更丰富的数据类型
进程内与跨进程；单机与分布式
功能丰富：持久化机制、过期策略
支持多种编程语言
高可用，集群
String、Hash、Set、List、Zset、Hyperloglog、Geo、Streams
设置多个值（批量操作，原子性）
mset qingshan 2673 jack 666设置值，如果 key 存在，则不成功
setnx qingshan基于此可实现分布式锁。用 del key 释放锁。 但如果释放锁的操作失败了，导致其他节点永远获取不到锁，怎么办？ 加过期时间。单独用 expire 加过期，也失败了，无法保证原子性，怎么办？多参数
set key value [expiration EX seconds|PX milliseconds][NX|XX]使用参数的方式
set lock1 1 EX 10 NX(整数)值递增
incr qingshan incrby qingshan 100(整数)值递减
decr qingshan decrby qingshan 100浮点数增量
set f 2.6 incrbyfloat f 7.3获取多个值
mget qingshan jack获取值长度
strlen qingshan字符串追加内容
append qingshan good获取指定范围的字符
getrange qingshan 0 8数据模型
set hello word 为例，因为 Redis 是 KV 的数据库，它是通过 hashtable 实现的（我 们把这个叫做外层的哈希）。所以每个键值对都会有一个 dictEntry（源码位置：dict.h）， 里面指向了 key 和 value 的指针。next 指向下一个 dictEntry
typedef struct dictEntry { void *key; /* key 关键字定义 */ union { void *val; uint64_t u64; /* value 定义 */ int64_t s64; double d; } v; struct dictEntry *next; /* 指向下一个键值对节点 */ } dictEntry;key 是字符串，但是 Redis 没有直接使用 C 的字符数组，而是存储在自定义的 SDS 中。 value 既不是直接作为字符串存储，也不是直接存储在 SDS 中，而是存储在 redisObject 中。实际上五种常用的数据类型的任何一种，都是通过 redisObject 来存储 的。
redisObject
redisObject 定义在 src/server.h 文件中
typedef struct redisObject { unsigned type:4; /* 对象的类型，包括：OBJ_STRING、OBJ_LIST、OBJ_HASH、OBJ_SET、OBJ_ZSET */ unsigned encoding:4; /* 具体的数据结构 */ unsigned lru:LRU_BITS; /* 24 位，对象最后一次被命令程序访问的时间，与内存回收有关 */ int refcount; /* 引用计数。当 refcount 为 0 的时候，表示该对象已经不被任何对象引用，则可以进行垃圾回收了 */ void *ptr; /* 指向对象实际的数据结构 */ } robj;缓存
String 类型
热点数据缓存（例如报表，明星出轨），对象缓存，全页缓存。 可以提升热点数据的访问速度。
数据共享分布式
String 类型，因为 Redis 是分布式的独立服务，可以在多个应用之间共享 ,
例如:分布式 Session ,只需要引入spring-session-data-redis的依赖即可使用
<dependency> <groupId>org.springframework.session</groupId> <artifactId>spring-session-data-redis</artifactId> </dependency>分布式锁
String 类型 setnx 方法，只有不存在时才能添加成功，返回 true。
http://redisdoc.com/string/set.html 建议用参数的形式
SET key value [EX seconds] [PX milliseconds] [NX|XX] EX seconds ： 将键的过期时间设置为 seconds 秒。 执行 SET key value EX seconds 的效果等同于执行 SETEX key seconds value 。PX milliseconds ： 将键的过期时间设置为 milliseconds 毫秒。 执行 SET key value PX milliseconds 的效果等同于执行 PSETEX key milliseconds value 。NX ： 只在键不存在时， 才对键进行设置操作。 执行 SET key value NX 的效果等同于执行 SETNX key value 。XX ： 只在键已经存在时， 才对键进行设置操作。 //基于Jedis实现分布式锁,使用带参数的那种 public Boolean getLock(Object lockObject){ jedisUtil = getJedisConnetion(); //只用当设置成功后,才可以获取锁 boolean flag = jedisUtil.setNX(lockObj, 1); if(flag){ expire(locakObj,10); } return flag; } public void releaseLock(Object lockObject){ del(lockObj); }全局 ID
INT 类型，INCRBY，利用原子性
incrby userid 1000计数器
int 类型，INCR 方法
incr onclick例如：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。
限流
INT 类型，INCR 方法
