Redis7

摘录 https://github.com/Romantic-Lei/Learning-in-practice/blob/master/Redis/

官网地址:

英文：Redis

中文：CRUG网站 redis中文文档

安装包：https://redis.io/download/，选择redis7.0版本即可

Redis在线测试地址(不用下载也能玩)：Try Redis

Redis命令参考：Redis 命令参考 — Redis 命令参考

Redis的安装

window版安装：

下载地址：GitHub - zkteco-home/redis-windows: Native port of Redis for Windows,it can be installed as service.

linux版安装：

Linux环境安装Redis必须先具备gcc编译环境

1.1什么是gcc?

gcc是linux下的一个编译程序，是C程序的编译工具。 GCC(GNU Compiler Collection)是 GNU(GNU's Not Unix) 计划提供的编译器家族，它能够支持 C,C++, Objective-C, Fortran, Java 和Ada 等等程序设计语言前端，同时能路运在 X86，X86-64，IA-64，PowerPC，SPARC和Alpha 等等几乎目前所有的硬件平台上。鉴于这些特征，以及 GCC 编译代码的高效性，使得 GCC 成为绝大多数自由软件开发编译的首选工具。虽然对于程序员们来说，编译器只是一个工具，除了开发和维护人员，很少有人关注编译器的发展，但是 GCC 的影响力是如此之大，它的性能提升甚至有望改善所有的自由软件的运行效率，同时它的内部结构的变化也体现出现代编译器发展的新特征。

1.2查看gcc版本

gcc -v

1.3安装

·安装redis之前需要具备c++库环境

·yum -y install gcc-c++

10大数据类型

提前声明

这里说的数据类型是value的数据类型，key的类型都是字符串

1.redis字符串（String）

String是redis最基本的数据类型，一个key对应一个value。

string类型是二进制安全的，意思是redis的string可以包含任何数据，比如jpg图片或者序列化的对象。

string类型是Redis最基本的数据类型，一个redis中字符串value最多可以是512M

2.redis列表（List）

Redis列表是最简单的字符串列表，按照插入顺序排序。你可以添加一个元素到列表的$\textcolor{blue}{头部（左边）或者尾部（右边）}$，它的底层实际是个$\textcolor{red}{双端链表}$，最多可以包含2^32-1个元素（4294967295，每个列表超过40亿个元素）

3.redis哈希表（Hash）

Redis Hash是一个string类型的field（字段）和value（值）的映射表，Hash特别适合用户存储对象。

Redis中每个Hash可以存储2^32-1个键值对（40多亿）

4.redis集合（Set）

Redis的Set是string类型的$\textcolor{red}{无序集合}$。集合成员是唯一的，这就意味着集合中不能出现重复的数据，集合对象的编码可以是intset或者Hashtable。

Redis中Set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）

5.redis有序集合（ZSet）

zset(sorted set：有序集合)

Redis zset和Set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类型的分数不同的是每个元素都会关联一个��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。

的成员是唯一的，但是分数（）却可以重复。��的成员是唯一的，但是分数（��）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。集合中最大的成员数是��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�(1)。集合中最大的成员数是2.32−1

6.redis地理空间（GEO）

Redis GEO主要用于存储地理位置信息，并对存储的信息进行操作，包括：

添加地理位置的坐标。

获取地理位置的坐标。

计算两个位置之间的距离。

根据用户给定的经纬度坐标来获取指定范围内的地址位置集合。

7.redis基数统计（HyperLogLog）

HyperLogLog是用来做$\textcolor{red}{基数统计}$的算法，HyperLogLog的优点是，在输入元素的数量或者体积非常非常大时，计算基数所需要的空间总是固定且是很小的。

在Redis里面，每个HyperLogLog键只需要花费12KB内存，就可以计算接近2^64个不同元素的基数。这和计算基数时，元素越多耗费内存就越多的集合形成鲜明对比。

但是，因为HyperLogLog只会根据输入元素来计算基数，而不会存储输入元素本身，所以HyperLogLog不能像集合那样，返回输入的各个元素。

8.redis位图（bitmap）

由0和1状态表现的二进制位的bit数组

9.redis位域（bitfield）

通过bitfield命令可以一次性操作多个$\textcolor{red}{比特位域(指的是连续的多个比特位)}$，它会执行一系列操作并返回一个响应数组，这个数组中的元素对应参数列表中的相应的执行结果。

