Redis简介

Redis是一个开源的，内存中的数据结构存储系统，它可以用作数据库、缓存和消息中间件。JAVA客户端是jedis。Redis6.0已经支持多线程了(面试提问单线程问题的时候要注意了)。

redis稳定版下载地址

Redis数据结构(罗列)

• String：二进制安全的字符串
• Lists：安插入顺序排序的字符串元素集合。基本是链表。
• Sets：无序不重复集合。
• Sorted sets(zset)：里面的元素总是通过score进行排序。有序集合。
• Hashes：键值都是字符串的哈希表。

• Bit arrays：位集合（可以实现类似布隆过滤器的功能结构）
• HyperLogLog：是用来做基数统计的算法。用于估计一个set中元素数量的概率性的数据结构。
• Geospatial Indexes：地理空间索引
• Streams：流信息

Redis keys

Redis key值是二进制安全的。(二进制安全 是指,在传输数据时,保证二进制数据的信息安全,也就是不被篡改、破译等,如果被攻击,能够及时检测出来。)，可以是空值，也可以是任何二进制序列。

key的自动创建和删除

在实践中或例子里可以看到，我们没有在推入元素之前创建空的list，或者在list没有元素时删除它。在list为null删除key,并使用lpush时而创建空list. 这是Redis的职责。适用于list,zset,set,hash类型。

概括如下：

1当我们向一个聚合数据类型中添加元素时，如果目标键不存在，就在添加元素前创建空的聚合数据类型。
2当我们从聚合数据类型中移除元素时，如果值仍然是空的，键自动被销毁。
3对一个空的 key 3调用一个只读的命令，比如 LLEN （返回 list 的长度），或者一个删除元素的命令，将总是产生同样的结果。该结果和对一个空的聚合类型做同个操作的结果是一样的。

一、string 字符串

可以在一个键下保存一个图片，值的长度不能超过512MB.

//设置键值
> set mykey somevalue
OK
//获取键值
> get mykey
"somevalue"

//也可以通过命令进行递增操作
> set counter 100
OK
> incr counter //+1
(integer) 101
> incr counter
(integer) 102
> incrby counter 50   //+50
(integer) 152

INCR 命令将字符串值解析成整型后加一，然后在保存为字符串。类似命令有INCRBY,DECR,DECRBY。都是原子性操作，不会导致竞争的情况。

redis也可以做批量的操作，一次性设置获取多个值。

> mset a 10 b 20 c 30
OK
 
> mget a b c
"10"
"20"
"30"

其他命令

exists key：返回1或0标识给定key的值是否存在。

del key：返回1或0标识给定key的值是否存在

type key：返回key对应值的存储类型。

expire key time：给值设定存活时间。time可以是毫秒或者秒。(如果用rename命令修改key，相关时间也会转移到新名称上。针对已有过期时间的key进行操作，会刷新过期时间)

ttl key：用来查看key所对应值的剩余时间。

redis没有设置过期时间，ttl返回-1。
redis已经大于过期时间，ttl返回-2.

设置了剩余时间，且没过期的。ttl返回剩余时间。

没有设置过期时间的值可以通过del进行删除。

redis keys的过期有两种方式

1. 主动过期
当一些客户端尝访问它时，key会被发现并主动过期。

2. 被动过期

如果有一些keys,可能永远也不会访问。所以定时随机测试设置keys的过期时间。所有过期的keys将会从密钥空间删除。具体就是Redis每秒10次的操作。

a. 测试随机的20个keys进行相关过期检测。
b. 删除所有已经过期的keys
c. 如果有多于25%的keys过期，重复a

Redis String 使用场景： 普通key/value存储，比如统计IP访问次数(利用key名 + incr)

二、Redis Lists

Redis lists基于Linked List实现。在头部或者尾部添加一个元素的操作的时间复杂度是常数级别的。用LPUSH命令在十个元素的list头部添加元素和在千万级list头部添加元素的速度相同。

