redis常用五种数据类型详解

前言：

string

相关命令

内部编码

应用场景

hash

相关命令

内部编码

应用场景

list

相关命令

内部编码

应用场景

set

相关命令

内部编码

应用场景

Zset

相关命令

内部编码

应用场景

渐进式遍历

前言：

redis有多种数据类型，常用的有五种，其他都是在特定场景下使用的数据类型。具体需要使用时可以去redis官网中查阅。这篇文章将详细介绍常用五种数据类型。

string

redis中的字符串，直接按照二进制的方式存储（不会做任何编码转换，怎么存就怎么取）

限制大小最大是512M（单线程操作都比较快）

注意：

当set key时，如果是覆盖了之前的value，那么之前的ttl（生存时间）也会失效，类型可能也会改变（具体的内部编码）。

内部编码

1）int 8字节/64位的整数。

2）embstr 压缩字符串（对数据重新进行编码，占用更小的内存空间），表示比较短的字符串。

3）raw 普通字符串，表示比较长的字符串，单纯使用字节数组存储。

应用场景

1）缓存

用户先访问缓存，如果没有数据，则查找数据库，同时同步到redis中。

防止redis中数据量太大：1）redis中的key设置过期时间。2）redis内存不足时，可以使用内存淘汰策略。

2）统计数据

redis中的数据异步的写入数据库中，进行数据分析统计。

3）存储会话

分布式系统中，服务器集群共享一份会话信息，就可以判断用户的登录状态。（就算负载均衡把请求打到不同的服务器，也没事）

4）手机验证码

获取验证码间隔60秒，可以使用redis存储验证码，并且设置过期时间。

hash

key-value的存储方式，在redis中数据key被称为field。

内部编码

ziplist hashtable

哈希表中的元素比较少，使用ziplist。如果元素比较多，使用hashtable表示。

哈希表中value长度比较短，使用ziplist。如果value长度比较长，使用hashtable。

注意：

ziplist进行读写元素，速度比较慢。

应用场景

作为缓存，可以存储结构化数据（对象）。

list

列表，内部数据结构可以认为是双端队列。同时redis提供了阻塞版本的操作命令。

内部编码

使用quicklist，结合了ziplist和linkedlist。每个链表节点中都是ziplist

应用场景

1）作为数组，存储多个元素

存储mysql中表中的关联字段。结构化数据可使用hash存储。可以将关系型数据库中的数据进行映射。

2）作为消息队列（生产者消费者模型）

可以使用阻塞版本的操作，实现生产者消费者模型。客户端和服务器之间的中间列表就可以做到一个缓冲功能。

注意：

如果使用for循环list，使用hgetall获取每个hash中数据，会存在多次网络请求，可能会阻塞redis服务器。

解决方案：使用pipeline（流水线|管道）将多个redis命令合并为一条命令。进行网络通信。

如果list中数据量太大，范围查找中间数据，效率会比较低。

解决方案：将一个list分为多个list（类似，分库分表）

set

1）集合中的元素是无序的（变换顺序还是原来那个set）

2）集合中的元素不能重复。

3）和list类似，集合中的每个元素也是string类型。

内部编码

1）intset 当元素均为整数，并且元素个数不是很多。

2）hashtable 其他都是用哈希表存储了。

应用场景

1）保存用户标签（用户画像）。大数据时代下，为每个用户建立表标签（特点），方便服务器进行用户分析，进行数据推送。（每个用户都是相互独立的存在）

2）计算用户之间共同好友，可以做一些好友推荐。（可以使用集合间运算）

3）争对业务场景进行去重。

Zset

1）value采用member和score的方式存储，内部会根据每个member的score进行排序。

2）有序集合。member必须唯一，score可以重复。底层默认按照score升序排列。

相关命令

时间复杂度：O（logN） 底层是跳表，需要遍历跳表找到指定位置进行插入，保证集合有序
分数相同按照member字典序排列
zadd key [NX | XX] [CH] [INCR] score member [score member...] // 返回值：有序集合添加元素的个数 时间复杂度：O（logN） NX：member不存在就添加 XX：member存在就修改 CH：修改返回值为修改集合member的个数 INCR：指定member增加score 
zrange key start stop [withscores] // 查找有序集合范围中的member，withscores：同时可以查找score
zcard key // 返回集合中元素个数
zcount key min max // 返回指定分数区间中元素个数，使用（来设置开区间。时间复杂度：O(logN)) 需要查找第一个start元素。inf：正无穷大 -inf：负无穷大
zrevrange key start stop [withscores] // 逆序查找出来的集合，按照分数降序
zrangebyscore key min max [withscores] // 查找指定score区间中的member。时间复杂度：O（logN + M）M：max - min
zpopmax key [count] // 删除并返回最高的count个元素。返回值：被删除的member和score。如果存在多个分数最大的元素，只删除member字典序大的数据。时间复杂度：O（logN * M）需要找到每个元素进行删除，底层使用通用的删除函数
bzpopmax key [key...] timeout // 带有阻塞的弹出，如果为空就会阻塞。和blpop机制一样。时间复杂度：O(logN)需要找到数据
zpopmin key [count] // 删除score最小的count个元素。时间复杂度：O（logN + M）
bzpopmin key [key...] timeout // 带有阻塞的弹出
zrank key member // 返回member的下标，从左往右由0开始。时间复杂度：O（logN）
zrevrank key member // 返回member下标，从右往左由0开始
zscore key member // 根据member找到score。时间复杂度：O(1) redis在这里做了特殊优化
zrem key member [member...] // 删除指定的member。时间复杂度：O(logN * M) 需要一个一个删除。M命令中member的个数
zremrangebyrank key start stop // 根据下标进行范围删除。时间复杂度：O(logN + M)  M：stop - start
zremrangebyscore key min max // 根据score进行范围删除。（可设置开区间。时间复杂度：O(logN + M)  M：max - min
zincrby key increment member // 指定member对score + increment。时间复杂度：O(logN)
zinterstore destination numkeys key [key...] [weights weight [weight...]] [aggregate < sum | min | max] // 求多个key的交集存在destination中。weights：指定key的权重，最终结果会将key中所有score * weight作为结果。aggregate：交集中score相同的处理选择。时间复杂度：O(logM * M)近似值，M：最终结果有序集合元素个数
zunionstore destination numkeys key [key...] [weights weight [weight...]] [aggregate < sum | min | max] // 用法和上述一致

内部编码

1）ziplist 如果有序集合中元素较少，或者单个元素体积较小。

2）skiplist 如果有序集合中元素较多，或者单个元素体积很大。跳表：查询元素时间复杂度log(N)

应用场景

排行榜系统。微博热搜，游戏天梯排行，成绩排行。

微博热搜，可以根据多维度数据进行加权计算，得到最终的综合得分（热度）。每个维度使用有序集合存储（id, score）然后进行集合间运算，就可以使用加权计算出最终的热度排行。

渐进式遍历

pattern：key的匹配模式
count：建议命令一次遍历几个元素，具体是几个是在count上下浮动
type：指定遍历key的value类型
cursor：光标，字符串。下次开始遍历的位置
scan cursor [MATCH pattern] [COUNT count] [TYPE type]

注意：

渐进式遍历，在遍历过程中，不会在服务器这边存储任何状态信息。此处遍历是可以随时终止的，不会对服务器产生任何副作用。

渐进式遍历虽然解决了阻塞问题，但如果遍历过程中键有所变化（增加，修改，删除），可能导致遍历时键的重复遍历或者遗漏。开发中务必需要考虑。