一.go-redis操作hash
常用命令:
redisClient.HSet("map", "name", "jack")
// 批量设置
redisClient.HMSet("map", map[string]interface{}{"a": "b", "c": "d", "e": "f"})
// 单个访问
redisClient.HGet("map", "a").Val()
// 批量访问
redisClient.HMGet("map", "a", "b").Val()
// 获取整个map
redisClient.HGetAll("map").Val()
// 删除map的一个字段
redisClient.HDel("map", "a")
// 判断字段是否存在
redisClient.HExists("map", "a")
// 获取所有的map的键
redisClient.HKeys("map")
// 获取map长度
redisClient.HLen("map")
// 遍历map中的键值对
redisClient.HScan("map", 0, "", 1)
Hash
的常用场景主要有两种:
缓存对象
做购物车
首先是缓存对象,hash命令中的key
,value
,filed
很好的能够对应对象的结构我们可以利用Hash
来缓存结构,比如像下面我写了一个json
文件,我们来看如何将它缓存起来:
[{"message":{"name": "张三","age": 30,"email": "zhangsan@example.com","isStudent": false,"subjects": ["数学", "英语", "物理"]}},{"message": {"name": "李四","age": 25,"email": "lisi@example.com","isStudent": true,"subjects": ["化学", "生物"]}}
]
缓存的代码如下:
package mainimport ("context""encoding/json""fmt""github.com/redis/go-redis/v9"snoyflake "go-redis/sonyflake""io""os""strconv"
)type Student struct {id uint64Message map[string]any `json:"message"`
}var rdb *redis.Client
var ctx context.Contextfunc Init() {rdb = redis.NewClient(&redis.Options{Addr: "127.0.0.1:6379",Password: "",DB: 0,})err := snoyflake.Init()if err != nil {fmt.Println("sonyflake init failed,err:", err)return}ctx = context.Background()
}func main() {//初始化Init()var students []Student//读取json文件file, err := os.Open("student.json")if err != nil {fmt.Println("file Open failed,err:", err)}defer file.Close()str, _ := io.ReadAll(file)err = json.Unmarshal(str, &students)if err != nil {fmt.Println("json Unmarshal failed,err:", err)return}//生成idfor _, student := range students {student.id, _ = snoyflake.GetID()}//写入redisfiled := "message"for _, student := range students {value, _ := json.Marshal(student.Message)err = rdb.HSet(ctx, strconv.FormatUint(student.id, 10), filed, value).Err()if err != nil {fmt.Println("redis HSet failed,err:", err)return}}//读取redisfor _, student := range students {value, err := rdb.HGet(ctx, strconv.FormatUint(student.id, 10), filed).Result()if err != nil {fmt.Println("redis HGet failed,err:", err)return}fmt.Println(value)}
}
运行结果:
{"age":25,"email":"lisi@example.com","isStudent":true,"name":"李四","subjects":["化学","生物"]}
{"age":25,"email":"lisi@example.com","isStudent":true,"name":"李四","subjects":["化学","生物"]}
那购物车我们应该怎么做呢?假设我们现在要清空我们的购物车,购物车其实就三个属性:
谁买
买什么
买多少个
知道了这个我们就可以尝试实现一个简单的购物车了,这里我们选择将Redis
和Mysql
联合使用,将商品的具体信息储存在Mysql
中,Redis
中只实现购物车的相关功能:
首先我们生成一个表来存储商品信息:
然后我们现在模拟一个场景:
- 我们将商品将入购物车
- 我们添加购物车中商品的数量
- 计算总价格
这个基本上就是一整个大致流程了,我们来看一下怎么实现:
package mainimport ("context""database/sql""encoding/json""fmt""github.com/fsnotify/fsnotify""github.com/redis/go-redis/v9""github.com/spf13/viper"snoyflake "go-redis/sonyflake""gorm.io/driver/mysql""gorm.io/gorm""gorm.io/gorm/schema""io""os""strconv""time"
)type MySQL struct {DataName stringDataUser stringDataPassword stringDataHost stringDataPort string
}type Redis struct {Addr stringPassword stringDB int
}type Setting struct {MySQL MySQLRedis Redis
}// 用户
type User struct {UserID int `gorm:"primaryKey;autoIncrement"`Price float64 `gorm:"type:float;not null"`
}// 商品
type Goods struct {GoodsID int `gorm:"primaryKey;autoIncrement"`ProductName string `gorm:"type:varchar(255);not null"`Category string `gorm:"type:varchar(50);not null"`Brand string `gorm:"type:varchar(50);not null"`Price float64 `gorm:"type:decimal(12,2);not null"`StockQuantity int `gorm:"not null"`Description string `gorm:"type:text"`ListingDate string `gorm:"type:date"`