对于数据库来说，一个重要特性是能非常快的在列表上添加元素。而且redis lists能在常数时间内取得常数长度。所以用linked list实现。

rpush key value：向list的右边/尾部添加一个新元素。

lpush key value：向list的左边/头部添加一个新元素。

lrange key index index：从list中取出范围内元素，index可以为负数，表示从右边/尾部计数。

当然也可以批量处理数据

> rpush mylist 1 2 3 4 5 "foo bar"
(integer) 9
> lrange mylist 0 -1
1) "first"
2) "A"
3) "B"
4) "1"
5) "2"
6) "3"
7) "4"
8) "5"
9) "foo bar"

**rpop/lpop key **：从list中删除元素并返回删除元素的值。可以在头部/尾部操作。

**ltrim key index index **：把list从左边截取指定长度

> rpush mylist 1 2 3 4 5
(integer) 5
> ltrim mylist 0 2
OK
> lrange mylist 0 -1
1) "1"
2) "2"
3) "3"

list值类型，可以用来实现聊天系统，可以用来作为消息队列(按照顺序访问数据)。也可以使用lrange对结果进行分页。

用作为消息队列时，如果用lpush和rpop实现功能会出现一种情景（list为空，但是消费者一直轮询获取，会增加redis的访问压力、和cpu消耗），所以redis提供了阻塞式访问的brpop和blpop命令。可见详解：http://www.redis.cn/commands/blpop.html

三、Redis Hash

由键值对组成。适合存储对象型数据。Redis中的每个hash可以存储 2^32个键值对。

可以对散列存储的数字进行自增或自荐

> hmset user:1000 username antirez birthyear 1977 verified 1
OK
> hget user:1000 username
"antirez"
> hget user:1000 birthyear
"1977"
> hgetall user:1000
1) "username"
2) "antirez"
3) "birthyear"
4) "1977"
5) "verified"
6) "1"

hmset key value(k,v)：用于设置hash的多个域。

hget key k：用于获取单个k对应的v.

hmget key k k k：用于获取多个k对应的v.

**hincrby key k 10 **：针对单独的值域进行操作。

更多指令请查看：http://redis.io/commands#hash

Redis hash应用场景：
存储对象型数据，如 人(属性，值，属性，值)

四、Redis Set

是对String的无序排列。

> sadd myset 1 2 3
(integer) 3
> smembers myset
1. 3
2. 1
3. 2

> sismember myset 3
(integer) 1

**sadd key v v v **：将新的元素添加到key中。

**smembers key **：返回所有元素，元素顺序不定。

smembers key v ：检测某个元素是否存在

Sets适合用于标识对象间的关系，比如标识标记/打标签。

被打上相同标签的元素列表

> sadd tag:1:news 1000
(integer) 1
> sadd tag:2:news 1000
(integer) 1
> sadd tag:5:news 1000
(integer) 1
> sadd tag:77:news 1000
(integer) 1


## 获取一个对象的所有tag
> smembers news:1000:tags
1. 5
2. 1
3. 77
4. 2

set数据类型还有一个功能是sdiff,取差集(myset中排除myset2的值)。也可以用来对比两个集合的交集SINTER(属于A，也属于B)。可以利用这个功能处理对账数据。

> SADD myset "hello"
(integer) 1
> SADD myset "foo"
(integer) 1
> SADD myset "bar"
(integer) 1
> SADD myset2 "hello"
(integer) 1
> SADD myset2 "world"
(integer) 1
> SDIFF myset myset2
1) "foo"
2) "bar"

我在实际工作中，tag标记做法直接在数据库中做，方便多个维度的数据查询。
位运算的使用

关于redis set操作的更多命令查看：https://www.redis.net.cn/tutorial/3511.html

Redis set使用场景：
利用唯一性统计独立IP等。利用对交集、并集、差集的计算对数据进行过滤处理，如共同好友、推荐信息的数据过滤等。

五、Redis zset

Redis 有序集合和set集合一样也是string类型元素的集合,且不允许重复的成员。
不同的是每个元素都会关联一个double类型的分数。redis正是通过分数来为集合中的成员进行从小到大的排序。

有序集合的成员是唯一的,但分数(score)却可以重复。（如果设置所有的元素score为一致的，则默认按照字典序排序。）

> zadd hackers 1940 "Alan Kay"
(integer) 1
> zadd hackers 1957 "Sophie Wilson"
(integer 1)
> zadd hackers 1953 "Richard Stallman"
(integer) 1
> zadd hackers 1949 "Anita Borg"
(integer) 1
> zadd hackers 1965 "Yukihiro Matsumoto"
(integer) 1
> zadd hackers 1914 "Hedy Lamarr"
(integer) 1
> zadd hackers 1916 "Claude Shannon"
(integer) 1
> zadd hackers 1969 "Linus Torvalds"
(integer) 1
> zadd hackers 1912 "Alan Turing"
(integer) 1
 
