redis八种基本数据类型及其应用

redis八种基本数据类型及其应用

1.简介

Redis是一个开源的，内存中的数据结构存储系统，它可以用做数据库，缓存和消息中间件。

支持多种类型的数据结构

• 字符串 strings
• 散列 hashes
• 列表 lists
• 集合 sets
• 有序集合 sorted sets
• bitmaps
• hyperloglogs
• 地理空间 geospatial 索引半径查询

支持每秒10w次查询请求

2.安装redis

Linux CentOS7安装和启动redis

设置alias方便操作

ls |grep redis #找到redis的安装路径
alias rcli='/usr/bin/redis-cli' #设置别名
#使用别名登录
rcli

   

   
1
2
3
4

3.基本命令

推荐网站 http://redisdoc.com/

3.1SET命令

网站上已经介绍的很清楚了，本文就不赘述了，我们直接看效果。

这有个小问题 (error) NOAUTH Authentication required. 提示没有认证。我们需要输入密码即可

AUTH password。

• set qingshan 666 设置key=qingshan value=666
• get qingshan 获取key=qingshan的value值

那么我们一般 set 的数据在redis中是什么类型？

type qingshan - > string

4.基本数据类型

官网数据类型介绍地址 https://redis.io/topics/data-types-intro

官网有 8 种，前面 5 种为常用数据结构

• string 二进制安全的字符串
• Lists: 按插入顺序排序的字符串元素的集合。他们基本上就是链表（linked lists）。
• Sets: 不重复且无序的字符串元素的集合。
• Sorted sets,类似Sets,但是每个字符串元素都关联到一个叫score浮动数值（floating number value）。里面的元素总是通过score进行着排序，所以不同的是，它是可以检索的一系列元素。（例如你可能会问：给我前面10个或者后面10个元素）。
• Hashes,由field和关联的value组成的map。field和value都是字符串的。这和Ruby、Python的hashes很像。
• Bit arrays (或者说 simply bitmaps): 通过特殊的命令，你可以将 String 值当作一系列 bits 处理：可以设置和清除单独的 bits，数出所有设为 1 的 bits 的数量，找到最前的被设为 1 或 0 的 bit，等等。
• HyperLogLogs: 这是被用于估计一个 set 中元素数量的概率性的数据结构。
• Streams:5.0版本新增， append-only collections of map-like entries that provide an abstract log data type.
  • 可以用来做持久化的消息队列

4.1 String 字符串

存储原理

假设存储 key = hello vlaue = word

set hello word

String的三种编码

• int，存储8个字节的长整型（long，2^63-1）
• embstr，embstr格式的SDS（Simple Dynamic String）
• raw，SDS，存储大于44个字节的字符串

redis 为什么要自己写一个SDS的数据类型

主要是为了解决C语言 char[] 的四个问题

1. 字符数组必须先给目标变量分配足够的空间，否则可能会溢出
2. 查询字符数组长度 时间复杂度O(n)
3. 长度变化，需要重新分配内存
4. 通过从字符串开始到结尾碰到的第一个\0来标记字符串的结束，因此不能保存图片、音频、视频、压缩文件等二进制(bytes)保存的内容，二进制不安全

redis SDS

1. 不用担心内存溢出问题，如果需要会对 SDS 进行扩容
2. 因为定义了 len 属性，查询数组长度时间复杂度O(1) 固定长度
3. 空间预分配，惰性空间释放
4. 根据长度 len来判断是结束，而不是 \0

embstr和raw

• 当 value 的值为整型时，编码为 int
• 当 value 值为字符时，存储的编码为 embstr，连续的内存空间，只需要分配一次
• 当 value 值字符长度超过 44 时，存储的编码为 raw，不是连续的内存空间，需要分配两次
• 如果 value 的值为 int 或者 embstr ，然后通过 append 添加字符的时候，也会转化为 raw 类型（因为 embstr 设计的是只读的，如果发生变化只能再开辟一块空间），而且这个过程是不可逆的。

应用场景

• 缓存，热点数据
• 分布式session
• set key value NX EX 分布式锁
• INCR计数器
  • 文章的阅读量，微博点赞数，允许一定的延迟，先写入 Redis 再定时同步到数据库
• 全局ID
  • INT 类型，INCRBY，利用原子性
• INCR 限流
  • 以访问者的 IP 和其他信息作为 key，访问一次增加一次计数，超过次数则返回 false。
• setbit 位操作

4.2 Hash 哈希

对于这种类似于数据库表的结构，redis中可以使用hash进行存储

批量设置

 hmset coder:xwf age 30 addr wuhan tag java

   

