Redis应用场景

开心一刻

       我在食堂吃饭，咬到了舌头我疼的大叫。。。
       二货室友问我怎么了，我疼的说不出话就指指嘴，然后吐了点血。。。
       这二货大叫：“大家别吃了，饭里有毒！”

题目引出

       Redis本身作为一个Nosql型数据库，具有Nosql型数据库的优点，同时实现多种数据类型，具有丰富的应用场景，在这里记录一些典型的应用场景，以便后续的学习。

字符串应用场景

1. 缓存功能

       典型使用场景：Redis作为缓存层，MySQL作为存储层，绝大部分请求的数据都是从Redis中获取，由于Redis具有支撑高并发的特性，所以缓存通常能起到加速读写和降低后端压力的作用。

2. 计数

       典型应用场景：视频播放数计数的基础组件，用户每播放一次视频，相应的视频播放数就会自增1。Redis可以实现快速计数、查询缓存的功能，同时数据可以异步落地到其他数据源。
       开发提示：实际上一个真实的计数系统要考虑的问题会很多，防作弊、按照不同维度计数，数据持久化到底层数据源等。

3. 共享Session

       典型应用场景：用户登陆信息，Redis将用户的Session进行集中管理，每次用户更新或查询登陆信息都直接从Redis中集中获取。

4. 限速

       典型应用场景：验证码接口访问频率限制，用户登陆时需要让用户输入手机验证码，从而确定是否是用户本人，但是为了短信接口不被频繁访问，会限制用户每分钟获取验证码的频率，例如一分钟不能超过5次。

5. 分布式锁

       利用Redis中的SETNX可以实现简单的分布式锁。

哈希应用场景

1. 缓存用户信息

       相比于使用字符串序列化缓存用户信息，哈希类型变得更加直观，并且在更新操作上会更加便捷。可以将每个用户的id定义为键后缀，多对field-value对应每个用户的属性。

       哈希类型和关系型数据库不同之处：

       哈希类型是稀疏的，而关系型数据库是完全结构化的，例如哈希类型每个键可以有不同的field，而关系型数据库一旦添加新的列，所有行都要为其设置值(即使为NULL)。

       关系型数据库可以做复杂的关系查询，而Redis去模拟关系型复杂查询开发困难，维护成本高。

三种缓存用户信息优缺点比较：

       原生字符串类型：每个属性一个键

       优点：简单直观，每个属性都支持更新操作。

       缺点：占用过多的键，内存占用量较大，同时用户信息内聚性比较差，所以此种方案一般不会在生产环境使用。

       序列化字符串类型：将用户信息序列化后用一个键保存。

       优点：简化编程，如果合理的使用序列化可以提高内存的使用效率。

       缺点：序列化和反序列化有一定的开销，同时每次更新属性都需要把全部数据取出进行反序列化，更新后再序列化到Redis中。

       哈希类型：每个用户属性使用一对field-value，但是只用一个键保存。

       优点：简单直观，如果使用合理可以减少内存空间的使用。

       缺点：要控制哈希在ziplist和hashtable两种内部编码的转换，hashtable会消耗更多内存。

列表应用场景

1. 消息队列

       Redis的lpush+brpop命令组合即可实现阻塞队列，生产者客户端使用lrpush从列表左侧插入元素，多个消费者客户端使用brpop命令阻塞式的"抢"列表尾部的元素，多个客户端保证了消费的负载均衡和高可用性。

2. 文章列表

       每个用户有属于自己的文章列表，现在需要分页展示文章列表。此时可以考虑使用列表，因为列表不但是有序的，同时支持按照索引范围获取元素。

3. 用作栈、队列、有限集合、消息队列等

       lpush + lpop = Stack(栈)

       lpush + rpop = Queue(队列)

       lpush + ltrim = Capped Collection(有限集合)

       lpush + brpop = Message Queue(消息队列)

集合应用场景

        集合类型比较典型的使用场景是标签(tag)，例如一个用户可能对娱乐、体育比较感兴趣，另一个用户可能对历史、新闻比较感兴趣，这些兴趣就是标签。 开发提示：用户和标签的关系维护应该在一个事物执行，防止部分命令失败造成的数据不一致。
       还可以使用集合的交并补等操作，用于计算两个用户之间的共同好友等。用户点赞、收藏等

有序集合应用场景

       有序集合比较典型的使用场景就是排行榜系统，例如视频网站需要对用户上传的视频做排行榜，榜单的维度可能是多个方面的：按照时间、按照播放数量、按照获得的赞数。

其他

       Redis中除了5种基本数据类型，还有三种特殊数据类型geospatial、hyperloglog、bitmap 。

1. geospatial: 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。
2. hyperloglog:基数：数学上集合的元素个数，是不能重复的。这个数据结构常用于统计网站的 UV。
3. 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。