}type Message struct {Userid int `json:"用户ID"`Goodsid int `json:"商品ID"`Number int `json:"数量"`
}var ConfMessage = new(Setting)
var db *gorm.DB
var rdb *redis.Client
var ctx context.Context
var messages []Message
var userlist []string
var costlist map[string]float64 = make(map[string]float64)func main() {//初始化Init()//读取json文件file, err := os.Open("shopping.json")if err != nil {fmt.Println("file Open failed,err:", err)}defer file.Close()str, _ := io.ReadAll(file)err = json.Unmarshal(str, &messages)if err != nil {fmt.Println("json Unmarshal failed,err:", err)return}//写入redisfor _, message := range messages {userlist = append(userlist, strconv.Itoa(message.Userid))filed := strconv.Itoa(message.Goodsid)err = rdb.HSet(ctx, strconv.Itoa(message.Userid), filed, message.Number).Err()if err != nil {fmt.Println("redis HSet failed,err:", err)return}}//选择其中某种商品添加一定数量rdb.HIncrBy(ctx, "1001", "1001", 3)//打印一下查看是否操作成功fmt.Println(rdb.HGetAll(ctx, "1001").Val())//计算总价格for _, userid := range userlist {cost := TotalPrice(userid)costlist[userid] = cost}for k, v := range costlist {fmt.Println(k, v)}
}func TotalPrice(userid string) float64 {var user Userres, _ := rdb.HGetAll(ctx, userid).Result()for k, v := range res {id, _ := strconv.Atoi(k)number, _ := strconv.Atoi(v)goods := Goods{}db.Where("goods_id = ?", id).First(&goods)db.Where("user_id = ?", userid).First(&user)user.Price += goods.Price * float64(number)}return user.Price
}func InitConfig() error {viper.AddConfigPath(".")viper.SetConfigName("config")viper.SetConfigType("ini")err := viper.ReadInConfig()if err != nil {return err}if err = viper.Unmarshal(&ConfMessage); err != nil {return err}viper.WatchConfig()viper.OnConfigChange(func(e fsnotify.Event) {if err = viper.Unmarshal(&ConfMessage); err != nil {return}})return nil
}// 初始化redis
func InitRedis() error {rdb = redis.NewClient(&redis.Options{Addr: "127.0.0.1:6379",Password: "",DB: 0,})ctx = context.Background()_, err := rdb.Ping(ctx).Result()if err != nil {return err}return nil
}// 初始化mysql
func InitMysql() error {dns := fmt.Sprintf("%s:%s@tcp(%s:%s)/%s?charset=utf8&parseTime=True&loc=Local",ConfMessage.MySQL.DataUser,ConfMessage.MySQL.DataPassword,ConfMessage.MySQL.DataHost,ConfMessage.MySQL.DataPort,ConfMessage.MySQL.DataName)var err errordb, err = gorm.Open(mysql.Open(dns), &gorm.Config{//跳过默认事务,提高性能SkipDefaultTransaction: true,//禁用外键约束DisableForeignKeyConstraintWhenMigrating: true,NamingStrategy: schema.NamingStrategy{//禁用默认表名复数SingularTable: true,},})if err != nil {fmt.Println("连接数据库失败", err)os.Exit(1)}var sqlDB *sql.DBsqlDB, err = db.DB()if err != nil {return err}_ = db.AutoMigrate(&User{}, &Goods{})//设置连接池最大连接数量sqlDB.SetMaxOpenConns(100)//设置连接池最大空闲连接数sqlDB.SetMaxIdleConns(10)//设置连接连接可重用的最大时长sqlDB.SetConnMaxLifetime(10 * time.Second)return nil
}func Init() {err := snoyflake.Init()if err != nil {fmt.Println("sonyflake init failed,err:", err)return}err = InitConfig()if err != nil {fmt.Println("config init failed,err:", err)return}err = InitMysql()if err != nil {fmt.Println("mysql init failed,err:", err)return}err = InitRedis()if err != nil {fmt.Println("redis init failed,err:", err)return}
}
这个代码有点长我们根据main
函数中的逻辑来顺一下:
-
Init
:首先在这个函数我们完成了对相关工具的初始化,主要有以下几步:
1.初始化雪花算法
2.初始化相关配置,这里我们选择的是viper
来读取配置文件
3.初始化redis
4.利用gorm连接mysql
数据库,完成对`mysql的初始化 -
读取json文件