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。
位统计
String 类型的 BITCOUNT（1.6.6 的 bitmap 数据结构介绍）。 字符是以 8 位二进制存储的。
set k1 a setbit k1 6 1 setbit k1 7 0 get k1a 对应的 ASCII 码是 97，转换为二进制数据是 01100001
b 对应的 ASCII 码是 98，转换为二进制数据是 01100010
因为 bit 非常节省空间（1 MB=8388608 bit）大约830万，可以用来做大数据量的统计。
例如：在线用户统计，留存用户统计
setbit onlineusers 0 1 setbit onlineusers 1 1 setbit onlineusers 2 0支持按位与、按位或等等操作。
BITOP AND destkey key [key ...] ，对一个或多个 key 求逻辑并，并将结果保存到 destkey 。 BITOP OR destkey key [key ...] ，对一个或多个 key 求逻辑或，并将结果保存到 destkey 。 BITOP XOR destkey key [key ...] ，对一个或多个 key 求逻辑异或，并将结果保存到 destkey 。 BITOP NOT destkey key ，对给定 key 求逻辑非，并将结果保存到 destkey 。计算出 7 天都在线的用户
BITOP "AND" "7_days_both_online_users" "day_1_online_users" "day_2_online_users" ... "day_7_online_users"如果一个对象的 value 有多个值的时候，怎么存储？ 例如用一个 key 存储一张表的数据。 序列化？例如 JSON/Protobuf/XML，会增加序列化和反序列化的开销，并且不能 单独获取、修改一个值。
可以通过 key 分层的方式来实现，例如：
mset student:1:sno GP16666 student:1:sname 沐风 student:1:company 腾讯获取值的时候一次获取多个值：
mget student:1:sno student:1:sname student:1:company缺点：key 太长，占用的空间太多。有没有更好的方式？
同样是存储字符串，Hash 与 String 的主要区别？
把所有相关的值聚集到一个 key 中，节省内存空间只使用一个 key，减少 key 冲突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：
Field 不能单独设置过期时间没有 bit 操作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）key 操作
hget exists h1 hdel h1 hlen h1Redis 的 Hash 本身也是一个 KV 的结构，类似于 Java 中的 HashMap。 外层的哈希（Redis KV 的实现）只用到了 hashtable。当存储 hash 数据类型时， 我们把它叫做内层的哈希。内层的哈希底层可以使用两种数据结构实现： ziplist：OBJ_ENCODING_ZIPLIST（压缩列表） hashtable：OBJ_ENCODING_HT（哈希表）
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
问题：什么时候使用 ziplist 存储？
所有的键值对的健和值的字符串长度都小于等于 64byte（一个英文字母 一个字节）；哈希对象保存的键值对数量小于 512 个。String
String 可以做的事情，Hash 都可以做。
存储对象类型的数据
比如对象或者一张表的数据，比 String 节省了更多 key 的空间，也更加便于集中管 理。
购物车
key：用户 id；field：商品 id；value：商品数量。
hset userId:0001 shopId:99999 5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。
元素增减：
lpush queue a //从左开始添加元素 lpush queue b c rpush queue d e //从右边开始添加元素 lpop queue //从左边弹出元素 rpop queue // 从右边弹出元素 blpop queue //阻塞式左边的弹出元素 发布订阅模式 如果当前队列中没有了元素,就会阻塞 brpop queue //阻塞式的右边弹出元素取值
lindex queue 0 lrange queue 0 -1在早期的版本中，数据量较小时用 ziplist 存储，达到临界值时转换为 linkedlist 进 行存储，分别对应 OBJ_ENCODING_ZIPLIST 和 OBJ_ENCODING_LINKEDLIST 。 3.2 版本之后，统一用 quicklist 来存储。quicklist 存储了一个双向链表，每个节点 都是一个 ziplist。
quicklist :
quicklist（快速列表）是 ziplist 和 linkedlist 的结合体。
quicklist中的head 和 tail 指向双向列表的表头和表尾
typedef struct quicklist { quicklistNode *head; /* 指向双向列表的表头 */ quicklistNode *tail; /* 指向双向列表的表尾 */ unsigned long count; /* 所有的 ziplist 中一共存了多少个元素 */ unsigned long len; /* 双向链表的长度，node 的数量 */ int fill : 16; /* fill factor for individual nodes */ unsigned int compress : 16; /* 压缩深度，0：不压缩； */ } quicklist;用户消息时间线 timeline
