希望文章能给到你启发和灵感～
如果觉得文章对你有帮助的话，点赞 + 关注+ 收藏 支持一下博主吧～

开篇说明

说到redis，一定不陌生，Redis是一个开源的、基于内存的、支持多种类型数据结构的键值存储数据库，都知道他能实现快速读写、高并发访问和实时性快等特点，这篇就主要说说他的特点使用场景、以及我们日常可能常用的命令；

一、基础环境说明

考虑环境因素，大家适当的对比自己的软硬件环境情况分析～请仔细阅读硬件、软件环境

1.1 硬件环境

演示环境：Windows 11 专业版

1.2 软件环境

数据存储：Redis 3.0.504

二、Redis的特点和适用场景

• 缓存（Caching）

  Redis最常见的用途是作为缓存层，比如存储一些热点数据，来减少我们数据库的访问压力。这原因其事很简单，因为Redis是基于内存的，因此其读写速度非常快，可以显著提升应用的响应速度。同时，Redis支持多种数据过期策略，能够自动清理长时间未访问的数据，优化内存使用。

• 会话管理（Session Management）
  在Web应用中，Redis可以用来存储用户会话信息。

• 消息队列（Message Queue）
  Redis的列表（Lists）和发布/订阅（Pub/Sub）功能可以用来实现简单的消息队列系统。虽然Redis不是专门设计来作为消息队列的，但在一些轻量级的场景下，使用Redis作为消息队列可以简化系统架构，降低部署成本。

• 计数器（Counters）
  Redis的原子操作特性使得它非常适合实现计数器功能。例如，可以使用INCR命令来实现页面的访问计数、用户的点赞数统计等。由于Redis的操作是原子性的，因此不需要担心并发更新导致的数据不一致问题。

• 排行榜（Leaderboards）
  利用Redis的有序集合（Sorted Sets）可以方便地实现排行榜功能。有序集合中的每个成员都有一个分数与之关联，Redis会根据分数对成员进行排序。这使得Redis成为实现排行榜、热门榜单等功能的理想选择。

• 社交网络功能（Social Networking Features）
  Redis可以用来实现社交网络中的一些常见功能，如用户关注关系、好友列表、点赞、评论等。通过合理设计数据结构，Redis可以高效地存储和查询这些社交数据，支持大规模用户的实时交互。

• 分布式锁（Distributed Locks）
  在分布式系统中，Redis可以用来实现分布式锁。通过Redis的SETNX（Set if Not eXists）命令或Lua脚本，可以确保在分布式环境中只有一个客户端能够获取锁，从而避免数据竞争和一致性问题。

• 地理空间信息（Geospatial Information）
  Redis的地理空间索引功能可以用来存储和查询地理位置信息。这使得Redis在需要处理地理位置数据的场景（如地图应用、物流追踪等）中非常有用。

• 实时分析（Real-time Analytics）
  虽然Redis主要是一个内存数据库，但它也可以与一些外部系统（如Apache Kafka、Apache Spark等）结合使用，来实现实时数据分析。通过将数据先写入Redis，然后再由其他系统进行处理和分析，可以显著提升数据分析的实时性和准确性。

三、Redis的数据类型和使用

redis中的数据类型目前主要分为几种，分别是字符串，列表，集合（有序和无序），哈希，位图，超日志，地理空间，流；后4个类型内容相对较多，我们这里就不细说了，后续再另起篇幅来细讲；

尝试使用一下命令时，请先保证自己的redis已正确安装并且已经通过客户端登录了；

3.1字符串（String）

Redis 中最基本的类型，是二进制安全的，即意味着它们能包含任何数据，比如图片或者序列化的对象。字符串类型的值最大能存储 512MB。

// 设置键的值为字符串。如果键已存在，则覆盖原有值
SET key value

// 获取键的值。如果键不存在，则返回nil。
GET key

// 将键的整数值增加1。如果键不存在，则将其值初始化为0再执行增加操作。
INCR key
// 有递增，自然有递减
DECR key

// 获取一个或多个键的值。
MGET key1 [key2...]