## 正序输出
> zrange hackers 0 -1
1) "Alan Turing"
2) "Hedy Lamarr"
3) "Claude Shannon"
4) "Alan Kay"
5) "Anita Borg"
6) "Richard Stallman"
7) "Sophie Wilson"
8) "Yukihiro Matsumoto"
9) "Linus Torvalds"

## 反序输出
> zrevrange hackers 0 -1
1) "Linus Torvalds"
2) "Yukihiro Matsumoto"
3) "Sophie Wilson"
4) "Richard Stallman"
5) "Anita Borg"
6) "Alan Kay"
7) "Claude Shannon"
8) "Hedy Lamarr"
9) "Alan Turing"

## 1950以下的数据
> zrangebyscore hackers -inf 1950
1) "Alan Turing"
2) "Hedy Lamarr"
3) "Claude Shannon"
4) "Alan Kay"
5) "Anita Borg"

## 删除1940~1960区间内的元素
> zremrangebyscore hackers 1940 1960
(integer) 4

## 查询zset中的元素index

> zrank hackers "Anita Borg"
(integer) 4

Redis ZSet使用场景：
排行榜、统计类的数据需求。

六、Redis Bitmap

位图不是实际的数据类型，而是在String类型上定义的一组面向位的操作。

由于字符串是二进制安全的，最大长度是512MB,转换成位可以设置 2^32不同的位。

512MB = 2^9 * 2^3（byte） * 2^10（kb） * 2^10(mb) = 2^32（bit）

位图的最大优点之一，存储信息时可以节省大量空间。

> set key big

位操作分为两类：
1.固定时间的单个位操作(设置位为1或0获取当前位的值)

## 设置位值为1
> setbit key 10 1
(integer) 1

## 获取
> getbit key 10
(integer) 1

## 获取没有存过的值时为0
> getbit key 11
(integer) 0

2.对位组的操作(获取范围内的位的数量、效率很高)

> setbit key 0 1
(integer) 0
> setbit key 100 1
(integer) 0
> bitcount key
(integer) 2

注： Bitmap 和 HyperLogLog是基于String类型，但是拓展了自己的语义

Redis Bitmap使用情景

1. 各种实时分析。

例如，假设您想知道网站用户每天访问量最长的时间。您从零开始计算天数，即从您公开网站的那一天开始，并在用户每次访问该网站时对SETBIT进行设置。作为位索引，您只需花费当前的unix时间，减去初始偏移，然后除以3600 * 24。
这样，对于每个用户，您都有一个小的字符串，其中包含每天的访问信息。

> setbit key 20200310-UID 1
> setbit key 20200311-UID 1
> setbit key 20200311-UID 0

2. 类似bloomfilter的实现，防止缓存穿透。（将存量 + 增量的标识数据进行存储，去判断）

3. 可以通过多个bitmap的交集、并集、not(非)、xor(疑惑)操作处理一些位运算的逻辑

bitmap 可以使用RLE编码进一步压缩空间

七、Redis HyperLogLogs(HLL)

属于一种概率算法，(LC,LLC,HLL)三种越来越节省内存，降低误差率。

HyperLogLog优点，在输入元素的数量或者体积非常大时。计算基数所需的空间总是固定很小的。每个HyperLogLog的键只需要花费12KB内存，在标准误差0.81%的前提下，就可以计算接近2^64个不同的基数。

用bitmap存储1一亿个统计数据大概需要12M内存；而在HLL中，只需要不到1K内存就能做到。

了解HLL原理可以点击这里：

HyperLogLog只会根据输入元素来计算基数，而不会存储元素本身，所以不能返回各个元素。

## 添加指定元素到HLL中
> pfadd hll a b c d
  (integer) 1

## 返回给定的HLL的基数估算值
> pfcount hll
  (integer) 4
  
## 合并HLL
> pfmerge key sourceA [sourceB]

HLL的使用场景：常用来统计一个集合中不重复的元素个数，例如网站PV，搜索关键词数量，数据分析、网络监控及数据库优化等领域。

HLL比 bitmap更节省内存，但有一定误差( 标准误差 0.81%)

