什么是Redis
Redis（Remote Dictionary Server ），即远程字典服务，是一个开源的使用ANSI C语言编写、支持网络、可基于内存亦可持久化的日志型、Key-Value数据库，并提供多种语言的API。
Redis的用处
缓存
缓存现在几乎是所有中大型网站都在用的必杀技，合理的利用缓存不仅能够提升网站访问速度，还能大大降低数据库的压力。Redis提供了键过期功能，也提供了灵活的键淘汰策略，所以，现在Redis用在缓存的场合非常多。
排行榜
很多网站都有排行榜应用的，如京东的月度销量榜单、商品按时间的上新排行榜等。Redis提供的有序集合数据类构能实现各种复杂的排行榜应用。
计数器
什么是计数器，如电商网站商品的浏览量、视频网站视频的播放数等。为了保证数据实时效，每次浏览都得给+1，并发量高时如果每次都请求数据库操作无疑是种挑战和压力。Redis提供的incr命令来实现计数器功能，内存操作，性能非常好，非常适用于这些计数场景。
社交网络
点赞、踩、关注/被关注、共同好友等是社交网站的基本功能，社交网站的访问量通常来说比较大，而且传统的关系数据库类型不适合存储这种类型的数据，Redis提供的哈希、集合等数据结构能很方便的的实现这些功能。如在微博中的共同好友，通过Redis的set能够很方便得出。
最新列表
Redis列表结构，LPUSH可以在列表头部插入一个内容ID作为关键字，LTRIM可用来限制列表的数量，这样列表永远为N个ID，无需查询最新的列表，直接根据ID去到对应的内容页即可。
地图数据
Redis支持地理位置数据的存储和查询，通过使用Redis的地理位置数据类型（Geo），你可以将地理坐标（经纬度）与其他数据关联起来。例如，你可以将商店的位置坐标存储在Redis中，并使用Geo命令在地理范围内查询附近的商店。Redis提供了计算两个地理位置之间距离的命令。你可以使用这些命令计算两个坐标之间的距离，进而进行地图分析和路径规划。
Redis为什么这么快
- 内存存储：Redis是使用内存(in-memeroy)存储，没有磁盘IO上的开销。数据存在内存中，类似于 HashMap，HashMap 的优势就是查找和操作的时间复杂度都是O(1)。
- 单线程实现：（ Redis 6.0以前）：Redis使用单个线程处理请求，避免了多个线程之间线程切换和锁资源争用的开销。注意：单线程是指的是在核心网络模型中，网络请求模块使用一个线程来处理，即一个线程处理所有网络请求。
- 非阻塞IO：Redis使用多路复用IO技术，将epoll作为I/O多路复用技术的实现，再加上Redis自身的事件处理模型将epoll中的连接、读写、关闭都转换为事件，不在网络I/O上浪费过多的时间。
- 优化的数据结构：Redis有诸多可以直接应用的优化数据结构的实现，应用层可以直接使用原生的数据结构提升性能。
- 使用底层模型不同：Redis直接自己构建了 VM (虚拟内存)机制 ，因为一般的系统调用系统函数的话，会浪费一定的时间去移动和请求。
为什么Redis单线程还是快
- redis是内存型数据库
- redis特殊的数据结构
- 单线程避免锁的竞争
- io多路复用
- 单线程没有上下文的切换
Redis基本概念
数据库大小
Redis有16个数据库，默认情况下对数据库0进行操作。
在Redis中，每个数据库的默认大小是由系统内存的限制决定的，而不是有一个固定的默认大小。默认情况下，Redis会尽可能使用所有可用的系统内存。
我们可以通过maxmemory这个参数用于设置Redis服务器可以使用的最大内存量。可以在Redis配置文件（redis.conf）中设置它，或者在启动Redis服务器时通过命令行选项进行设置。
例如，设置总内存限制为1GB：maxmemory 1gb。
切换数据库
在应用程序中，选择要操作的数据库（0到15之间的数据库编号），并使用Redis的SELECT命令切换到相应的数据库。并可以使用DBSIZE来查看当前数据库的大小。
Redis数据类型
RedisKey基本命令
| keys * | 查看当前数据库的所有key |
| set key | 添加一个key |
| get key | 获取key |
| type key | 查看key的类型 |
| EXISTS key | 查询是否存在key |
| move key | 移除key |
| EXPIRE key 100 | 设置过期时间为100秒 |
| ttl key | 查看剩余过期时间 |
| flushdb | 清空当前数据库 |
| flushall | 清空所有数据库 |
五种基本数据类型
String
String是最常用的一种数据类型，普通的key- value 存储都可以归为此类。其中Value既可以是数字也可以是字符串。使用场景：常规key-value缓存应用。常规计数: 微博数， 粉丝数。
| append key "test" | 为key追加一个test字符串 |
| strlen key | 获取key的长度 |
| incr key | key的值加一 |
| decr key | key的值减一 |
| incrby key n | key的值加n |
| decrby key n | key的值减n |
| GETRANGE key start end | 截取key的一部分 |
| SETRANGE key n xxx | 从n开始替换key为xxx |
| mset k1 v1 k2 v2 k3 v3 | 批量添加key |
List
List是一个有序可重复的集合，其遵循FIFO的原则，底层是依赖双向链表实现的，因此支持正向、反向双重查找。通过List，我们可以很方面的获得类似于最新回复这类的功能实现。
| LPUSH list demo | 创建list并在头部（左）放入demo |
| LRANGE list 0 -1 | 查询list所有元素 |
| LRANGE list 0 1 | 查询list索引0-1的元素 |
| RPUSH list demo2 | 在list并在尾部（右）放入demo |
| LPOP list | 删除头部元素 |
| RPOP list | 删除尾部元素 |
| LINDEX n | 获取索引为n的元素 |
| LLEN list | 获取list的长度 |
