redis数据结构及其应用场景

已于 2022-10-09 17:19:17 修改
阅读量619 收藏 1
点赞数 3
分类专栏： redis 数据结构 文章标签： redis java 缓存
于 2022-10-09 15:01:36 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/weixin_44979389/article/details/127224483
版权

redis 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

string  && 使用场景

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获取一个字符串值
mget key [key ...]批量获取字符串的值
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 中存储的数字值+ 1
decr key 将key 中存储的数字值 - 1
incrby key increment将key所存储的值加上 increment（范围）

decrby key decrement

将key所存储的值加上 increment

 使用场景：

1、单值缓存

set key value

get key

使用上面两条命令可以存储

机构编码（key）- 机构名称（value）

国家编码（key） - 国家名称（value）

2、对象缓存

127.0.0.1:6379> set person:001 "{'name':'wangqing','balacne':'100000'}"
OK  // 存对象 json 格式数据 需用java 转对象
127.0.0.1:6379> get person:001
"{'name':'wangqing','balacne':'100000'}"
127.0.0.1:6379> mset person:001:name wangqing person:001:balance 19999  person:002:name xiaohong  person:002:balance 1888
OK  // 批量存储键值对
127.0.0.1:6379> mget person:001:name person:001:balance // 批量获取
1) "wangqing"
2) "19999"

3、分布式锁

127.0.0.1:6379> setnx person:001 true  // 如果key 已经存在 不允许修改
(integer) 0
127.0.0.1:6379> get person:001
"{'name':'wangqing','balacne':'100000'}"
127.0.0.1:6379>

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，可以用于访问数量、热度人数统计等

127.0.0.1:6379> incr wz001 // wz001 文章id
(integer) 1
127.0.0.1:6379> incr wz001
(integer) 2
127.0.0.1:6379>

 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！

hash && 使用场景

命令说明
HSET  key  field  value存储一个哈希表key的键值
HSETNX  key  field  value 存储一个不存在的哈希表key的键值
HMSET  key  field  value [field value ...]     在一个哈希表key中存储多个键值对
HGET  key  field获取哈希表key对应的field键值
HMGET  key  field  [field ...]批量获取哈希表key中多个field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field的数量
HINCRBY  key  field  increment     为哈希表key中field键的值加上增量increment

 hash 使用场景

 电商购物操作

127.0.0.1:6379> hset user:001 spid001 2  // key(用户id) field（商品编号） value （商品数量）
(integer) 1    
127.0.0.1:6379> hset user:001 spid002 3
(integer) 1
127.0.0.1:6379> hset user:001 spid003 1
(integer) 1
127.0.0.1:6379> hincrby user:001 spid001 3 // 购物车点击 + 添加数量
(integer) 5    
127.0.0.1:6379> hlen user:001
(integer) 3  // 获取购物车商品的总数
127.0.0.1:6379> hgetall user:001 // 获取购物车所有商品
1) "spid001"
2) "5"
3) "spid002"
4) "3"
5) "spid003"
6) "1"
127.0.0.1:6379> hdel user:001 spid001 // 删除商品 key（用户id）value 商品id
(integer) 1

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！

list 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

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。

使用场景：微博、朋友圈、公众号等，关注的文章列表展示

 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！

127.0.0.1:6379> lpush xhList 001 // key 小红的专属集合名称 value 文章id
(integer) 1
127.0.0.1:6379> lpush xhList 002
(integer) 2
127.0.0.1:6379> lpush xhList 003
(integer) 3
127.0.0.1:6379> lpush xhList 004
(integer) 4
127.0.0.1:6379> LRANGE xhList 0 4 // 取小红集合汇中 0 - 4 号位的数据
1) "004"
2) "003"
3) "002"
4) "001"

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

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

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 元算操作

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

set 使用场景

1、抽奖活动

在这里插入图片描述

1、点击参与抽奖的 加入set 集合

127.0.0.1:6379> sadd active001 user:002 // key(活动id) value （用户id）
(integer) 1
127.0.0.1:6379> sadd active001 user:003
(integer) 1
127.0.0.1:6379> sadd active001 user:004
(integer) 1

2、查看参与抽奖的所有用户

127.0.0.1:6379> SMEMBERS active001
1) "user:003"
2) "user:004"
3) "user:002"

3、随机抽取count 名中奖者

127.0.0.1:6379> SRANDMEMBER active001 1 // key （活动id） value （抽取count 人）
1) "user:003"
127.0.0.1:6379> SPOP active001 1 // 随机抽取一名幸运用户 并从set 集合中删除
1) "user:003"
127.0.0.1:6379> SMEMBERS active001 // 查询set 集合
1) "user:004"
2) "user:002"