八、Redis Geospatial Indexes(地理空间索引)

将制定的地理空间位置(经度、纬度、名称)添加到指定的key中。这些数据将会存储到Sorted set中。目的是为了方便GEORADIUS或者GEORADIUSBYMEMBER命令对数据进行半径查询等操作。

sorted set使用一种称为Geohash的技术进行填充。经度和纬度的位是交错的，以形成一个独特的52位整数. 我们知道，一个sorted set 的double score可以代表一个52位的整数，而不会失去精度。

这种格式允许半径查询检查的1 + 8个领域需要覆盖整个半径，并丢弃元素以外的半径。通过计算该区域的范围，通过计算所涵盖的范围，从不太重要的部分的排序集的得分，并计算得分范围为每个区域的sorted set中的查询。

官方示例

## 增加意大利西西里岛的两个城市坐标(Palermo和 卡塔尼亚)
redis> GEOADD Sicily 13.361389 38.115556 "Palermo" 15.087269 37.502669 "Catania"
(integer) 2

## 返回两个给定位置之间的距离。(默认单位米)
redis> GEODIST Sicily Palermo Catania
"166274.1516"

## 以给定的经纬度为中心，返回键包含的位置元素当中， 与中心的距离不超过给定最大距离的所有位置元素。
## 100m
redis> GEORADIUS Sicily 15 37 100 km
1) "Catania"

## 200m
redis> GEORADIUS Sicily 15 37 200 km
1) "Palermo"
2) "Catania"
redis> 

可以通过查询不同地方的坐标信息进行验证。查询点这里

Geospatial indexes使用场景：这里假设地球是一个球体，因为使用的距离公式是Haversine公式。这个公式仅适用于地球，而不是一个完美的球体。当在社交网站和其他大多数需要查询半径的应用中使用时，这些偏差都不算问题。但是，在最坏的情况下的偏差可能是0.5%，所以一些地理位置很关键的应用还是需要谨慎考虑。

九、Redis Streams

Stream是Redis 5.0引入的一种新数据类型,是一个新的强大的支持多播的可持久化的消息队列。

相比于现有的PUB/SUB、BLOCKED LIST，其虽然也可以在简单的场景下作为消息队列来使用，但是Redis Stream无疑要完善很多。Redis Stream提供了消息的持久化和主备复制功能、新的RadixTree数据结构来支持更高效的内存使用和消息读取、甚至是类似于Kafka的Consumer Group功能。

它以更抽象的方式对日志数据结构进行建模，但是日志的本质仍然完好无损：像日志文件一样，通常实现为仅在追加模式下打开的文件， Redis流主要是仅追加数据结构。至少从概念上讲，由于Redis是流式传输在内存中表示的抽象数据类型，因此它们实现了更强大的操作，以克服日志文件本身的限制。

尽管数据结构本身非常简单，但Redis流却成为最复杂的Redis类型的原因在于它实现了其他非强制性功能：一组阻止操作，使消费者可以等待生产者将新数据添加到流中，此外还有一个称为“ 消费群体”的概念。

消费者群体最初是由流行的称为Kafka（TM）的消息传递系统引入的。Redis用完全不同的术语重新实现了一个类似的想法，但是目标是相同的：允许一组客户合作使用同一消息流的不同部分。

> XADD mystream * sensor-id 1234 temperature 19.8
1518951480106-0

##上面对XADD命令的调用使用自动生成的条目ID 
##将一个条目添加sensor-id: 1234, temperature: 19.8到key流中mystream，该条目ID是该命令返回的，具体来说是1518951480106-0。
##它以键名作为第一个参数mystream，第二个参数是标识流中每个条目的条目ID。


## 获取Stream中的项目数：
> XLEN mystream
(integer) 1

针对流的操作有很多，可以点击这里查看官方文档

Redis stream使用场景：消息队列，和kafka, RocketMq ,RabbitMq等各种消息中间件要按照当前环境的情况和要求合理使用。

整理自 deathearth.com