数集为 {1, 3, 5 ,7, 8}, 基数(不重复元素)为5。 基数估计就是在误差可接受的范围内,快速计算基数。
2.1 常用命令
pfadd : 添加指定元素到HyperLogLog中(如果执行命令后HyperLogLog估计的近似基数发生变化,则返回1,否则返回0)
127.0.0.1:6379> pfadd mykey a b c d e f g h i j k l m
(integer) 1
127.0.0.1:6379> pfadd mykey2 f s v z a b i j l
(integer) 1
127.0.0.1:6379> pfadd mykey a
(integer) 0
pfcount : 统计HyperLogLog的元素个数,计算HyperLogLog的近似基数(可以计算多个HyperLogLog,比如用HyperLogLog存储每天的UV,计算一周的UV可以使用7天的UV合并计算即可)
127.0.0.1:6379> pfadd mykey a b c d e f g h i j k l m
(integer) 1
127.0.0.1:6379> pfcount mykey
(integer) 13
127.0.0.1:6379> pfadd mykey2 f s v z a b i j l
(integer) 1
127.0.0.1:6379> pfcount mykey2
(integer) 9
127.0.0.1:6379> pfcount mykey mykey2
(integer) 16
pfmerge : 将一个或多个HyperLogLog合并后的结果存储在另一个HLL中,比如每月活跃用户可以使用每天的活跃用户来合并计算可得
127.0.0.1:6379> pfcount mykey
(integer) 13
127.0.0.1:6379> pfcount mykey2
(integer) 9
127.0.0.1:6379> pfcount mykey mykey2
(integer) 16
127.0.0.1:6379> pfmerge mykey3 mykey mykey2
OK
127.0.0.1:6379> pfcount mykey3
(integer) 16
2.2 使用场景
- 网页的UV统计
3. Bitmaps(位图)
现代计算机用二进制(位) 作为信息的基础单位, 1个字节等于8位, 例如“abc”字符串是由3个字节组成, 但实际在计算机存储时将其用二进制表示, “abc”分别对应的ASCII码分别是97、 98、 99, 对应的二进制分别是 01100001、 01100010 和 01100011,如下图:
合理地使用操作位能够有效地提高内存使用率和开发效率。
Redis 提供了 Bitmaps 这个“数据类型”可以实现对位的操作:
- Bitmaps 本身不是一种数据类型, 实际上它就是字符串(key-value) , 但是它可以对字符串的位进行操作。
- Bitmaps 单独提供了一套命令, 所以在 Redis 中使用Bitmaps和使用字符串的方法不太相同。 可以把 Bitmaps 想象成一个以位为单位的数组, 数组的每个单元只能存储 0 和 1, 数组的下标在 Bitmaps 中叫做
偏移量
。
3.1 常用命令
setbit : 设置Bitmaps中某个偏移量的值(0或1)
127.0.0.1:6379> setbit sign 0 1
(integer) 0
实例: 每个独立用户是否访问过网站存放在 Bitmaps 中, 将访问的用户记做 1, 没有访问的用户记做 0, 用偏移量作为用户的 id。
设置键的第 offset 个位的值(从0算起) , 假设现在有 20 个用户,userid=1, 6, 11, 15, 19 的用户对网站进行了访问, 那么当前 Bitmaps 初始化结果如图:
unique:users:20201106 代表 2020-11-06 这天的独立访问用户的 Bitmaps
注: 很多应用的用户 id 以一个指定数字(例如10000) 开头, 直接将用户 id 和 Bitmaps 的偏移量对应势必会造成一定的浪费, 通常的做法是每次做 setbit 操作时将用户id减去这个指定数字。
在第一次初始化 Bitmaps 时, 假如偏移量非常大, 那么整个初始化过程执行会比较慢, 可能会造成 Redis 的阻塞。
getbit : 获取Bitmaps中某个偏移量的值(获取键的第offset位的值(从0开始算))
127.0.0.1:6379> getbit sign 1
(integer) 0
127.0.0.1:6379> getbit sign 0
(integer) 1
实例: 获取 id=8 的用户是否在 2020-11-06 这天访问过, 返回 0 说明没有访问过:
注: 因为 100 根本不存在,所以也是返回 0
bitcount : 统计字符串被设置为1的bit数。一般情况下,给定的整个字符串都会被进行计数,通过指定额外的 start 或 end 参数,可以让计数只在特定的位上进行。start 和 end 参数的设置,都可以使用负数值:比如 -1 表示最后一个位,而 -2 表示倒数第二个位,start、end 是指bit组的字节的下标数,二者皆包含
127.0.0.1:6379> bitcount sign
(integer) 3
实例: 计算 2022-11-06 这天的独立访问用户数量
start和end代表起始和结束字节数, 下面操作计算用户id在第1个字节到第3个字节之间的独立访问用户数, 对应的用户id是11, 15, 19
bitop : 复合操作, 它可以做多个Bitmaps的and(交集) 、 or(并集) 、 not(非) 、 xor(异或) 操作并将结果保存在destkey中
127.0.0.1:6379> setbit bitmap1 0 1
(integer) 0
127.0.0.1:6379> setbit bitmap1 1 0
(integer) 0
127.0.0.1:6379> setbit bitmap1 2 1
(integer) 0
127.0.0.1:6379> setbit bitmap2 2 1
(integer) 0
127.0.0.1:6379> setbit bitmap2 3 0
(integer) 0
127.0.0.1:6379> setbit bitmap2 4 1
(integer) 0
127.0.0.1:6379> bitop and bitmap3 bitmap1 bitmap2
(integer) 1
127.0.0.1:6379> bitcount bitmap3
(integer) 1
127.0.0.1:6379> bitop or bitmap4 bitmap1 bitmap2
(integer) 1
127.0.0.1:6379> bitcount bitmap4
(integer) 3
127.0.0.1:6379> bitop xor bitmap5 bitmap1 bitmap2
(integer) 1
127.0.0.1:6379> bitcount bitmap5
(integer) 2
3.2 使用场景
- 统计用户信息
- 区分活跃、不活跃用户;登录、未登录等等
- 上班打卡
3.3 Bitmaps与set对比
假设网站有1亿用户, 每天独立访问的用户有5千万, 如果每天用集合类型和Bitmaps分别存储活跃用户可以得到表
set 和 Bitmaps 存储一天活跃用户对比 | |||
---|---|---|---|
数据类型 | 每个用户id占用空间 | 需要存储的用户量 | 全部内存量 |
集合类型 | 64位 | 50000000 | 64位 * 50000000 = 400MB |
Bitmaps | 1位 | 100000000 | 1位 * 100000000 = 12.5MB |
set 和 Bitmaps 存储独立用户空间对比 | |||
---|---|---|---|
数据类型 | 一天 | 一个月 | 一年 |
集合类型 | 400MB | 12GB | 144GB |
Bitmaps | 12.5MB | 375MB | 4.5GB |
set 和 Bitmaps 存储一天活跃用户对比(独立用户比较少) | |||
---|---|---|---|
数据类型 | 每个userid占用空间 | 需要存储的用户量 | 全部内存量 |
集合类型 | 64位 | 100000 | 64位 * 100000 = 800KB |
Bitmaps | 1位 | 100000000 | 1位 * 100000000 = 12.5MB |
喜欢的小伙伴点个关注吧~~~