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
 

127.0.0.1:6379> sadd msg001 user:001 //点赞 往set 集合添加数据  key（动态id） value（用户id）
(integer) 1
127.0.0.1:6379> sadd msg001 user:002
(integer) 1
127.0.0.1:6379> sadd msg001 user:003
(integer) 1
127.0.0.1:6379> srem msg001 user:001 // 取消点赞
(integer) 1
127.0.0.1:6379> sismember msg001 user:005  // 检查用户是否点过赞
(integer) 0
127.0.0.1:6379> SMEMBERS msg001 //获取点赞的用户列表
1) "user:003"
2) "user:002"
127.0.0.1:6379> SCARD msg001  //获取点赞用户数
(integer) 2
127.0.0.1:6379>

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：

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

4、集合操作实现电商商品筛选

127.0.0.1:6379> SADD  brand:huawei  P40  // key （huawei 品牌） vlaue （手机型号）
(integer) 1
127.0.0.1:6379> SADD  brand:xiaomi  mi-10 //key （xiaomi品牌） vlaue （手机型号）
(integer) 1
127.0.0.1:6379> SADD  brand:iPhone iphone12
(integer) 1
127.0.0.1:6379> SADD os:android  P40  mi-10
(integer) 2
127.0.0.1:6379> SADD cpu:brand:intel  P40  mi-10 // key（cpu 型号） value (批量添加 p40 mi-10) 
(integer) 2
127.0.0.1:6379> SADD ram:8G  P40  mi-10  iphone12 // key （存储卡）
(integer) 3
127.0.0.1:6379> SINTER os:android cpu:brand:intel  // 查交集
1) "mi-10"
2) "P40"

 zset && 使用场景

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
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

Zset集合运算操作

命令说明
ZUNIONSTORE destkey numkeys key [key ...]         并集计算
ZINTERSTORE destkey numkeys key [key …]交集计算

