第84篇 Redis中五种常见的数据类型及其应用场景

1.五种常见数据类型

Redis中的数据类型指的是 value存储的数据类型，key都是以String类型存储的，value根据场景需要，可以以String、List等类型进行存储。

各数据类型介绍：

Redis数据类型对应的底层数据结构

2.String 类型的应用场景

2.1 常用命令

• 存放键值：set key value [EX seconds] [PX milliseconds] [NX|XX]
  [NX|XX] :
  
  
  
  • 
    
    
    
    • nx：如果key不存在则建立
      
    
    
  • 
    
    
    
    • xx：如果key存在则修改其值，也可以直接使用setnx/setex命令-
      
    
    
  
  
• 获取键值：get key
  
• 值递增/递减：incr key
  
  
  
  • 如果字符串中的值是数字类型的，可以使用incr命令每次递增，不是数字类型则报错。
    
  • 一次想递增N用incrby命令，如果是浮点型数据可以用incrbyfloat命令递增。
    
  • 同样，递减使用decr、decrby命令。
    
  
  
• 批量存放键值：mset key value [key value ...]
  
• 批量获取键值：mget key [key ...]
  
• 获取值长度：strlen key
  
• 追加内容：append key value
  
• 获取部分字符：getrange key start end
  

2.2 缓存对象

使用 String 来缓存对象有两种方式：

• 直接缓存整个对象的 JSON，命令例子： SET user:1 '{"name":"seven", "age":18}'。
  
• 接纳将 key 进行分离为 user:ID:属性，接纳 MSET 存储，用 MGET 获取各属性值，命令例子： MSET user:1:name seven1 user:1:age 18 user:2:name seven2 user:2:age 20
  

2.3 常规计数

好比盘算访问次数、点赞、转发、库存数目等等。

1. # 初始化文章的阅读量
2. > SET aritcle:readcount:1001 0
3. OK
4. #阅读量+1
5. > INCR aritcle:readcount:1001
6. (integer) 1
7. #阅读量+1
8. > INCR aritcle:readcount:1001
9. (integer) 2

复制代码

2.4 分布式锁

之所以接纳Redis来作为分布式锁，可以有几方面理由：

• redis足够的快
  
• redis提供了setnx + expire的机制，完全契合分布式锁的实现要点
  
• Redisson客户端的流行，使得基于redis的分布式锁更加简朴
  

SET 命令有个 NX 参数可以实现「key不存在才插入」，可以用它来实现分布式锁：

• 如果 key 不存在，则显示插入成功，可以用来表示加锁成功；
  
• 如果 key 存在，则会显示插入失败，可以用来表示加锁失败。
  

一般而言，还会对分布式锁加上过期时间，分布式锁的命令如下：

1. SET lock_key unique_value NX PX 10000

复制代码

• lock_key 就是 key 键；
  
• unique_value 是客户端生成的唯一的标识；
  
• NX 代表只在 lock_key 不存在时，才对 lock_key 进行设置操纵；
  
• PX 10000 表示设置 lock_key 的过期时间为 10s，这是为了避免应用在运行过程中发生异常而无法开释锁。
  

2.5 共享 session 信息

通常情况下可以使用session信息保存用户的登录（会话）状态，由于这些 Session 信息会被保存在服务器端，如果用户一的 Session 信息被存储在服务器一，但第二次访问时用户一被分配到服务器二，这个时候服务器并没有用户一的 Session 信息，就会出现需要重复登录的题目。如下：

可以借助 Redis 对这些 Session 信息进行同一的存储和管理，这样无论请求发送到那台服务器，服务器都会去同一个 Redis 获取相干的 Session 信息，这样就解决了分布式系统下 Session 存储的题目。

3.List 类型的应用场景

3.1 常用命令

• 存储值：
  
  
  
  • 左端存值：lpush key value [value ...]
    
  • 右端存值：rpush key value [value ...]
    