3.2 列表（List）：

Redis 的列表是简单的字符串列表，按照插入顺序排序。你可以添加一个元素到列表的头部（左边）或者尾部（右边）。

【1】如何列表中添加元素：lpush和rpush，实现左边和右边插入的方式；
【2】如何列表中删除元素：lpop和rpop，实现左边和右边移除的方式；
【3】如何查询列表中的元素：0~-1代表取所有元素，这里有点类似python切片的取法；

【4】如何移除指定元素：lrem key count value：移除列表中等于value的元素。count>0时，从表头开始搜索；count<0时，从表尾开始搜索；count=0时，移除所有等于value的元素。

3.3 集合（Set）：

Redis 的集合是一个无序的字符串集合，不允许有重复的元素。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)。

所谓复杂度，也就是从复杂度的角度方面来看，理论上来讲，它不随你的数据量大小的增加而增加他增删查的执行时间，也就是你数据量再大，也不影响我的执行时间；不过吧，实际情况未必是这样，毕竟复杂度并不考虑具体的执行速度或硬件限制；而且有些情况这个复杂度也不是固定的，O(1)也可能比那成O(n)；

【1】查询结合内的元素：smembers key
【2】集合添加元素：sadd key value
【3】检查member是否是集合key的成员。：sismember key member
【4】移除集合中一个或多个成员。：srem key member

3.4 有序集合（Sorted Set）：

Redis 的有序集合和集合一样也是字符串集合，不允许重复的成员。为了实现排序，给每个成员都关联一个 double 类型的分数。这使得有序集合既可以做为一个 set 来使用，又可以保存一个 value 对应的 score，从而实现排序等功能。

【1】向有序集合添加一个或多个成员，或者更新已存在成员的分数。
【2】返回有序集合中指定范围的成员，可包含分数。
【3】移除有序集合中的一个或多个成员。
【4】返回有序集合中成员的排名（按分数从低到高）。

zrank这里注意一下返回的情况，默认情况下返回0代表分数是最高的，如果第二返回的是1，依次类推就行，相反的zrevrank 则是和上面的相反；

3.5 哈希（Hash）：

Redis 的哈希是键值对的集合。Redis 中的哈希类型可以存储不定数量的键值对，是一个字符串类型的 field 和 value 的映射表。

【1】hset key field value :为哈希表中的字段赋值。
【2】hget key field：获取哈希表中字段的值。
【3】hmset key field1 value1 [field2 value2...]：同时设置哈希表中的多个字段。
【4】hgetall key：获取哈希表中所有的字段和值。

【注】以下内容这里我们只做了解，具体使用根据实际场景再来说明；

3.6 位图（Bitmaps）

位图严格来说，不算是 Redis 的一种数据类型，但它是一个字符串的二进制表示形式，因此可以使用字符串类型来实现。位图支持位级别的操作，可以非常高效地处理大量的数据，例如用于用户签到、统计在线人数等场景。

【1】setbit key offset value

设置位（SETBIT）SETBIT命令用于将位图指定偏移量上的位设置为0或1。
key：位图的键名。
offset：位的偏移量（从0开始）。
value：要设置的值（0或1）。

【2】getbit key offset

获取位，GETBIT命令用于获取位图指定偏移量上的位的值。

【3】bitcount key [start end]

统计位，用于统计位图中值为1的位的数量

【4】bitop operation destkey key [key …]

位运算，用于对一个或多个位图执行位运算，并将结果保存到新的位图中

【5】bitops key bit [start] [end]

用于查找位图中第一个被设置为指定值的二进制位，并返回它的偏移量。

3.7 超日志（HyperLogLog）：

Redis 的 HyperLogLog 是一种概率性的数据结构，用于估计一个集合中不重复元素的数量。与集合相比，HyperLogLog 在保持一定的准确度的基础上，内存消耗极低。

3.8 地理空间（Geo）：

Redis 3.2 版本中引入了地理空间数据类型，允许存储地理位置信息，并可以基于这些信息执行地理空间相关的查询，比如计算两个位置之间的距离，或者查找给定半径内的所有位置等。

3.9 流（Streams）：

Redis 5.0 引入了 Streams 数据类型，它是一个新的强大的支持多播的原生数据类型，可以看作是一个仅追加的日志数据结构，用于消息队列等场景。

四、最后

【1】在Redis中，位图（Bitmap）、HyperLogLog、Geo和流（Stream）都被视为Redis支持的数据结构或数据类型，但它们各自具有不同的特性和应用场景。

【2】本篇我们只需要知道redis前5五种常见的数据类型的用法即可

【3】不同版本的redis，这些数据类型并不都是有的，例如Geo是Redis 3.2版本中新增的一种数据类型，流是Redis 5.0版本中新增加的数据结构，这个需要注意一下