Redis是C语言开发的一个高性能键值对（key -value） 内存数据库，可以用作数据库，缓存和消息中间件等。
文章目录
Redis
Redis是什么
简介
Redis是C语言开发的一个高性能键值对（key -value） 内存数据库，可以用作数据库，缓存和消息中间件等。
特点
-
作为内存数据库，它的性能非常优秀，数据存储在内存当中，读写速度非常快，支持并发10W QPS（每秒查询次数），单进程单线程，是线程安全的，采用IO多路复用机制。
-
丰富的数据类型，支持字符串，散列，列表，集合，有序集合等，支持数据持久化。可以将内存中数据保存在磁盘中，重启时加载。
-
主从复制，哨兵，高可用，可用作分布式锁。可以作为消息中间件使用，支持发布订阅。
Redis 数据类型
和Java的数据结构类比：
| Redis | Java |
|---|---|
| string | String |
| hash | HashMap |
| list | LinkedList |
| set | HashSet |
| sorted set | TreeSet |
1. string （字符串）
介绍：
string是最基本的数据类型，跟 mencached 一样的类型，也是二进制安全的，可以包含任何数据
如：jpg图片或者序列化的对象。最大能存储512MB。
特性
最大能存储容量：
512MB
数值计算最大范围：
Java中long的最大值 2^32-1
数据未获取到：
为nil相当于null
表示运行结果是否成功：
integer 0 -> false 失败
integer 1 -> true 成功
表示运行结果值：
integer 3 -> 3条
integer 1 -> 1条
关系型数据库数据在Redis中 key 热点数据命名惯例：
大部分数据都是从数据库来的：所以
一般的命名规范都会是：key[表名:主键名:主键值:字段名] value[xxxx]
表名 ：主键名 ：主键值 ：字段名
order ：id : 11111 : name
equip ：id : 11111 : type
news ：id : 11111 : title
用法：
单个操作set get 多个操作加前缀mset mget (Multiple多个)
根据发送时长和执行时长来判断用单指令还是多指令
// 添加/修改
set key value
// 获取
get key
// 删除 1成功，0失败
del key
// 添加/修改多个
mset key1 value1 key2 value2 ....
// 获取多个
mget key1 key2 ....
// 获取value的数据字符长度
strlen key
// 追加信息到值后面（存在就追加，否则新增）
append key value
扩展操作1：Redis解决MySQL分库分表操作的唯一ID问题
场景：
大型企业级应用中，分表操作是基本操作，使用多张表存储同类型数据，但是对应的主键ID必须保证统一性，不能重复。
oracle数据库具有sequence设定，可以解决，但是MySQL没有类似机制。
解决办法：
利用Redis 生成ID，主要利用Redis是单线程，所以也可以用来生成唯一ID，当使用的是Redis集群的时候，比如集群中有5台Redis，初始化每台Redis的值为1,2,3,4,5,设置步长为5，并且确定一个不随机的负载均衡策略，能够保证有序唯一。
优点：不依赖数据库，灵活，且性能相对于数据库有一定提高，使用Redis集群策略还能排除单点故障问题，ID天然有序。
缺点：需要引入Redis这个新组件，开发配置工作量大
//设置数值数据增加指定范围的值，如果incr传的负数，会变成减，如果decr传整数，变成加
//每次＋1，key+=1
incr key
//每次＋指定的值,key+=increment
incrby ket increment
//每次增加指定小数的值
incrbufloat ket increment
//设置数值数据减少指定范围的值
//每次减一，key-=1
decr key
//每次减指定的值,key-=increment
decrby key increment
注意事项：
-
string在Redis内部为字符串存储，当它进行操作的时候会转类型为数字，如果含有其他非数字字符，则会报错.