因为 List 是有序的，可以用来做用户时间线
消息队列
List 提供了两个阻塞的弹出操作：BLPOP/BRPOP，可以设置超时时间。
BLPOP：BLPOP key1 timeout 移出并获取列表的第一个元素， 如果列表没有元素 会阻塞列表直到等待超时或发现可弹出元素为止。
BRPOP：BRPOP key1 timeout 移出并获取列表的最后一个元素， 如果列表没有元 素会阻塞列表直到等待超时或发现可弹出元素为止。
队列：先进先出：rpush blpop，左头右尾，右边进入队列，左边出队列。 右边进左边出
栈：先进后出：rpush brpop 右边近右边出
tip: 左边是链表的头部
String 类型的无序集合，最大存储数量 2^32-1（40 亿左右）。
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-QzGFJauR-1603368961704)(https://i.loli.net/2020/05/25/dlP8pwyEbjseLfS.png)]
添加一个或者多个元素
sadd myset a b c d e f g获取所有元素
smembers myset统计元素个数
scard myset随机获取一个元素
srandmember key随机弹出一个元素
spop myset移除一个或者多个元素
srem myset d e f查看元素是否存在
sismember myset aRedis 用 intset 或 hashtable 存储 set。如果元素都是整数类型，就用 inset 存储。 如果不是整数类型，就用 hashtable（数组+链表的存来储结构）。 问题：KV 怎么存储 set 的元素？key 就是元素的值，value 为 null。 如果元素个数超过 512 个，也会用 hashtable 存储。
抽奖
随机获取元素
spop myset点赞、签到、打卡
这条微博的 ID 是 t1001，用户 ID 是 u3001。
用 like:t1001 来维护 t1001 这条微博的所有点赞用户。
点赞了这条微博：sadd like:t1001 u3001
取消点赞：srem like:t1001 u3001
是否点赞：sismember like:t1001 u3001
点赞的所有用户：smembers like:t1001
点赞数：scard like:t1001 比关系型数据库简单许多。
商品标签
用 tags:i5001 来维护商品所有的标签。
sadd tags:i5001 画面清晰细腻
sadd tags:i5001 真彩清晰显示屏
sadd tags:i5001 流畅至极
商品筛选
获取差集
sdiff set1 set2获取交集（intersection ）
sinter set1 set2获取并集
sunion set1 set2iPhone11 上市了。
sadd brand:apple iPhone11
sadd brand:ios iPhone11
sad screensize:6.0-6.24 iPhone11
sad screentype:lcd iPhone11
筛选商品，苹果的，iOS 的，屏幕在 6.0-6.24 之间的，屏幕材质是 LCD 屏幕
sinter brand:apple brand:ios screensize:6.0-6.24 screentype:lcd用户关注、推荐模型
并集:A中有B中也有,去除重复的,
交集:A和B共同的部分才是交集
全集U={1，2，3，4，5} A={1，3，5} B={1，2，5} 。那么因为A和B中都有1,5，所以交集A∩B={1，5} 。再来看看，他们两个中含有1,2,3,5这些个元素，不管多少，反正不是你有，就是我有。那么说并集A∪B={1，2，3，5}
相互关注？ (取并集)
sunion set1 set2我(A)关注的人,他(B)也关注了？(取交集)
sinter set1 set2可能认识的人？ (取差集 SET1中有的 而set2中没有的)
sdiff set1 set2共同关注/共同好友的人
sinterstore set5 set1 set2 127.0.0.1:6379> smembers set1 //我关注了one 1) "two" 2) "one" 127.0.0.1:6379> smembers set2 //他也关注了one 1) "ghy" 2) "one" 127.0.0.1:6379> sinterstore set5 set1 set2 //我们两共同的共同关注的人 (integer) 1 127.0.0.1:6379> smembers set5 1) "one" //one最近使用关系型数据库实现了用户之间的关注，于是思考换一种思路，使用Redis实现用户之间的关注关系。 综合考虑了一下Redis的几种数据结构后，觉得可以用集合实现一下。
假设“我”的ID是1，“别人”的ID是2。
添加关注分为两步：1、将对方id添加到自己的关注列表中；2、将自己的id添加到对方的粉丝列表中：
SADD 1:follow 2 SADD 2:fans 1取消关注同样分为两步：1、将对方id从自己的关注列表中移除；2、将自己的id从对方的粉丝列表中移除：
SREM 1:follow 2 SREM 2:fans 1查看我的关注列表：
SMEMBERS 1:follow查看别人的把id换掉就可以
查看我的粉丝列表：
SMEMBERS 2:fans查看别人的把id换掉就可以
我单向关注他，要同时满足两个条件：1、我的关注列表中有他(或他的粉丝列表中有我)；2、我的粉丝列表中没有他(或他的关注列表中没有我)。
SISMEMBER 1:follow 2 #true SISMEMBER 1:fans 2 #false他单向关注我，要同时满足两个条件：1、我的关注列表中没有他(或他的粉丝列表中没有我)；2、我的粉丝列表中有他(或他的关注列表中有我)。