  • 索引存值：lset key index value
    
  
  
• 弹出元素：
  
  
  
  • 左端弹出：lpop key
    
  • 右端弹出：rpop key
    
  
  
• 获取元素个数：llen key
  
• 获取列表元素：
  
  
  
  • 双方获取：lrange key start stop
    
  • 索引获取：lindex key index
    
  
  
• 删除元素：
  
  
  
  • 根据值删除：lrem key count value
    
  • 范围删除：ltrim key start stop
    
  
  

3.2 消息队列

• 消息保序：使用 LPUSH + RPOP，对队列进行先辈先出的消息处理；满足消息队列的保序性
  
• 阻塞读取：使用 BRPOP；阻塞读取队列中的数据，避免消耗者不绝地调用 RPOP 命令带了不必要的性能损失
  
• 重复消息处理：生产者实现全局唯一 ID；满足消息队列的处理重复消息的能力
  
• 消息的可靠性：使用 BRPOPLPUSH让消耗者步伐从一个 List 中读取消息，同时，Redis 会把这个消息再插入到另一个 List（可以叫作备份 List）留存；这样一来，如果消耗者步伐读了消息但没能正常处理，等它重启后，就可以从备份 List 中重新读取消息并进行处理了。满足消息队列的可靠性
  

但是有两个题目：

• 生产者需要自行实现全局唯一 ID；
  
• 不能以消耗组情势消耗数据
  

4.Hash 类型

4.1 常用命令

• 存放值：
  
  
  
  • 单个：hset key field value
    
  • 多个：hmset key field value [field value ...]
    
  • 不存在时：hsetnx key field value
    
  
  
• 获取字段值：
  
  
  
  • 单个：hget key field
    
  • 多个：hmget key field [field ...]
    
  • 获取全部键与值：hgetall key
    
  • 获取全部字段：hkeys key
    
  • 获取全部值：hvals key
    
  
  
• 判断是否存在：hexists key field
  
• 获取字段数目：hlen key
  
• 递增/减：hincrby key field increment
  
• 删除字段：hdel key field [field ...]
  

4.2 缓存对象

一般对象用 String + Json 存储，对象中某些频仍变革的属性可以思量抽出来用 Hash 类型存储。
购物车
以用户 id 为 key，商品 id 为 field，商品数目为 value，恰恰构成了购物车的3个要素，如下图所示。

涉及的命令如下：

• 添加商品：HSET cart:{用户id} {商品id} 1
  
• 添加数目：HINCRBY cart:{用户id} {商品id} 1
  
• 商品总数：HLEN cart:
  
• 删除商品：HDEL cart:
  
• 获取购物车全部商品：HGETALL cart:
  

5.Set类型

聚合盘算（并集、交集、差集）场景，好比点赞、共同关注、抽奖活动等。
5.1常用命令

• 存储值：sadd key member [member ...]
  
• 获取全部元素：smembers key
  
• 随机获取：srandmember langs count
  
• 判断是否存在某member：sismember key member
  
• 获取集合中元素个数：scard key
  
• 删除集合元素：srem key member [member ...]
  
• 弹出元素：spop key [count]
  

点赞
可以保证一个用户只能点一个赞，已经点赞过的用户不能再点赞

1. # uid:1 用户对文章 article:1 点赞
2. > SADD article:1 uid:1
3. (integer) 1
4. # uid:2 用户对文章 article:1 点赞
5. > SADD article:1 uid:2
6. (integer) 1
7. # uid:3 用户对文章 article:1 点赞
8. > SADD article:1 uid:3
9. (integer) 1
11. # uid:1 取消了对 article:1 文章点赞。
12. > SREM article:1 uid:1
13. (integer) 1
15. # 获取 article:1 文章所有点赞用户 :
16. > SMEMBERS article:1
17. 1) "uid:3"
18. 2) "uid:2"
20. # 获取 article:1 文章的点赞用户数量：
21. > SCARD article:1
22. (integer) 2

复制代码

共同关注
Set 类型支持交集运算，所以可以用来盘算共同关注的好友、公众号等。
key 可以是用户id，value 则是已关注的公众号的id。

1. # uid:1 用户关注公众号 id 为 5、6、7、8、9
2. > SADD uid:1 5 6 7 8 9
3. (integer) 5
4. # uid:2  用户关注公众号 id 为 7、8、9、10、11
5. > SADD uid:2 7 8 9 10 11
6. (integer) 5
8. # 获取共同关注
9. > SINTER uid:1 uid:2
10. 1) "7"
11. 2) "8"
12. 3) "9"
14. # 给 uid:2 推荐 uid:1 关注的公众号：在uid:1中有但是uid:2中没有的
15. > SDIFF uid:1 uid:2
16. 1) "5"
17. 2) "6"
19. # 验证某个公众号是否同时被 uid:1 或 uid:2 关注:
20. > SISMEMBER uid:1 5
21. (integer) 1 # 返回0，说明关注了
22. > SISMEMBER uid:2 5
23. (integer) 0 # 返回0，说明没关注