   
1

批量获取

 hmget coder:xwf age addr tag

   

   
1

执行效果：

**同样是存储字符串，Hash 与 String 的主要区别？ **

1、把所有相关的值聚集到一个 key 中，节省内存空间

2、只使用一个 key，减少 key 冲突

3、当需要批量获取值的时候，只需要使用一个命令，减少内存/IO/CPU 的消耗

Hash 不适合的场景：

1、Field 不能单独设置过期时间

2、没有 bit 操作

3、需要考虑数据量分布的问题（value 值非常大的时候，无法分布到多个节点）

hash表有两种存储的数据编码

如果Field的个数超过 512 个 或者 Field 中任意一个 键或者值 的长度大于 64个字节，hash表会用ht来存储

redis配置文件

hash-max-ziplist-entries 512
hash-max-ziplist-value 64

   

   
1
2

ziplist 压缩列表

ziplist 是一个经过特殊编码的双向链表，它不存储指向上一个链表节点和指向下一 个链表节点的指针，而是存储上一个节点长度和当前节点长度，通过牺牲部分读写性能， 来换取高效的内存空间利用率，是一种时间换空间的思想。只用在字段个数少，字段值小的场景里面

ht(hashtable) 哈希表

在 Redis 中，hashtable 被称为字典（dictionary），它是一个数组+链表的结构。

为什么有 ht[0] 和 ht[1] 两个hash表，是为了扩容。

应用场景

购物车

存储	命令
用户id	key
商品id	field1
商品数量	value1
商品价格	field2
商品价格值	value2

操作	命令
商品+1	hincr
商品-1	hdecr
删除	hdel
全选	hgetall
商品数量	hlen

4.3 List 列表

有序，左边是列表头，从左到右

存储有序的字符串（从左到右），元素可以重复。可以充当队列和栈的角色。

127.0.0.1:6379> lpush queue a
(integer) 1
127.0.0.1:6379> lpush queue b c
(integer) 3
127.0.0.1:6379> lrange queue 0 -1
1) "c"
2) "b"
3) "a"
127.0.0.1:6379> rpush queue d e
(integer) 5
127.0.0.1:6379> lrange queue 0 -1
1) "c"
2) "b"
3) "a"
4) "d"
5) "e"
127.0.0.1:6379> lpop queue
"c"
127.0.0.1:6379> lrange queue 0 -1
1) "b"
2) "a"
3) "d"
4) "e"
127.0.0.1:6379> rpop queue
"e"
127.0.0.1:6379> lrange queue 0 -1
1) "b"
2) "a"
3) "d"

   

   
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29

List 存储原理（quicklist）

内部是一个双向链表，*zl 指针指向的是 ziplist 压缩列表，数据真正还是存储在 ziplist 中。

应用场景

• 时间线
• 队列
• 栈

4.4 Set 集合

一个 set 集合可以存储 2^63-1 个元素

127.0.0.1:6379> sadd xwfset 123 a b c d e f g 456
(integer) 9
127.0.0.1:6379> smembers xwfset
1) "e"
2) "f"
3) "b"
4) "d"
5) "g"
6) "123"
7) "a"
8) "c"
9) "456"

   

   
1
2
3
4
5
6
7
8
9
10
11
12

存储结构

• intset
• hashtable

127.0.0.1:6379> object encoding xwfset
"hashtable"
127.0.0.1:6379> sadd intsets 1 2 3
(integer) 3
127.0.0.1:6379> object encoding intsets
"intset"

   

   
1
2
3
4
5
6

应用场景

1.知乎点赞数

2.京东的商品筛选

127.0.0.1:6379> sadd brand:apple iPhone11
(integer) 1
127.0.0.1:6379> sadd brand:ios iPhone11
(integer) 1
127.0.0.1:6379> sadd screensize:6.0-6.24 iPhone11
(integer) 1
127.0.0.1:6379> sadd memorysize:256GB iPhone11
(integer) 1
127.0.0.1:6379> sinter brand:apple brand:ios screensize:6.0-6.24 memorysize:256GB
1) "iPhone11"

   

   
1
2
3
4
5
6
7
8
9
10

筛选商品，苹果，IOS，屏幕6.0-6.24，内存大小256G

sinter brand:apple brand:ios screensize:6.0-6.24 memorysize:256GB

3.微博关注

用户(编号user001)关注

sadd focus:user001 user003

sadd focus:user002 user003 user004

相互关注

sadd focus:user001 user002

sadd focus:user002 user001

#判断用户2是否关注了用户1
127.0.0.1:6379> SISMEMBER focus:user002 user001
(integer) 1

   