使用场景

1、实现热搜排行榜

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
 

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);
    }
}

程序媛青青
关注
专栏目录
Redis数据结构及应用场景详解
weixin_45079618的博客
09-17 801
查找的过程也是一样的。这个是不能的，比如，当线程1加锁成功后，master节点数据会异步复制到slave节点，此时当前持有Redis锁的master节点宕机，slave节点被 提升为新的master节点，假如现在来了一个线程2，再次加锁，会在新的master节点上加锁成功，这个时候就会出现两个节点同时持有一把锁的问题。好处：在高并发下，一个业务有可能会执行很快，先客户1持有锁的时候，客户2来了以后并不会马上拒绝，它会自旋不断尝试获取锁，如果客户1释放，客户2就可以马上持有锁，性能也得到了提升。
redis数据类型及应用场景知识点总结
09-08
这些数据类型的特性使得Redis适合各种应用场景，例如缓存、计数、发布订阅、会话管理等。 一、字符串（String） 字符串是最基础的数据类型，可以存储任意二进制数据，包括数字和文本。Redis提供了丰富的操作命令，...
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
redis 数据结构 详细版
qq415581343的专栏
10-23 1004
一、redis 数据结构使用场景 原来看过 redisbook 这本书，对 redis 的基本功能都已经熟悉了，从上周开始看 redis 的源码。目前目标是吃透 redis 的数据结构。我们都知道，在 redis 中一共有5种数据结构，那每种数据结构的使用场景都是什么呢？ String——字符串 Hash——字典 List——列表 Set——集合 Sorted Set——有序集
Redis 的数据结构及其典型应用场景详解
最新发布
lssffy的博客
09-16 1172
Redis 作为一款高性能的内存数据库，提供了丰富的数据结构，能够支持多种不同的应用场景。每种数据结构都有其特定的用途和应用场景，合理选择和使用 Redis 的数据结构能够显著提升系统的性能和可扩展性。本文将详细介绍 Redis 支持的常用数据结构，并结合实际应用场景进行分析，帮助开发者更好地理解和应用 Redis 的强大功能。
Redis数据结构以及应用场景
weixin_34110749的博客
12-23 302
1. Redis数据结构以及应用场景 1.1. Memcache VS Redis 1.1.1. 选Memcache理由 系统业务以KV的缓存为主，数据量、并发业务量大，memcache较为合适 memcache将所有数据存储在物理内存中。Redis则有自己的VM机制，当数据超量时，会引发swap，影响计算机服务器性能 memchache使用多线程的模式（主线程监听，work子线程工作），而Re...
Redis 常见数据结构以及使用场景分析
GoodLinGL的博客
03-21 514
string 介绍 ：string 数据结构是简单的 key-value 类型。虽然 Redis 是用 C 语言写的，但是 Redis 并没有使用 C 的字符串表示，而是自己构建了一种 简单动态字符串（simple dynamic string，SDS）。相比于 C 的原生字符串，Redis 的 SDS 不光可以保存文本数据还可以保存二进制数据，并且获取字符串长度复杂度为 O(1)（C 字符串为 O(N)）,除此之外,Redis 的 SDS API 是安全的，不会造成缓冲区溢出。 常用命令: set,get
Redis核心数据结构(redis篇二)
qq_41133245的博客
10-17 268
1.redis五种数据结构 2.redis数据结构命令精讲 2.1 String 2.1.1 操作： 字符串常用操作 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 ...] /
Redis数据结构及其应用场景
# 1. Redis 简介和基本概念 #### 1.1 Redis 简介 Redis（Remote Dictionary Server）是一个开源的内存数据结构存储系统，...每种数据结构都有其独特的特点和适用场景。 #### 1.3 Redis 的主要特点和优势 - **高性能*
Redis数据类型及应用场景
01-07
1、Redis 是一种键值（Key-Value...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
04.Redis数据类型操作命令与应用场景(下)
lglglglglgui的博客
09-21 453
test
Redis常用数据结构及应用场景
qq_52896771的博客
02-16 1414
和数据结构中的普通链表一样，我们可以在其头部(left)和尾部(right)添加新的元素。Redis zset 和 set 一样也是string类型元素的集合,且不允许重复的成员。Redis中最基本的类型，它是key对应的一个单一值。所以redis的string可以包含任何数据，比如jpg图片或者序列化的对象。它的底层是双向链表，所以它操作时头尾效率高，中间效率低（额外花费查找插入位置的时间）。Redis中的数据，总体上是键值对，不同数据类型指的是键值对中值的类型。list是一个有序可以重复的数据类型。
Redis常见数据结构及应用场景
qq_62636650的博客
03-06 773
Redis 提供了多种数据结构，包括字符串（String）、哈希（Hash）、列表（List）、集合（Set）、有序集合（Sorted Set）等。这些不同的数据结构各具特点，在不同的应用场景中可以发挥各自的优势。
03-Redis的数据类型
12-12 179
String 结构 字符串常用操作 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...
redis五种数据结构的使用场景
LJZFlying的博客
05-11 561
高版本的redis其实不止5中数据结构了，常见的有string，list，sort，set，zset。 先聊Hash ， Hash结构使用场景 ：存放购物车中订单 。一个用户，一个购物车，很多个商品。 （1）。以用户id为key， （2）。商品id为field （3）。商品数量为value 添加商品 ： -- hset cart(key) :1001 1008(field) :1(value) 删除商品： --hdel cart ：1001 1008 Hash的优缺点： 优点：1. 同类数
Redis的数据结构和应用
wbsyga的博客
01-01 189
string是以一种纯字符串作为value的形式存在的。也是这几种之中使用最多的数据结构。value可以存储json格式、数值型等。hash是一个集合，使用过hash的人都知道，hash的读取性能都一样快。在redis中，hash因为是一个集合，所以有两层。第一层是key：hash集合value，第二层是hashkey：string value。所以判断是否采用hash的时候可以参照有两层key的设计来做参考。并且注意的是，设置过期时间只能在第一层的key上面设置。hash使用场景。
Redis 数据结构和具体使用场景
点滴记录，积流成河！
07-04 749
众所周知，Redis包含五种基本的数据结构，这里简单介绍下五种数据结构和各自对应的应用场景。1. Stringkey  value 的基本形式，value一般通过json的方式保存。使用场景：比如商品详情，项目有多有少。渲染到页面的话一般是全部取出来去渲染，而不是取其中的某个值。最大能存储 512M。2. hashkey   hashmap的形式，这里的区别是value是以hashmap的形式存储...
redis五种数据类型的使用
zzz_781111的专栏
09-23 935
redis五种数据类型的使用 （摘自：http://tech.it168.com/a2011/0818/1234/000001234478_all.shtml ） 1、String 常用命令： set,get,decr,incr,mget 等。 应用场景： String是最常用的一种数据类型，普通的key/value存储都可以归为此类，这里就不所做解释了。 实现
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。
评论 1
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