-
超出数值上限也会报错，比如用Java语言的long类型
基本类型：long 二进制位数：64
包装类：java.lang.Long
最小值：Long.MIN_VALUE=-9223372036854775808 （-2的63次方）
最大值：Long.MAX_VALUE=9223372036854775807 （2的63次方-1）
- Redis所有操作都是原子性的，都是单线程处理所有业务，所以无需担心并发带来的数据问题。
另一篇介绍常见的唯一ID生成方案，数据库自增/UUID/snowflake雪花算法/zookeeper/MongoDB的objectId
扩展操作2：数据时效性问题
Redis 控制数据的生命周期，通过数据是否失效控制业务行为，适用于所具有时效性限定控制的操作。
场景：
-
微信投票：每四小时只能投一票。
-
电商热门商品推荐：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。
-
热点新闻，新闻网站会出现热点新闻，最大特征是时效性，所以如何控制热点新闻的时效性。
解决办法：
设置数据具有指定的生命周期：
// 设置N秒时间，N秒后失效删除掉数据
setex key seconds values
// 设置N毫秒时间，N毫秒后失效删除掉数据
psetex key milliseconds value
扩展操作3：主页高频访问信息显示控制
Redis 应用于各种结构型和非结构型高热度数据访问加速
场景：
例如微博大V主页显示的粉丝数与微博数量，每个用户访问到其主页都会有这几个数据
解决办法：
Redis 存储格式
- 以用户主键和属性作为 key ,数量为 value ，后台设定定时刷新策略
// set 用户:id:id号:粉丝 粉丝数
set user:id:11111:fans 20
// set 用户:id:id号:博客 博客数
set user:id:11111:blogs 20
// set 用户:id:id号:关注 关注数
set user:id:11111:focus 20
- 以用户主键作为 key ,JSON作为 value,定时刷新（也可以用hash类型）
// set 用户:id:id号 JSON
set user:id:11111 {ID:11111,NAME:大V,fans:20,blogs:20,focus:30}
对于第一种，可以随时利用incr key进行数据更新，
而第二种需要全取出来才可以更新(取数据方便，更新数据麻烦)，不过对于这种而言，上面举例的粉丝数多几个少几个用户也不会特别去关注，只需设定刷新策略，来选择用哪种方式去实现。
2. hash（哈希）：
介绍:
hash 是一个string类型的key-field-value 映射表，特别适合用来存储对象，和单个string类型不同的是，hash可以对信息的每个属性字段进行单独存储，而string类型则需要对用户对象进行序列化保存，并且以字符串存储整个序列化数据（整存整取）对象类的数据存储如果有比较频繁的更新需求操作会显得笨重，而hash可以进行整存零取，从而节约网络流量，不过内存占用也会相对比string大。
新的存储需求：对一系列存储的数据进行编组，方便管理，典型应用存储对象信息
需要的存储结构：一个存储空间保存多个键值对数据
hash类型：底层使用哈希表结构实现数据存储
特性
-
hash存储结构优化：
- 如果field数量较少，存储结构优化为类数组结构
- 如果field数量较多，存储结构优化为HashMap结构
-
hash 类型下的value 只能存储字符串，不允许存储其他数据类型，不存在嵌套现象，如果数据未获取到，则返回nil(NULL)
-
每个hash可以存储2^32-1个键值对
-
hash类型十分贴近对象的数据存储形式，并且可以灵活添加删除对象属性。但是hash设计初衷不是为了存储大量对象而设计的，所以不能滥用，更不可以将hash作为对象列表使用。
-
hgettall 操作可以获取全部属性，如果内部field过多，遍历整体数据效率就会很低，有可能成为数据访问瓶颈。
命名惯例
用法
- 添加/修改数据
// 单个
hset key field value
// 多个
hmset key field1 value1 field2 value2..
- 获取数据
// 单个
hget key field
// 多个
hmget key field1 field2..
- 获取全部属性
hgettall key
- 删除数据
hdel key field1
- 获取哈希表中字段的数量
hlen key
- 获取哈希表中是否存在指定的字段
hexists key field 1存在 0不存在
- 获取哈希表中所有的字段名称或字段值
// 获取所有的field名
hkeys key
// 获去所有的field-value值
hvals key
- 设置指定字段的数值数据增加指定范围的值
// 增加指定的数值
hincrby key field increment
// 增加指定小数的值
ingcrbyfolat field increment
- 如果key 对应的 field的没有值，则不添加，否则插入新的field
hsetnx key field value