说白了就是通过bitfield命令我们可以一次性对多个比特位域进行操作。

10.redis流（Stream）

Redis Stream是Redis5.0版本新增加的数据结构。

Redis Stream主要用于消息队列（MQ，Message Queue），Redis本身就是一个Redis发布订阅（pub/sub）来实现消息队列的功能，但它有个缺点就是消息无法持久化，如果出现网络断开、Redis宕机等，消息就会被丢弃。

简单来说发布订阅（pub/sub）可以分发消息，但无法记录历史消息。

而Redis Stream提供了消息的持久化和主备复制功能，可以让任何客户端访问任何时刻的数据，并且能记住每一个客户端的访问位置，还能保证消息不丢失。

常见数据类型操作命令

Redis键（key）

案例

1.keys *

###查看当前库所有的key

2.exists key

判断某个key是否存在

3.type key

查看你的key是什么类型

4.del key

删除指定的key数据

5.unlink key

非阻塞删除，仅仅将keys从keyspace元数据中删除，真正的删除会在后续异步中操作。

del key 是原子的删除，只有删除成功了才会返回删除结果，如果是删除大key用del会将后面的操作都阻塞，而unlink key 不会阻塞，它会在后台异步删除数据。

6.ttl key

查看还有多少秒过期，-1表示永不过期，-2表示已过期

7.expire key 秒钟

为给定的key设置过期时间

8.move key dbindex[0-15]

将当前数据库的key移动到给定的数据库DB当中

9.select dbindex

切换数据库【0-15】，默认为0

10.dbsize

查看当前数据库key的数量

11.flushdb

清空当前库

12.flushall

通杀全部库

Redis字符串(String)

单值单value

案例：

返回值：

设置成功则返回OK，返回nil为未执行Set命令，如不满足NX，XX条件等。

若使用GET参数，则返回该键原来的值，或在键不存在时nil。

如何获得设置指定的key过期的Unix时间，单位为秒

System.out.println(Long.toString(System.currentTimeMillis()/1000L));

2.同时设置/获取多个键值

MSET key value [key value...]

MGET key [key ...]

mset/mget/msetnx

3.获取指定区间范围内的值

getrange/setrange

数值增减

一定要是数据才能进行加减一定要是数据才能进行加减

递增数字：INCR key

增加指定的整数：INCRBY key increment

递减数值：DECR key

减少指定的整数：DECRBY key decrement

获取字符串长度和内容追加

获取字符串长度：strlen key

字符串内容追加：append key value

分布式锁

setnx key value

setex(set with expire)键秒值/setnx(set if not exist)

getset(先get再set)

getset：将给定key的值设为value，并返回key的旧值(old value)。

简单一句话：先get然后立即set

Redis列表(List)

单key多value

简单说明：$\textcolor{red}{一个双端链表的结构}$，容量是2的32次方减1个元素大概40多亿，主要功能有push/pop等，一般用在栈、队列、消息队列等场景。left、right都可以插入添加；

如果键不存在，创建新的链表；

如果键已存在，新增内容；

如果值全移除，对应的键也就消失了

他的底层实际上就是个双向链表,对两端的操作性能很高,通过索引下操作中间的节点性能会差

案例：

1.lpush/rpush/lrange 注：没有rrange

2.lpop/rpop

lindex，按照索引下标获得元素（从上到下）

llen,获取List列表中元素的个数

lrem key 数字N 给定值v1

解释：删除N个值等于v1的元素

从left往right删除2个值等于v1的元素，返回的值为实际删除的数量

LREM list3 0 值，表示删除全部给定的值，$\textcolor{red}{零个就是全部值}$

ltrim key 开始index 结束index

截取指定范围的值后在赋值给key

rpoplpush 源列表目的列表

移除列表的最后一个元素，并将该元素添加到另一个列表并返回

lset key index value

让指定数组集合的小标位置值替换成新值

linsert key before/after 已有值插入的新值

Redis哈希(Hash)