复制代码

抽奖活动
存储某活动中中奖的用户名 ，Set 类型因为有去重功能，可以保证同一个用户不会中奖两次。

1. # key为抽奖活动名，value为员工名称，把所有员工名称放入抽奖箱 ：
2. >SADD lucky Tom Jerry John Sean Marry Lindy Sary Mark
3. (integer) 5
5. # 如果允许重复中奖，可以使用 SRANDMEMBER 命令。
6. # 抽取 1 个一等奖：
7. > SRANDMEMBER lucky 1
8. 1) "Tom"
9. # 抽取 2 个二等奖：
10. > SRANDMEMBER lucky 2
11. 1) "Mark"
12. 2) "Jerry"
13. # 抽取 3 个三等奖：
14. > SRANDMEMBER lucky 3
15. 1) "Sary"
16. 2) "Tom"
17. 3) "Jerry"
19. # 如果不允许重复中奖，可以使用 SPOP 命令。
20. # 抽取一等奖1个
21. > SPOP lucky 1
22. 1) "Sary"
23. # 抽取二等奖2个
24. > SPOP lucky 2
25. 1) "Jerry"
26. 2) "Mark"
27. # 抽取三等奖3个
28. > SPOP lucky 3
29. 1) "John"
30. 2) "Sean"
31. 3) "Lindy"

复制代码

6. Zset 类型

排序场景，好比排行榜、电话和姓名排序等。
6.1 常用命令

• 存储值：zadd key [NX|XX] [CH] [INCR] score member [score member ...]
  
• 获取元素分数：zscore key member
  
• 获取排名范围：zrange key start stop [WITHSCORES]
  
• 获取指定分数范围排名：zrangebyscore key min max [WITHSCORES] [LIMIT offset count]
  
• 增加指定元素分数：zincrby key increment member
  
• 获取集合元素个数：zcard key
  
• 获取指定范围分数个数：zcount key min max
  
• 删除指定元素：zrem key member [member ...]
  
• 获取元素排名：zrank key member
  

6.2Zset结构

1. typedef struct zset {
2.         dict *dict;//哈希表
3.         zskiplist *zsl;//跳表
4. } zset;

复制代码

zset 结构体里有两个数据结构：一个是跳表，一个是哈希表。这样的好处是既能进行高效的范围查询（如 ZRANGEBYSCORE 操纵，利用了跳表），也能进行高效单点查询（如 ZSCORE 操纵，利用了hash表）。
排行榜
五篇博文，分别获得赞为 200、40、100、50、150。

1. # arcticle:1 文章获得了200个赞
2. > ZADD user:seven:ranking 200 arcticle:1
3. (integer) 1
4. # arcticle:2 文章获得了40个赞
5. > ZADD user:seven:ranking 40 arcticle:2
6. (integer) 1
7. # arcticle:3 文章获得了100个赞
8. > ZADD user:seven:ranking 100 arcticle:3
9. (integer) 1
10. # arcticle:4 文章获得了50个赞
11. > ZADD user:seven:ranking 50 arcticle:4
12. (integer) 1
13. # arcticle:5 文章获得了150个赞
14. > ZADD user:seven:ranking 150 arcticle:5
15. (integer) 1
17. # 获取文章赞数最多的 3 篇文章, ZREVRANGE 命令（倒序获取有序集合 key 从start下标到stop下标的元素）
18. # WITHSCORES 表示把 score 也显示出来
19. > ZREVRANGE user:seven:ranking 0 2 WITHSCORES
20. 1) "arcticle:1"
21. 2) "200"
22. 3) "arcticle:5"
23. 4) "150"
24. 5) "arcticle:3"
25. 6) "100"
27. # 获取 100 赞到 200 赞的文章，ZRANGEBYSCORE 命令（返回有序集合中指定分数区间内的成员，分数由低到高排序）
28. > ZRANGEBYSCORE user:xiaolin:ranking 100 200 WITHSCORES
29. 1) "arcticle:3"
30. 2) "100"
31. 3) "arcticle:5"
32. 4) "150"
33. 5) "arcticle:1"
34. 6) "200"

