Redis学习（一）—生活中实用场景帮助理解redis的五种基本数据类型

Redis面试常问，由于我在实际开发中很少用，所以虽然看了很多次，但都不够深刻，不能举一反三。为了深入理解，这里总结它的常用场景，深刻理解Redis

有需要的同学务必照着例子敲一遍，多思考、多回顾，才能在实际使用中如鱼得水

（一）String

（1）业务场景1——分库分表后获取唯一id

 incr key  //自增1
 incrby key increment //增加指定数值
 incrbyfloat key increment //增加一个浮点数

注意

1. string在redis内部存储默认就是一个字符串，当遇到增减类操作incr,decr时会转成数值型进行计算
2. redis所有的操作都是原子性的，采用单线程处理所有业务，命令是一个一个执行的，因此无需考虑并发带来的数据影响
3. 按数值进行操作的数据，如果原始数据不能转成数值，或超过了redis数值上线范围，将会报错。9223372036854775807 (java中long型数据最大值，Long.MAX_VALUE)

（2）业务场景2——数据时效性设置

场景：

1. 某某综艺”，启动海选投票，只能通过微信投票，每个微信号每4个小时只能投1票。
2. 电商商家开启热门商品推荐，热门商品不能一直处于热门期，每种商品热门期维持3天，3天后自动取消热门
3. 新闻网站会出现热点新闻，热点新闻最大的特征是对时效性，如何自动控制热点新闻的时效性

【解决思路】

设置数据具有指定的生命周期。redis 控制数据的生命周期，通过数据是否失效控制业务行为，适用于所有具有时效性限定控制的操作。说白了，就是设置键的过期时间，业务层判断一个商品过期了，就不能放在热门商品推荐

1. 增加/修改键值对并为其指定过期时间：setex key seconds value
2. 功能与上面一样，秒的单位不同：psetex key milliseconds value

（3）业务场景3——高频数据访问显示

场景：主页高频访问信息显示控制，例如微博大V主页显示粉丝数与微博数量，这些数据就是热度数据，不断发生变化（一直有用户访问、数据在不断变化），这些数据如何放入Redis？

实现方式一

为大V用户设定用户信息，以用户主键和属性值作为key，后台设定时间定时刷新即可。

> set user:340823:blogs 100  //设置微博数量100
> set user:340823:fans 100000  //粉丝数100000
> set user:340823:focus 400  //关注数:400

在redis中的存储结构如下

实现方式二

以json格式存储大V用户，定时刷新，在代码中将对象转换为Json存储

---

（二）Hash

对某个门类，再进行细分

场景

1. 比如说用户购物车，细分到用户有多个商品，每个商品有不同的属性；
2. 商品优惠券，有不同的券额，30，50，100等等…获取的数量也不一样

1. 库中已存在user的name为zhangsan的数据，再设置(hset)user的name为lisi，可以设置成功

   > hset user name lisi
   (integer) 0
   >hget user name
   "lisi"
   

2. 使用hsetnx修改user的name为wangwu

   >hsetnx user name wangwu
   (integer) 0
   >hget user name
   "lisi"
   

hset和hsetnx命令，前者是覆盖之前的设置，后者是如果不存在才设置成功，存在就设置不成功

（1）业务场景1——购物车的实现

【基本操作】

• 以客户id(user1)作为key，每位客户创建一个hash存储结构存储对应的购物车信息

• 添加商品：追加全新的field和value

• 浏览，遍历hash

  获取全部的属性名和属性值（获取商品及对应的数量）：hgetall user1
  获取字段名（获取商品list）：hkeys user1
  获取字段值：hvals user1

• 更改数量：自增/自减，设置value的值

  hincrby user1 food01 3

• 删除商品：删除field

  hdel user1 food01

• 清空购物车，删除key

阶段一：仅存储商品数量

在Redis中存储的结构

当前仅仅是将数据存储到Redis中，并没有起到加速的作用，因为我们仅仅查询到了用户商品id和数量，商品详细信息还需要二次查询数据库；

阶段二：存储商品数量及其他信息（图片等等）

优化：购物车中的商品记录保存成两条field

field1：专用于保存购买数量

【g001:nums 2】

• 命名格式：商品id:nums
• 保存数据：数值(2)

field2 ：专用于保存购物车中显示的信息，包含文字描述、图片地址、所属商家信息等等
【g001:info {images}】

• 命名格式：商品id:info （g001:info）
• 保存数据：json （{images}）

在Redis中的存储结构

但是出现很多用户都将同一个商品加入购物车，就会出现大量的重复信息，例如商品信息重复

阶段三：商品信息保存为哈希

> hset g001 info {images}

（2）业务场景2——抢购活动，限购发放优惠券、激活码等

【解决方案】

• 以商家id作为key（比如电信）
• 将参与抢购的商品id作为field（30元的券、50元）
• 将参与抢购的商品数量作为对应的value（各含1000张）
• 抢购时使用降至的方式控制产品数量

---

（三）List（有序的）

使用场景

• 朋友圈点赞
• 微信消息提醒，最近的消息在最上面
• 微博个人关注列表，最近关注的在最上面

【基本操作】

lpush key value1[value2]...
rpush key value[value2]...