扩展操作1：购物车设计
场景：
电商网站购物车设计与实现
解决办法：
1、初步设计：
- 以客户ID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。
- 将商品编号作为field，购买数量作为value进行存储。
- 添加商品：追加全新的field与value
- 浏览：遍历hash
- 更改数量；自增/增减，设置value值
- 删除商品：删除field
- 清空：删除key
2、改进设计：
上述的设计仅仅在缓存里设置了商品ID和数量，但是一个完整的购物车是除了商品ID和数量之外，还显示一定量的商品信息（标题、介绍、类型之类），按照初步设计来的话，要显示商品信息还得去数据库查，这就造成了数据库压力增大，并没有提高效率，所以商品信息也该缓存起来。
解决：
-
将每条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：
- 命名格式：商品ID：数量
- 保存数据：商品数量
-
field2专用于保存商品信息：
- 命名格式：商品ID:信息
- 保存数据：商品信息JSON
问题：如果多个用户添加同一件商品到购物车，那么每个购物车都会保存一份同样的商品信息，所以，需要将商品信息独立出来存储，做一个独立的Hash，减少不必要的开支。又回到了之前保存的商品ID-数量这一个设计上面。
解决：
用到了 hsetnx key field value 命令， 如果 key 对应的 field 的没有值，则不添加，否则插入新的 field
扩展操作2：用户热点信息
上述 string 操作所存储的用户热点信息为例
场景：
将
// set 用户:id:id号:粉丝 粉丝数
set user:id:11111:fans 20
// set 用户:id:id号:博客 博客数
set user:id:11111:blogs 20
// set 用户:id:id号:关注 关注数
set user:id:11111:focus 20
和
// set 用户:id:id号 JSON
set user:id:11111 {ID:11111,NAME:大V,fans:20,blogs:20,focus:30}
graph LR
user:id:11111-->JSON
改成利用hash存储：
扩展操作3：商家抢购活动
场景：
双十一活动日，销售手机充值卡的商家对移动、联通、电信的30元、50元、100元商品退出抢购活动，每种商品抢购上线100张。
解决方案：
- 以商家ID作为 key
- 将参与抢购的商品ID作为 field
- 将参与抢购的商品数量作为对应的 value
- 抢购时使用降值的方式控制产品数量（实际业务还有超卖等问题，后面再讨论）
tips : redis 应用于抢购，限购类，限量发放优惠卷，激活码等业务的数据存储设计。
对比string 和 hash
- string适合用于整个操作（如json方式存储的信息）查询起来比较方便
- hash 适合用于零散的操作（hash内部又是包含多个field-value）比较适合经常进行修改操作的数据
3. list （列表）：
介绍
- 数据存储需求：存储多个数据，并对数据进入存储空间的顺序进行区分
- 需要的存储结构：一个存储空间保存多个数据，且通过数据可以体现进入顺序
- list类型：保存多个数据，底层使用双向链表存储结构实现
- Value对象内部是以LinkedList和ZipList承载。当List的元素个数和单个元素的长度较小时，redis会使用ZipList存储，减少内存的占用，其他情况使用LinkedList
ZipList（压缩列表）使用条件
1、列表对象保存的所有字符串元素的长度都小于64字节 2、列表对象保存的元素数量小于512个
特性：
-
list中保存的数据都是string类型的，数据总容量是有限的，最多2^32-1个元素
-
list具有索引的概念，但是操作数据时通常以队列的形式进行入队出队操作，或者以栈的形式进行入栈出栈操作。（左右操作）
-
获取全部数据结束索引设置为-1
-
list可以对数据进行分页操作，通常第一页的信息来自于list，第二页以及更多的信息再通过数据库查询加载，这样可以避免数据库压力过大，提高查询速度，因为一般首先看到的是第一页，后面的页数信息也不一定去看。
技术方案都不会只用一种去解决问题的，都是混合式方案，通过某种技术去解决其中一个点，可能获得的提升也是很大的。
用list比较合适去解决：
- 依赖list的数据具有顺序的特征信息进行管理
- 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
举例：使用list结构实现栈和队列。
栈后进先出用lpush+blpop ，
队列先进先出用 lpush+brpop，可应对多客户端消费一个队列。
使用：
r: right右 --> rpush右边插入
l：left左 --> lpush左边插入
- 添加/修改数据
lpush key value1 [value2].....lpush key 0 -1 0代表首个元素，-1表示倒数第一个，所以用0 -1可以查全部的元素
lpush key value1 [value2].....