:这里我们将相关的信息存储在json
文件中来模拟购物车初始消息:json
文件内容如下:
[{"用户ID": 1001,"商品ID": 1001,"数量": 1},{"用户ID": 1001,"商品ID": 1003,"数量": 1},{"用户ID": 1002,"商品ID": 1002,"数量": 1},{"用户ID": 1002,"商品ID": 1004,"数量": 1},{"用户ID": 1002,"商品ID": 1005,"数量": 1}
]
我们将读取后存储到redis来作为对相关信息的缓存(如果大家想更贴合实际环境,可以添加一个过期时间)
相关操作
:最后我们模拟了我们平时增加/减少购买数量的操作并且通过解析redis
中的相关信息并在mysql
中查询实现了结账操作,完成了一个购物车的基本功能。
二.go-redis操作Set
常用命令:
// 往一个集合里面添加元素
redisClient.SAdd("set", "a", "b", "c")
// 获取集合中的所有成员
redisClient.SMembers("set")
// 判断一个元素是否属于这个集合
redisClient.SIsMember("set", "a")
// 随机返回count个元素
redisClient.SRandMemberN("set", 1)
// 获取一个集合的元素个数
redisClient.SCard("set")
// 获取集合中的所有成员
redisClient.SMembers("set")
// 判断一个元素是否属于这个集合
redisClient.SIsMember("set", "a")
// 随机返回count个元素
redisClient.SRandMemberN("set", 1)
// 获取一个集合的元素个数
redisClient.SCard("set")
// 弹出并删除该元素
redisClient.SPop("set")
// 弹出并删除N给元素
redisClient.SPopN("set", 2)
// 从源集合移动指定元素刀目标集合
redisClient.SMove("set", "set2", "a")
// 删除指定元素
redisClient.SRem("set", "a", "b")
// 遍历集合
redisClient.SScan("set", 0, "", 2)
集合主要有以下的特性:
- 无序
- 无重复的元素
- 支持并交差等操作
比较适合用来数据去重和保障数据的唯一性,还可以用来统计多个集合的交集、错集和并集等,当我们存储的数据是无序并且需要去重的情况下,比较适合使用集合类型进行存储。
注意: Set
进行聚合计算(交集、差集、并集)时复杂度较大(>=N),在数据量比较大的时候,任意造成Redis实例阻塞,为了解决这种情况我们一般会选择一个从库完成聚合统计,或者把数据返回给客户端,由客户端来完成聚合统计。
让我们在使用Set
中一般会在以下场景中使用:
点赞
共同关注
抽奖
这里我们以点赞功能为例,我们来看一下我们可以如何实现一个点赞功能:
package mainimport ("context""fmt""github.com/redis/go-redis/v9"
)var (rdb *redis.Clientctx context.Context
)func main() {err := InitRedis()if err != nil {fmt.Println("redis init failed,err:", err)}Upvote("1", "1")Upvote("2", "1")Upvote("3", "1")str, _ := GetUpvote("1")fmt.Println(str)count, _ := GetUpvoteCount("1")fmt.Println(count)CancelUpvote("1", "1")str, _ = GetUpvote("1")fmt.Println(str)count, _ = GetUpvoteCount("1")fmt.Println(count)
}// Upvote 点赞
func Upvote(userid, articleid string) error {return rdb.SAdd(ctx, articleid, userid).Err()
}// CancelUpvote 取消点赞
func CancelUpvote(userid, articleid string) error {return rdb.SRem(ctx, articleid, userid).Err()
}// GetUpvoteCount 获取点赞数
func GetUpvoteCount(articleid string) (int64, error) {return rdb.SCard(ctx, articleid).Result()
}// GetUpvote 获取点赞列表
func GetUpvote(articleid string) ([]string, error) {return rdb.SMembers(ctx, articleid).Result()
}// GetVoteStatus 获取点赞状态
func GetVoteStatus(userid, articleid string) (bool, error) {return rdb.SIsMember(ctx, articleid, userid).Result()
}func InitRedis() error {rdb = redis.NewClient(&redis.Options{Addr: "127.0.0.1:6379",Password: "",DB: 0,})ctx = context.Background()_, err := rdb.Ping(ctx).Result()if err != nil {return err}return nil
}
go-redis操作zset
常用命令如下:
// 往有序集合中加入元素
redisClient.ZAdd("ss", redis.Z{Score: 1,Member: "a",
}, redis.Z{Score: 2,Member: "b",
})
// 返回有序集合中该元素的排名,从低到高排列
redisClient.ZRank("ss", "1")
// 返回有序集合中该元素的排名,从高到低排列
redisClient.ZRevRank("ss", "1")
// 返回介于min和max之间的成员数量
redisClient.ZCount("ss", "1", "2")// 返回对元素的权值
redisClient.ZScore("ss", "a")// 返回指定区间的元素
redisClient.ZRange("ss", 1, 2)
// 返回介于min和max之间的所有成员列表
redisClient.ZRangeByScore("ss", redis.ZRangeBy{Min: "1",Max: "2",Offset: 0,Count: 1,
})
// 给一个对应的元素增加相应的权值
redisClient.ZIncr("ss", redis.Z{Score: 2,Member: "b",
})
// 删除指定元素
redisClient.ZRem("ss", "a")
// 删除指定排名区间的元素
redisClient.ZRemRangeByRank("ss", 1, 2)
// 删除权值在min和max区间的元素
redisClient.ZRemRangeByScore("ss", "1", "2")
Zset 类型(Sorted Set,有序集合) 可以根据元素的权重来排序,我们可以自己来决定每个元素的权重值。在面对需要展示最新列表、排行榜等场景时,如果数据更新频繁或者需要分页显示,可以优先考虑使用 Sorted Set。