复制代码

电话，姓名排序
电话排序

1. # 将电话号码存储到 SortSet 中，然后根据需要来获取号段：
2. > ZADD phone 0 13100111100 0 13110114300 0 13132110901
3. (integer) 3
4. > ZADD phone 0 13200111100 0 13210414300 0 13252110901
5. (integer) 3
6. > ZADD phone 0 13300111100 0 13310414300 0 13352110901
7. (integer) 3
9. # 获取所有号码
10. > ZRANGEBYLEX phone - +
11. 1) "13100111100"
12. 2) "13110114300"
13. 3) "13132110901"
14. 4) "13200111100"
15. 5) "13210414300"
16. 6) "13252110901"
17. 7) "13300111100"
18. 8) "13310414300"
19. 9) "13352110901"
21. # 获取 132 号段的号码：
22. > ZRANGEBYLEX phone [132 (133
23. 1) "13200111100"
24. 2) "13210414300"
25. 3) "13252110901"
27. # 获取132、133号段的号码：
28. > ZRANGEBYLEX phone [132 (134
29. 1) "13200111100"
30. 2) "13210414300"
31. 3) "13252110901"
32. 4) "13300111100"
33. 5) "13310414300"
34. 6) "13352110901"

复制代码

姓名排序

1. > zadd names 0 Toumas 0 Jake 0 Bluetuo 0 Gaodeng 0 Aimini 0 Aidehua
2. (integer) 6
4. # 获取所有人的名字:
5. > ZRANGEBYLEX names - +
6. 1) "Aidehua"
7. 2) "Aimini"
8. 3) "Bluetuo"
9. 4) "Gaodeng"
10. 5) "Jake"
11. 6) "Toumas"
13. # 获取名字中大写字母A开头的所有人：
14. > ZRANGEBYLEX names [A (B
15. 1) "Aidehua"
16. 2) "Aimini"
18. # 获取名字中大写字母 C 到 Z 的所有人：
19. > ZRANGEBYLEX names [C [Z
20. 1) "Gaodeng"
21. 2) "Jake"
22. 3) "Toumas"

复制代码

7 BitMap（2.2 版新增）：

7.1 介绍

适用于二值状态统计的场景。
签到
只记录签到（1）或未签到（0）

1. # 记录用户 4 月 3 号已签到
2. SETBIT uid:sign:100:202304 2 1
4. # 检查该用户 6 月 3 日是否签到
5. > GETBIT uid:sign:100:202306 3
6. 1
8. # 统计用户在 6 月份的签到次数
9. > BITCOUNT uid:sign:100:202206
10. 1
12. # 统计这个月首次打卡时间；BITPOS key bitValue [start] [end]，start end 表示要检测的范围
13. BITPOS uid:sign:100:202206 1

复制代码

判断用户登岸状态
key = login_status 表示存储用户登岸状态集合数据， 将用户 ID 作为 offset，在线就设置为 1，下线设置 0。通过 GETBIT判断对应的用户是否在线。 5000 万用户只需要 6 MB 的空间。

1. # 表示ID = 10086 的用户已登陆
2. SETBIT login_status 10086 1
4. # 检查该用户是否登陆，返回值 1 表示已登录
5. GETBIT login_status 10086
7. # 登出，将 offset 对应的 value 设置成 0。
8. SETBIT login_status 10086 0

复制代码

连续签到用户总数
把每天的日期作为 Bitmap 的 key，userId 作为 offset，如果打卡则将 offset 位置的 bit 设置成 1。key 对应的集合的每个 bit 位的数据则是一个用户在该日期的打卡记录。
那就可以设置 7 个 Bitmap，对这 7 个 Bitmap 的对应的 bit 位做 『与』运算。那么当一个 userID 在 7 个 Bitmap 对应对应的 offset 位置的 bit = 1 就阐明该用户 7 天连续打卡。结果保存到一个新 Bitmap 中，我们再通过 BITCOUNT 统计 bit = 1 的个数便得到了连续打卡 7 天的用户总数了。
8. HyperLogLog（2.8 版新增）

海量数据基数统计的场景，提供不正确的去重计数。但要注意，HyperLogLog 的统计规则是基于概率完成的，不好坏常正确，标准误算率是 0.81%。因此适用于海量数据的场景。
HyperLogLog 的优点是，在输入元素的数目或者体积非常非常大时，盘算基数所需的内存空间总是固定的、并且是很小的。在 Redis 内里，每个 HyperLogLog 键只需要耗费 12 KB 内存，就可以盘算接近 2^64 个不同元素的基数，和元素越多就越耗费内存的 Set 和 Hash 类型相比，HyperLogLog 就非常节流空间。
百万级网页 UV 计数
在统计 UV 时，可以用 PFADD 命令（用于向 HyperLogLog 中添加新元素）把访问页面的每个用户都添加到 HyperLogLog 中。