- 获取数据
lrange key start stop // 第几位开始-第几位结束
lindex key index // list第几个
llen key // list长度
- 获取并移除数据
lpop key
rpop key
- 规定时间内获取并移除数据
blpop key1 [key2] timeout //block 阻塞版本的移除，根据timeout等n秒，再获取数据有数据则取，没有则nil
- 移除指定数据
// 在某个key列表移除count个 value元素
lrem key count value
扩展操作1：朋友圈点赞列表
场景：
微信朋友圈点赞，要求按照点赞顺序显示点赞好友信息。
解决办法：
将这条朋友圈信息作为Key,点赞列表作为value，每一个新人点赞都将用rpush 加到value里面，当用户想取消点赞的时候，该怎么办呢？
因为用户位置在过一段时间后，不一定会是在最后，对于这种情况可以用到上面的移除指定数据 lrem 命令lrem list 1 xxx
根据上面的例子：redis 可应用于具有操作先后顺序的数据控制 ，例如消息队列，数据队列，都可以用list来模拟
扩展操作2：用于最新消息展示
场景：
（用在数据库里的话就是与最新添加的数据按照时间倒序显示差不多 order by time DESC）
个人用户的关注列表需要按照用户的关注顺序进行展示，粉丝列表需要将最近的粉丝列在前面
新闻资讯类的网站将最新新闻资讯按照时间顺序展示
集群服务器日志统一顺序输出，将所有集群服务器日志都打到Redis缓存服务器上，再有其他服务器在缓存上读取日志。
list能存储大量数据，而且它还有存储顺序，能用对应的索引访问，看上去是非常好的存储方式，但是list的底层内部存储结构是一个链表结构。 我们知道链表结构的存储效率是很低的，对于这么一个能存储大量数据的，但是读取速度慢的结构，就不合适用了，需要引入一种新的存储结构set
4. set （集合）：
介绍：
新的存储需求：存储大量的数据，在查询方面提供更高的效率
需要的存储结构：能够保存大量的数据，高校的内部存储机制，便于查询
set类型：与hash存储结构完全相同，仅存储键（key,field）值，不存储值（value = nil），并且值不允许重复（field天然不允许重复，重复就覆盖了之前的）也就是只利用key-field这部分来存储数据
集合中最大的成员数为 每个集合可存储40多亿个成员)。
value 的空间无法使用，因为开发人员已经决定使用Set这一类型作为存储结构，那么它能调用的API已经规定了，不能跨结构使用
结构对比：
hash类型：
set类型：value 为空
基本操作：
添加数据
// 类型不允许重复，如果添加数据在set中存在，将保留一份，后续数据添加失败
sadd key member1 [member2]
获取全部数据
smembers key
删除数据
srem key member1 [member2]
获取集合数据总量
scard key
判断集合中是否包含指定数据
sismember key member
随机获取集合中指定数量的数据
srandmember key [count]
随机获取集合中的某个数据并将该数据移除集合
spop key [count]
扩展操作1：数据信息推荐
Redis 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，热卖旅游线路，应用APP推荐，博主大V推荐
场景：
共同好友，可能认识的人，微博XX也关注了它
解决方案：
通过下列指令来获取A ∪ B, A ∩ B
,A - B
用于同类信息的关联搜索:显示共同关注/显示共同好友
求两个集合的交、并、差集
sinter key1 [key2]
sunion key1 [key2]
sdiff key1 [key2]
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中移动到目标集合中
smove source destination member
扩展操作2：业务权限校验
场景：
OA系统员工有一个或者多个角色，每一种角色对应多种不同业务权限，需要快速的进行业务权限校验
解决方案：
依赖set集合数据不重复的特性，依赖sset集合hash存储结构特征完成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放入set集合
根据用户所有角色获取用户所有数据入set集合
这里有两种方式来验证权限:
- 将当前用户:业务的所有权限都查询出来，然后将查询结果在代码里遍历比对当前用户是否拥有此权限
//查询 用户id:01业务的所有权限
smembers userid:01
- 直接通过key找到对应的权限返回，有则是1（代表true）
//判断userid:01集合中是否包含insert这个指定数据
sismember userid:01 insert
对比上面1和2两种方式，我们使用Redis来提供基础数据还是提供校验结果？
第一种是将数据和业务逻辑分离开来，redis只提供数据，业务校验在业务层将结果遍历处理
第二种是将业务校验放在数据提供方进行校验，直接将结果返回
现在流行数据-业务分离，数据是纯粹提供基础数据，但是业务逻辑处理还是在代码里，但是第二种的处理方式是，Redis不仅仅提供了基础数据，而且还将这部分业务校验逻辑一并处理，这种方式的业务耦合度会比较高（按照分层思想，我们不应该将业务逻辑处理放到数据提供层去），比较推荐第一种做法，该分的还是得分，避免以后扩展业务逻辑的不必要的麻烦
扩展操作3：网站访问数据统计
利用 Redis 的Set集合的数据去重特性，记录各种访问数据
场景：
网站数据统计，公司网站推广，需要统计网站的PV（访问量），UV（独立访问量），IP（独立IP）。
解决方案：
PV：网站被访问次数，可通过刷新页面提高访问量
这种刷新就加一的数据，可以直接用string类型存储，利用它的incr命令来统计日访问量（PV）
UV：网站被不同用户访问的次数，可通过cookie统计访问量，相同用户切换IP地址，UV不变