KV模式不变，但V是一个键值对 Map<String, Map<Object, Object>>

案例：

1.hset/hget/hmset/hmget/hgetall/hdel

hlen

获取某个key内的全部数量

hexists key 在key里面的某个值的key

用于检查哈希表（Hash）中是否存在给定的字段（field）。语法格式如下：

key: 要检查的哈希表的名称。
field: 在哈希表中要检查的字段名。

此命令返回一个布尔值，如果哈希表key中存在给定的field，则返回1（真），否则返回0（假）。例如：

HSET myhash field1 value1

HSET myhash field2 value2

HEXISTS myhash field1 # 返回 1，因为 field1 存在于哈希表 myhash 中

HEXISTS myhash field3 # 返回 0，因为 field3 不存在于哈希表 myhash 中

hkeys/hvals

hkeys key 查询出所有key对应的子key值

hvals key 查询出所有key对应的子key的value值

hincrby/hincrbyfloat

hsetnx

不存在赋值，存在了无效

Redis集合(Set)

单值多value，且无重复

1.SADD key member [member ...]

添加元素，可以多次向同一个key中设置不同值，不会覆盖之前的值

2.SMEMBERS key

遍历集合中的所有元素

3.SISMEMBER key member

判断元素是否在集合中

SREM key member [member ...]

删除元素

scard

获取集合里面的元素个数

SRANDMEMBER key [数字]

从集合中随机展现设置的数字个数元素，元素不删除

SPOP key [数字]

从集合中随机弹出一个元素，出一个删除一个

smove key1 key2

将key1里已存在的某个值赋给key2

集合运算-集合的差集运算A-B

属于A但是不属于B的元素构成的集合

SDIFF key [key ...]，可以计算多个元素的差集

集合运算-集合的并集运算A∪B

属于A或者属于B的元素构成的集合

SUNION key [key ...]

集合运算-集合运算-集合的交集运算A∩B

属于A同时也属于B的共同拥有的元素构成的集合

SINTER key [key ...]

SINTERCARD numkeys key 【key ...】【LIMIT limit】

numkeys 的具体值由输入的key个数决定

SINTERCARD 为redis7新命令，它不返回结果集，而是返回结果的基数。返回由所有给定集合的交集产生的集合的基数

基数的词语解释: 用于表示事物个数的数

Redis有序集合Zset(sorted set)

在set基础上，每个val值前加一个score分数值。之前set是k1 v1 v2 v3，现在zset是 k1 score1 v1 score2 v2

案例：

向有序集合中加入一个元素和该元素的分数

1.ZADD key score member [score member ...]

添加元素

2.ZRANGE key start stop [WITHSCORES]

按照元素分数从小到大的顺序返回索引从start到stop之间的所有元素

3.zrevrange key start stop [WITHSCORES]

反转集合，按照元素分数从大到小的顺序返回索引从start到stop之间的所有元素

4.ZRANGEBYSCORE key min max 【WITHSCORES】【LIMIT offset count】

获取指定分数范围的元素，可以在min和max前面加个(，表示不包含

limit作用是返回限制，limit开始下标步，一共多少步

5.ZSCORE key member

获取元素的分数

6.ZCARD key

获取集合中元素的数量

7. zrem key member [member ...]

某个score对应的value值，作用是删除元素

8.ZINCRBY key increment member

增加某个元素的分数

9.ZCOUNT key min max

获得指定分数内的元素个数

10.ZMPOP numkeys key [key ...] MIN|MAX [COUNT count]

从键名列表中的第一个非空排序集中弹出一个或多个元素，他们是成员分数对

11.zrank key member [withscore]

作用是通过子value获得下标值

12.zrevrank key member [withscore]

作用是通过子value逆序获得下标值

Redis位图(bitmap)

一句话：由0和1状态表现的二进制位的bit数组

看需求：

用户是否登陆过Y、N，比如软件的每日签到功能
电影、广告是否被点击播放过
钉钉打卡上下班，签到统计

是什么?