1. PFADD page1:uv user1 user2 user3 user4 user5
3. # 可以用 PFCOUNT 命令直接获得 page1 的 UV 值，获取统计结果
4. PFCOUNT page1:uv

复制代码

9. GEO（3.2 版新增）

存储地理位置信息的场景
Redis GEO 操纵方法有：

• geoadd：添加地理位置的坐标。
  
• geopos：获取地理位置的坐标。
  
• geodist：盘算两个位置之间的间隔。
  
• georadius：根据用户给定的经纬度坐标来获取指定范围内的地理位置集合。
  
• georadiusbymember：根据储存在位置集合内里的某个地点获取指定范围内的地理位置集合。
  
• georadius：以给定的经纬度为中心， 返回键包含的位置元素当中， 与中心的间隔不超过给定最大间隔的全部位置元素。
  

GEORADIUS方法参数：

1. GEORADIUS key longitude latitude radius m|km|ft|mi [WITHCOORD] [WITHDIST] [WITHHASH] [COUNT count] [ASC|DESC] [STORE key] [STOREDIST key]

复制代码

参数阐明：

• m ：米，默认单位。
  
• km ：千米。
  
• mi ：英里。
  
• ft ：英尺。
  
• WITHDIST: 在返回位置元素的同时， 将位置元素与中心之间的间隔也一并返回。
  
• WITHCOORD: 将位置元素的经度和维度也一并返回。
  
• WITHHASH: 以 52 位有符号整数的情势， 返回位置元素经过原始 geohash 编码的有序集合分值。这个选项主要用于底层应用或者调试， 实际中的作用并不大。
  
• COUNT 限定返回的记录数。
  
• ASC: 查找结果根据间隔从近到远排序。
  
• DESC: 查找结果根据从远到近排序。
  

滴滴叫车
假设车辆 ID 是 33，经纬度位置是（116.034579，39.030452），可以用一个 GEO 集合保存全部车辆的经纬度，集合 key 是 cars:locations。

1. GEOADD cars:locations 116.034579 39.030452 33

复制代码

当用户想要寻找自己附近的网约车时，LBS 应用就可以使用 GEORADIUS 命令。
比方，LBS 应用实行下面的命令时，Redis 会根据输入的用户的经纬度信息（116.054579，39.030452 ），查找以这个经纬度为中心的 5 公里内的车辆信息，并返回给 LBS 应用。

1. GEORADIUS cars:locations 116.054579 39.030452 5 km ASC COUNT 10

复制代码

附近的人
nearbyPeople 是一个总的 key，user_1 和 user_2 是相当于 nearbyPeople 内里的两个元素以及他们对应的经纬度，这个例子就是把 user_1 和 user_2 的经纬度存在了 nearbyPeople 这个 key 中

1. redis> GEOADD nearbyPeople 13.36 38.11 "user_1" 15.08 37.50 "user_2"  
2. (integer) 2

复制代码

获取 nearbyPeople 中的元素 user_1 和 user_2 这两个元素的经纬度，当然如果之前没有 geoadd 相对应元素的经纬度的话，会返回 nil

1. redis> GEOPOS nearbyPeople user_1 user_21) 1) "13.36138933897018433"   2) "38.11555639549629859"2) 1) "15.08726745843887329"   2) "37.50266842333162032"

复制代码

获取 nearbyPeople 中 user_1 和 user_2 这两个节点之间的间隔，间隔单位可以指定，如下所示：

• m ：米，默认单位。
  
• km ：千米。
  
• mi ：英里。
  
• ft ：英尺。
  redis> GEODIST nearbyPeople user_1 user_2"166274.1516"redis> GEODIST nearbyPeople user_1 user_2 km"166.2742"redis> GEODIST nearbyPeople user_1 user_2 mi"103.3182"
  

把 nearbyPeople 中的 间隔经纬度(15,37)200km 以内的元素都找出来，而且带上间隔：

1. redis>GEORADIUS nearbyPeople 15 37 200 km WITHDIST  
2. 1) 1) "user_1"  
3.    2) "190.4424"  
4. 2) 1) "user_2"  
5.    2) "56.4413"

复制代码

10. Stream（5.0 版新增）

消息队列，解决了基于 List 类型实现的消息队列中存在的两个题目。
可以主动生成全局唯一消息ID，并支持以消耗组情势消耗数据。
出自：https://www.cnblogs.com/seven97-top/p/18554013

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。