| LREM list n key | 移除list中的n个key |
| LTRIM list start end | 从start开始到end结束来截取list |
| LINSERT list a BEFORE/AFTER value | 从投开始在找到的第一个a前/后添加一个value |
Set
Set是一个无序的天然去重的集合，即Key-Set。此外还提供了交集、并集等一系列直接操作集合的方法，对于求共同好友、共同关注什么的功能。
| sadd myset hello | 向set中添加元素 |
| SMEMBERS myset | 查看myset所有值 |
| SISMEMBER myset hello | 判断某一个值是否在myset中 |
| scard myset | 获取集合中元素的个数 |
| SRANDMEMBER myset n | 从set中随机获取n个元素 |
具体的功能实现
差集
SDIFF set1 set2
可以用于计算set1集合中有而set2集合中没有的东西。
并集
SUNION set1 set2
可以用于计算set1和set2中的所有不重复元素
交集
SINTER set1 set2
查看两个集合的相交元素，用于查找两个用户的共同好友或者共同关注的实现。
Hash
哈希类型中的 映射关系 叫作 field-value，这里的 value 是指 field 对应的 值，不是 键 对应的值。可以大致理解为key - map 集合。本质上和string没有什么区别。相较于string来说，hash更适合来进行对象的存储。
| hset myhash field1 gao | 设置一个具体的filed value |
| hget myhash field1 | 获取一个具体的value |
| hmset myhash field1 value1 field2 value2 | 设置多个field value |
| hmget myhash field1 field2 | 获取多个field的value |
| hgetall myhash | 获取全部的值 |
| hdel myhash field | 删除指定的field value |
| hlen myhash | 获取hash的field-value数量 |
| hexists mhash field1 | 判断是否存在，返回0 1 |
| hkeys myhash | 获取全部field |
| hvals myhash | 获取全部value |
Zset
类似于java中的TreeSet，是Set的可排序版。此外还支持优先级排序，维护了一个score的参数来实现。适用于排行榜和带权重的消息队列等场景。
| zadd score 98 a | 为score集合添加a，值为98 |
| zrangebyscore score min max | 从min到max进行从小到大的排序 |
| zrangebyscore score min max withscores | 从min到max进行从小到大的排序并输出score |
| zreverange max min | 从max到min进行从大到小的排序 |
| zcard score | 获取score的元素个数 |
跳跃表
跳跃表（SkipList）是用于有序元素序列快速搜索查找的一个数据结构，跳表是一个随机化的数据结构，实质是通过一种可以进行二分查找的有序链表。跳表在原有的有序链表上面增加了多级索引，通过索引实现快速查找。调表不仅能提高搜索性能，同时也可以提高插入和删除操作的性能。它在性能上和红黑树，avl树不相上下，但跳表原理十分简单。
三种特殊数据类型
Geospatial
主要用于存储地理位置信息，并对存储的信息进行操作，适用场景如朋友的定位、附近的人、打车距离计算等。
| geoadd china:city 116.40 39.90 beijing | 添加北京的经纬度 |
| geodist china:city beijing shanghai km | 计算北京和上海的直线距离单位为km |
| geopos china:city beijing | 获取北京的经纬度坐标 |
| georadius china:city 110 30 1000 km | 查询这个坐标1000km范围内的元素 |
| georadius china:city 110 30 1000 km withdist | 查询这个坐标1000km范围内的元素并显示具体距离 |
| georadiusbymember china:city beijing 1000km | 查询距离北京1000km内的元素 |
Hyperlog
HyperLogLog 是一种用于统计基数的数据集合类型，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。每个 HyperLogLog 键只需要花费 12 KB 内存，就可以计算接近 2^64 个不同元素的基 数。场景：统计网页的UV（即Unique Visitor，不重复访客，一个人访问某个网站多次，但是还是只计算为一次）。统计时大概有0.81%的误差，是完全可以忽略不计的。
基数
比如数据集{ 1，3，5，7，5，7，9} ，那么这个数据集的基数集则为{1，3，5，7，9}，基数(不重复元素)为5(个)
如果允许有误差--网页访问量 使用hyperlog
如果不允许有误差--共同好友 使用set
| pfadd mykey q w e r | 新增一个数据集 |
| pfcount mykey | 求数据集的数据量 |
| pfmerge mykey3 mykey1 mykey2 | 合并mykey1 mykey2到mykey3中 |
Bitmap
Bitmap想象成一个以位为单位数组，数组中的每个单元只能存0或者1，数组的下标在Bitmap中叫做偏移量。使用Bitmap实现统计功能，更省空间。如果只需要统计数据的二值状态，例如商品有没有、用户在不在等，就可以使用 Bitmap，因为它只用一个 bit 位就能表示 0 或 1。
打卡案例
| setbit sign 0 1 | 设置周一打卡 |
| getbit sign 0 | 获取周一打卡情况 |
| bitcount sign | 统计这周打卡情况，可以指定时间段 |