SISMEMBER 1:follow 2 #false SISMEMBER 1:fans 2 #true我和某人是否互粉，要同时满足两个条件：1、我的关注列表中有他(或他的粉丝列表中有我)；2、我的粉丝列表中有他(或他的关注列表中有我)。同时成立才为互粉。
SISMEMBER 1:follow 2 #true SISMEMBER 1:fans 2 #true互粉的关系是互相的，也可以反过来查。
查询和我互粉的人，实际是对我的关注和我的粉丝求交集
SINTER 1:follow 1:fans查询1和2的共同关注，实际是1的关注和2的关注求交集
SINTER 1:follow 2:follow目前存在的问题是，我的关注列表 & 我的粉丝列表，无法做到按关注时间排序，终端下显示是结果按ID正序排列的。 考虑的解决方案是添加关注时同时存一份有序集合，关注时的时间戳是score。
ZADD 1:follow 1457871625 2 ZADD 2:fans 1457871625 1那么我的关注列表是：
ZREVRANGE 1:follow 0 -1同时，ZREVRANGE查询时的索引可以作为分页游标，基本解决目前的问题。
粉丝列表同理。
sorted set，有序的 set，每个元素有个 score。
score 相同时，按照 key 的 ASCII 码排序。
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列表list是是索引下标集合set否否无有序集合zset否是分值score添加元素
zadd myzset 10 java 20 php 30 ruby 40 cpp 50 python获取全部元素
zrange myzset 0 -1 withscores zrevrange myzset 0 -1 withscores根据分值区间获取元素
zrangebyscore myzset 20 30移除元素 也可以根据 score rank 删除
zrem myzset php cpp统计元素个数
zcard myzset分值递增
zincrby myzset 5 python根据分值统计个数
zcount myzset 20 60获取元素 rank
zrank myzset java获取元素 score
zsocre myzset java同时满足以下条件时使用 ziplist 编码：
元素数量小于 128 个
所有 member 的长度都小于 64 字节
在 ziplist 的内部，按照 score 排序递增来存储。插入的时候要移动之后的数据。
超过阈值之后，使用 skiplist+dict 存储。
什么是 skiplist？
我们先来看一下有序链表： 在这样一个链表中，如果我们要查找某个数据，那么需要从头开始逐个进行比较， 直到找到包含数据的那个节点，或者找到第一个比给定数据大的节点为止（没找到）。 也就是说，时间复杂度为 O(n)。同样，当我们要插入新数据的时候，也要经历同样的查 找过程，从而确定插入位置。
而二分查找法只适用于有序数组，不适用于链表。
假如我们每相邻两个节点增加一个指针（或者理解为有三个元素进入了第二层）， 让指针指向下下个节点。
这样所有新增加的指针连成了一个新的链表，但它包含的节点个数只有原来的一半 （上图中是 7, 19, 26）。在插入一个数据的时候，决定要放到那一层，取决于一个算法 （在 redis 中 t_zset.c 有一个 zslRandomLevel 这个方法）。
现在当我们想查找数据的时候，可以先沿着这个新链表进行查找。当碰到比待查数 据大的节点时，再回到原来的链表中的下一层进行查找
在这个查找过程中，由于新增加的指针，我们不再需要与链表中每个节点逐个进行 比较了。需要比较的节点数大概只有原来的一半。这就是跳跃表。
为什么不用 AVL 树或者红黑树？因为 skiplist 更加简洁
排行榜
id 为 6001 的新闻点击数加 1：zincrby hotNews:20190926 1 n6001
获取今天点击最多的 15 条：zrevrange hotNews:20190926 0 15 withscores
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
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。
支持多播1->N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。
**这样所有新增加的指针连成了一个新的链表**，但它包含的节点个数只有原来的一半 （上图中是 7, 19, 26）。在插入一个数据的时候，决定要放到那一层，取决于一个算法 （在 redis 中 t_zset.c 有一个 zslRandomLevel 这个方法）。 现在当我们想查找数据的时候，可以先沿着这个新链表进行查找。当碰到比待查数 据大的节点时，再回到原来的链表中的下一层进行查找 在这个查找过程中，由于新增加的指针，我们不再需要与链表中每个节点逐个进行 比较了。需要比较的节点数大概只有原来的一半。这就是跳跃表。 为什么不用 AVL 树或者红黑树？因为 skiplist 更加简洁排行榜
id 为 6001 的新闻点击数加 1：zincrby hotNews:20190926 1 n6001
获取今天点击最多的 15 条：zrevrange hotNews:20190926 0 15 withscores
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
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。
支持多播1->N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。