建立set模型，记录不同cookie数量（UV）利用scard统计
IP：网站被不同IP地址访问的总次数，可通过IP地址统计访问量，相同IP不同用户访问，IP不变
建立set模型，记录不同IP数量（IP）利用scard统计
扩展操作4：网站黑白名单
利用 Redis 的Set集合的数据去重特性，记录各种访问数据
场景：
基于Redis制作网站黑名单，过滤IP地址、设备信息、用户信息等
解决方案：
建立set模型，记录不同名单信息，提供给业务逻辑层进行访问权限判定
5. sorted_set （有序集合）：
介绍：
数据排序有利于数据的有效展示，需要提供一种可以根据自身特征进行排序的方式
Redis 有序集合和集合一样也是string类型元素的集合,且不允许重复的成员。
在set的存储结构基础上做改变，不同的是每个元素都会关联一个 double/整数 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。如果为整数类型则为64位。
有序集合的成员是唯一的,但分数(score)却可以重复。
集合是通过哈希表实现的，所以添加，删除，查找的复杂度都是O(1)。 集合中最大的成员数为 2^32 - 1 (4294967295, 每个集合可存储40多亿个成员)。
set类型：value 为空
sorted_set类型：value 为空，多加一个score，用来做排序用
用法
添加数据
//添加KEY 排序为score1 值为member1
zadd key score1 member1 [score2 member2]
获取全部数据
zrange key start stop
// 获取key里面的数据 0 -1 【WITHSCORES为可选，加上可以显示出每个值对应排序的分数】
zrange key start stop [WITHSCORES]
//翻转获取，倒叙-由大到小，默认由小到大排序
zrevrange key start stop [WITHSCORES]
删除数据
zrem key member [member...]
按条件获取数据
// min与max用于限定搜索查询的条件
// start与stop用于限定查询范围，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，作用于查询结果，表示开始位置和数据总量
zrangebyscore key min max [WITHSCORES] [LIMIT]
zrevrangebyscore key max min [WITHSCORES]
条件删除数据
zremrangebyrank key start stop
zremrangebyscore key min max
获取集合数据总量
zcard key
zcount key min max
集合交、并操作
zinterstore destination numkeys key [key ...]
zunionstore destination numkeys key [key ...]
扩展操作1：网站榜单排序
利用 Redis 的sorted_set集合的数据排序特性实现各类榜单，应用于计数器组合排序功能对应的排名
场景：
各类投票、网站排名、活跃度统计榜单（百度热榜），游戏亲密度（如王者荣耀的）等等。。。
解决方案：
获取数据对应的索引（排名）
zrank key member
zrevrank key member
score值获取与修改
zscore key member
zincrby key increment member
扩展操作2：网站会员试用体验
利用 Redis 应用于定时任务执行顺序管理或任务过期管理
场景：
各类VIP体验、开启投票、讨论，限时进行，逾期作废等会过期的信息
解决方案：
对于基于时间线限定的任务处理，将处理时间记录为score值，利用排序功能区分处理的先后顺序
记录下一个要处理的时间，当到期后处理对应任务，移除redis中的记录，并记录下一个要处理的时间
当新任务加入时，判定并更新当前下一个要处理的任务时间
为提升sorted_set的性能，通常将任务根据特征存储成若干个sorted_set。例如1小时内，1天内，周内， 月内，季内，年度等，操作时逐级提升，将即将操作的若干个任务纳入到1小时内处理的队列中
扩展操作3：任务队列权重管理
应用于即时任务/消息队列执行管理
场景：
任务/消息权重设定应用 当任务或者消息待处理，形成了任务队列或消息队列时，对于高优先级的任务要保障对其优先处理，如 何实现任务权重管理。
解决方案：
对于带有权重的任务，优先处理权重高的任务，采用score记录权重即可
应用场景总结：
- redis用于控制数据库表主键id，为数据库表主键提供生成策略，保障数据库表的主键唯一性
- 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
- redis应用于各种结构型和非结构型高热度数据访问加速
- redis 应用于购物车数据存储设计
- redis 应用于抢购，限购类、限量发放优惠卷、激活码等业务的数据存储设计
- redis 应用于具有操作先后顺序的数据控制
- redis 应用于最新消息展示
- redis 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，热卖旅游线路，应用APP推荐，大V推荐等
- 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
- redis 应用于同类型不重复数据的合并、取交集操作
- redis 应用于同类型数据的快速去重
- redis 应用于基于黑名单与白名单设定的服务控制
- redis 应用于计数器组合排序功能对应的排名
- redis 应用于定时任务执行顺序管理或任务过期管理
- redis 应用于及时任务/消息队列执行管理
- redis 应用于按次结算的服务控制
- redis 应用于基于时间顺序的数据操作，而不关注具体时间