   
1
2
3

我关注得到人也关注了他(共同关注)

#获取关注的交集
127.0.0.1:6379> sinter focus:user001 focus:user002
1) "user003"

   

   
1
2
3

可能认识的人

#将所有的人存放到allusers集合
127.0.0.1:6379> SUNIONSTORE alluser:user001 focus:user001 focus:user002
(integer) 4
127.0.0.1:6379> SDIFF alluser:user001 focus:user001
1) "user004"
2) "user001"
#剔除掉自己
127.0.0.1:6379> SREM alluser:user001 user001
(integer) 1
127.0.0.1:6379> SDIFF alluser:user001 focus:user001
1) "user004"

   

   
1
2
3
4
5
6
7
8
9
10
11

4.5 ZSet 有序集合

每个元素有一个对应的分数，基于分数进行排序；如果分数相等，以key值的 ascii 值进行排序。

数据结构对比

数据结构	是否允许重复元素	是否有序	有序实现方式
list	是	是	索引下标
set	否	否	无
zset	否	是	分值score

存储结构

• ziplist

• skiplist+dict 跳表+字典

redis配置文件

如果元素的个数超过 128 个 或者 元素中任意一个 value 的大小超过 64个字节，存储会采用 skiplist 跳表

zset-max-ziplist-entries 128
zset-max-ziplist-value 64

   

   
1
2

什么是 skiplist ?

上面的是普通的链表，下面的是跳表，level 是随机的

普通链表查找一个元素的时间复杂度为O(n)

跳表的时间复杂度为O(m*log2n)

假设我们找元素19

1.先从起始的 level3 指针中查找 26 大于 19

2.退回到起始的 level2 的指针，大于7 继续往后，找到19

3.通过三次就找到了19

简书的一篇文章：redis用到的非常高效的数据结构–跳表

应用场景

1.商品的评价标签，可以记录商品的标签，统计标签次数，增加标签次数，按标签的分值进行排序

#添加商品(编号i5001)的标签tag和对应标签的评价次数
127.0.0.1:6379> zadd good_tag:i5001 442 tag1 265 tag2 264 tag3
(integer) 3
#不带分数
127.0.0.1:6379> zrange good_tag:i5001 0 -1
1) "tag3"
2) "tag2"
3) "tag1"
#带分数
127.0.0.1:6379> zrange good_tag:i5001 0 -1 withscores
1) "tag3"
2) "264"
3) "tag2"
4) "265"
5) "tag1"
6) "442"

   

   
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

2.百度搜索热点

#维护2020年1月21号的热点新闻
127.0.0.1:6379> zadd hotspot:20200121 520 pot1 263 pot2 244 pot3
(integer) 3
127.0.0.1:6379> zrange hotspot:20200121 0 -1 withscores
1) "pot3"
2) "244"
3) "pot2"
4) "263"
5) "pot1"
6) "520"
#增加点击次数
127.0.0.1:6379> ZINCRBY hotspot 1 pot1
"521"

   

   
1
2
3
4
5
6
7
8
9
10
11
12
13

4.6 BitMaps

Bitmaps 是在字符串类型上面定义的位操作。一个字节由 8 个二进制位组成。

应用场景：

用户访问统计

在线用户统计

4.7 Hyperloglogs

Hyperloglogs：提供了一种不太准确的基数统计方法，比如统计网站的 UV，存在一定的误差。

4.8 Streams

5.0 推出的数据类型。支持多播的可持久化的消息队列，用于实现发布订阅功能，借鉴了 kafka 的设计。

5.总结

数据结构

对象	对象type属性值	type命令输出	object encoding
字符串	OBJ_STRING	“string”	int/embstr/raw
列表	OBJ_LIST	“list”	quicklist
哈希	OBJ_HASH	“hash”	ziplist/hashtable
集合	OBJ_SET	“set”	intset/hashtable
有序集合	OBJ_ZSET	“zset”	ziplist/skiplist

编码转换

对象	元素编码	升级编码	再次升级
字符串	INT 整数并且小于 log 2^63-1	embstr 超过44字节被修改	raw
哈希	ziplist 键和值的长度小于64字节，键值对个数不超过521个	hashtable
列表	quicklist
集合	intset 元素都是整数，元素个数小于512	hashtable
有序集合	ziplist 任何一个member长度小于64字节，元素个数不超过128个	skiplist

6.参考

咕泡学院 青山老师 redis-基础篇(原版更加具体，对照redis的源码进行讲解)

转载自：https://blog.youkuaiyun.com/xiewenfeng520/article/details/104063062