说明：用String类型作为底层数据结构实现的一种统计二值状态的数据类型

位图本质是数组位图本质是数组，它是基于String数据类型的按位的操作。该数组由多个二进制位组成，每个二进制位都对应一个偏移量（我们称之为一个索引）。

Bitmap支持的最大位数是2^32位，它可以极大的节约存储空间，使用512M内存就可以存储多达42.9亿的字节信息(2^32=4294967296)

能干嘛？

用于状态统计，Y、N类似AtomicBoolean

基本命令

1.setbit key offset value

setbit 键偏移位只能零或者1

Bitmap的偏移量从零开始计算的

getbit key offset

获取键偏移位的值

strlen key

统计字节数占用多少

不是字符串长度而是占据几个字节，超过8位后自己按照8位一组一byte再扩容

bitcount key [start end [byte|bit]]

全部键里面包含有1的有多少个

bitop operation(AND|OR|XOR|NOT) destkey key [key ...]

案例：连续2天都签到的用户数量

假如某个网站或者系统，它的用户有1000W，我们可以使用redis的HASH结构和bitmap结构做个用户id和位置的映射

Redis基数统计(HyperLogLog)

看需求：

用户搜索网站关键词的数量

统计用户每天搜索不同词条个数

统计某个网站的UV、统计某个文章的UV

什么是UV？

Unique Visitor，独立访客，一般理解为客户端IP，需要去重考虑

是什么

去重复统计功能的基数估计算法-就是HyperLogLog

Redis在2.8.9版本添加了HyperLogLog 结构。
Redis HyperLogLog是用来做基数统计的算法，HyperLogLog 的优点是，在输入元素的数量或者体积非常非常大时，计算基数所需的空间总是固定的、并且是很小的。
在Redis里面，每个 HyperLogLog键只需要花费12KB内存，就可以计算接近2^64个不同元素的基数。这和计算基数时，元素越多耗费
内存就越多的集合形成鲜明对比。
但是，因为HyperLogLog只会根据输入元素来计算基数，而不会储存输入元素本身，所以HyperLogLog不能像集合那样，返回输入的各个元素。

基数：是一种数据集，去重复后的真实个数

(全集)={2,4,6,8,77,39,4,8,10}
去掉重复的内容
基数={2,4,6,8,77,39,10} = 7

基数统计：用于统计一个集合中不重复的元素个数，就是对集合去重复后剩余元素的计算。

一句话：去重脱水后的真实数据

基本命令：

Redis地理空间(GEO)

简介：

移动互联网时代LBS应用越来越多，交友软件中附近的小姐姐、外卖软件中附近的美食店铺、高德地图附近的核酸检查点等等，那这种附近各种形形色色的XXX地址位置选择是如何实现的? 地球上的地理位置是使用二维的经纬度表示，经度范围(-180,180]，纬度范围(-90，90]，只要我们确定一个点的经纬度就可以取得他在地球的位置。例如滴滴打车，最直观的操作就是实时记录更新各个车的位置，然后当我们要找车时，在数据库中查找距离我们(坐标x0,y0)附近r公里范围内部的车辆使用如下SQL即可:

select taxi from position where x0-r< X < x0 + r and y0-r< y < y0+r

但是这样会有什么问题呢但是这样会有什么问题呢? 1.查询性能问题，如果并发高，数据量大这种查询是要搞垮数据库的 2.这个查询的是一个矩形访问，而不是以我为中心r公里为半径的圆形访问。 3.精准度的问题，我们知道地球不是平面坐标系，而是一个圆球，这种矩形计算在长距离计算时会有很大误差

原理

redis在3.2版本以后增加了地址位置的处理

命令

1.GEOADD key longitude latitude member [longitude latitude member]

多个经度(longitude)、纬度(latitude)、位置名称(member)添加到指定的key中

命令：GEOADD city 116.403963 39.915119 "天安门" 116.403414 39.924091 "故宫" 116.024067 40.362639 "长城"

geo类型实际上是zset，可以使用zset相关的命令对其进行遍历，如果遍历出现中文乱码可以使用如下命令：redis-cli --raw

2.GEOPOS key member [member]

从键里面返回所有指定名称(member )元素的位置（经度和纬度），不存在返回nil

GEOPOS city 天安门故宫长城

3.GEODIST key member1 member2 [M|KM|FT|MI]

返回两个给定位置之间的距离

m-米

km-千米

ft-英寸

mi-英里

4.GEORADIUS key longitude latitude radius M|KM|FT|MI [WITHCOORD] [WITHDIST] [WITHHASH] [COUNT count [ANY]