查看所有key：lrange key 0 -1
获取并删除左边第一个元素：lpop key
获取并删除右边第一个元素：rpop key

（1）业务场景1——朋友圈点赞

功能：按照点赞顺序显示点赞好友信息，如果取消点赞，移除对应好友信息

【解决方案】

• rpush添加数据，先进先出
  
• 移除指定数据（类似某个人取消点赞）
  

（2）业务场景2——最新消息的展示，最近关注，粉丝列表等

使用场景

1. 微博中关注列表需要按照用户的关注顺序进行展示，最新关注在最上面；粉丝列表同理
2. 新闻、资讯类网站将最新的新闻或咨询按照发生的事件顺序展示
3. 企业运营过程中，系统将产生大量的运营数据，如何保障堕胎服务器操作日志的统一顺序输出

【解决方案】

• 依赖list的数据具有顺序的特征对信息进行管理
• 使用队列模型解决多路信息汇总合并的问题
• 使用栈模型解决最新消息的问题

---

（四）Set（无序的，不能重复的）

使用场景

• 随机推荐类索引
• 每位员工有多个角色，角色权限的合并；
• 同类型不同数据的合并操作：两个用户的共同好友之类
• 访问量的统计

【基本操作】

1. 添加数据：sadd key member1[member2]
2. 获取全部数据：smembers keys
3. 删除数据：srem key member1[member2]
4. 获取集合数据总量：scard key
5. 判断集合中是否包含指定数据：sismember key member
6. 随机获取集合中指定数量的数据：srandmember key [count]
7. 随机获取集合中的某个数据并将该数据移出集合：spop key
   

（1）业务场景1——随机操作数据

【场景分析】

• 每位用户首次使用进入头条的时候会设置3项爱好的内容，但后期为了增加用户的活跃度、兴趣点、必须让用户对其他信息类别逐渐产生兴趣，增加用户留存度，如何实现？

【业务分析】

• 系统分析出各个类别的最新或最热点信息条目并组织成set集合，随机挑选其中部分信息
• 配合用户关注信息分类中的热点信息组织展示的全信息集合

【实战】

应用于随机推荐类信息检索，例如热点歌单推荐，热点新闻推荐，热点旅游线路，应用APP推荐，大V推荐

（2）业务场景2——共同好友

【解决方案】

• 求两个集合的交、并、差集

  sinter key1[key2] #交集
  sunion key1[key2] #并集
  sdiff key1[key2] #差集(key1有但是key2没有)
  

• 求两个集合的交、并、差集并存储到指定集合中

  sinterstore destination key1[key2]
  sunionstore destination key1[key2]
  sdiffstore destination key1[key2]
  

• 将指定数据从原始集合移动到目标集合中

  smove source destination member
  

【总结】

Redis 应用于同类信息的关联搜索，二度关联搜索，深度关联搜索

• 显示共同好友，共同关注（一度）
• 由用户A出发，获取到好友用户B的好友信息列表
• 由用户A出发，获取到好友用户B的购物清单列表/游戏充值列表

（3）业务场景3——同类型不重复数据的合并操作

【解决方案】
依赖set集合数据不重复的特征，依赖set集合hash存储结构特征完整数据过滤与快速查询

• 根据用户id获取用户所有角色
• 根据用户所有角色获取用户所有操作权限
• 根据用户所有角色获取用户所有数据，这种耦合度太高

【实操】

（4）业务场景4——访问量统计去重

【解决方案】

针对不同的统计类型有不同的数据存储方式

• 建立String类型数据，利用incr统计日访问量(PV)
• 建立Set模型，记录不同cookie数量（UV）和不同IP数量（IP）

（5）业务场景5——黑白名单

---

（五）Sort_Set

【基本操作】

1. 添加数据：zadd key score1 member1 [score2 member2]
2. 按照从小到大的顺序，加上withscores，就会带上scores一起显示： zrange key start stop [withscores]
3. 按照从大到小的顺序：zrevrange key start stop [withscores]
4. 删除数据：zrem key member [member...]
5. 查询scores在某个范围内的值：zrangebyscore key min max [withscore] [limit]
6. 查询key某个索引范围内的值：zrevrangebyscore key max min [withscore]
7. 删除有序集合中给定索引区间的所有成员：zremrangebyrank key start stop
8. 删除指定分数区间的所有成员：zremrangebyscore key min max

【实战】

9. 获取集合数据总量，两个集合求值等

   zcard key #获取总量
   zcount key min max # 获取某一范围的总量
   Zinterstore destination numkeys key [key...] #求和，其中numkeys指定集合(key...)的数量
   zunionstore destination numkeys key [key...]
   

【实操】

【小结】

• min , max用于限定搜索查询的条件
• start，stop作用于索引，表示开始和结束索引
• offset与count用于限定查询范围，作用于查询结构，表示开始位置和数据总量

（1）业务场景1——TOP10排行榜

1. 票选10大杰出青年，各类综艺选秀海选投票
2. 各类资源网站TOP10（电影，歌曲，文档，电商，游戏等）
3. 聊天室活跃度统计
4. 游戏好友亲密度

【用法】

1. 正数第几位：zrank key member
2. 倒数第几位：zrevrank key member
3. 获取：zscore key member
4. score递增 increment：zincrby key increment member
   

（2）业务场景2——会员短期体验之过期失效

参考资料
b站黑马教程