以给定的经纬度为中心，返回与中心的距离不超过给定最大距离的所有元素位置

WITHDIST: 在返回位置元素的同时，将位置元素与中心之间的距离也一并返回。距离的单位和用户给定的范围单位保持一致。 WITHCOORD: 将位置元素的经度和维度也一并返回。 WITHHASH:以 52 位有符号整数的形式，返回位置元素经过原始 geohash 编码的有序集合分值。这个选项主要用于底层应用或者调试，实际中的作用并不大 COUNT 限定返回的记录数。

GEORADIUSBYMEMBER

跟GEORADIUS类似

GEOHASH

返回一个或多个位置元素的GEOhash表示

geohash 算法生成的base32编码值，3维变2维变1维

Redis流(Stream)

是什么

Redis5.0 之前的痛点，Redis消息队列的2种方案：

List实现消息队列，List实现方式其实就是点对点的模式
Pub/Sub

Redis5.0版本新增了一个更强大的数据结构---Stream

一句话：Stream流就是Redis版的MQ消息中间件+阻塞队列

能干嘛

实现消息队列，它支持消息的持久化、支持自动生成全局唯一ID、支持ack确认消息的模式、支持消费组模式等，让消息队列更加的稳定和可靠

底层结构和原理说明

基本命令理论简介

队列相关指令

消费组相关指令

XINFO GROUPS 打印消费组的详细信息

XINFO STREAM 打印stream的详细信息

四个特殊符号

- +	最小和最大可能出现的Id
$	$表示只消费新的消息，当前流中最大的Id，可用于将要到来的信息
>	用于XREADGROUP命令，表示迄今还没有发送给组中使用者的信息，会更新消费者组的最后Id
*	用于XADD命令，让系统自动生成Id

基本命令代码实操

Redis流实例演示

队列相关命令

1.XADD

添加消息到队列末尾，消息ID必须要比上一个ID大，默认用星号表示自动生成ID；* 用于XADD命令中，让系统自动生成ID；

XADD用于向Stream队列中添加消息，如果指定的Stream队列不存在，则该命令执行时会新建一个Stream队列

生成的消息ID，有两部分组成，毫秒时间戳-该毫秒内产生的第一条消息

// * 表示服务器自动生成MessageID(类似MySQL里面主键auto_increment)，后面顺序跟着一堆业务key/value

信息条目指的是序列号，在相同的毫秒下序列号从0开始递增，序列号是64位长度，理论上在同一毫秒内生成的数据量无法到达这个级别，因此不用担心序列号会不够用。milisecondsTime指的是Redis节点服务器的本地时间，如果存在当前的毫秒时间截比以前已经存在的数据的时间戳小的话(本地时间钟后跳)，那么系统将会采用以前相同的毫秒创建新的ID，也即redis 在增加信息条目时会检查当前 id 与上一条目的 id，自动纠正错误的情况，一定要保证后面的 id 比前面大，.个流中信息条目的ID必须是单调增的，这是流的基础。
客户端显示传入规则: Redis对于ID有强制要求，格式必须是时间戳-自增Id这样的方式，且后续ID不能小于前一个ID
Stream的消息内容，也就是图中的Messaget它的结构类似Hash结构，以kev-value的形式存在

信息条目指的是序列号，在相同的毫秒下序列号从0开始递增，序列号是64位长度，理论上在同一毫秒内生成的数据量无法到达这个级别，因此不用担心序列号会不够用。milisecondsTime指的是Redis节点服务器的本地时间，如果存在当前的毫秒时间截比以前已经存在的数据的时间戳小的话(本地时间钟后跳)，那么系统将会采用以前相同的毫秒创建新的ID，也即redis 在增加信息条目时会检查当前 id 与上一条目的 id，自动纠正错误的情况，一定要保证后面的 id 比前面大，.个流中信息条目的ID必须是单调增的，这是流的基础。

客户端显示传入规则:
Redis对于ID有强制要求，格式必须是时间戳-自增Id这样的方式，且后续ID不能小于前一个ID

Stream的消息内容，也就是图中的Messaget它的结构类似Hash结构，以kev-value的形式存在