Redis 基本命令—— 超详细操作演示！！！

内存数据库 Redis7—— Redis 基本命令

- 三、Redis 基本命令（下）
- - 3.8 benchmark 测试工具
  - 3.9 简单动态字符串SDS
  - 3.10 集合的底层实现原理
  - 3.11 BitMap 操作命令
  - 3.12 HyperLogLog 操作命令
  - 3.13 Geospatial 操作命令
  - 3.14 发布/订阅命令
  - 3.15 Redis 事务
- 四、Redis 持久化
- 五、Redis 主从集群
- 六、Redis 分布式系统
- 七、Redis 缓存
- 八、Lua脚本详解
- 九、分布式锁

数据库系列文章：

关系型数据库:

MySQL —— 基础语法大全
MySQL —— 进阶

非关系型数据库:

Redis 的安装与配置

三、Redis 基本命令（下）

3.8 benchmark 测试工具

⭐️ 3.8.1、简介
在Redis 安装完毕后会自动安装一个 redis-benchmark 测试工具，其是一个压力测试工具，用于测试 Redis 的性能。
在这里插入图片描述
通过 redis-benchmark --help 命令可以查看到其用法：

其选项 options 非常多，下面通过例子来学习常用的 options 的用法。

⭐️ 3.8.2、测试1

（1）命令解析
在这里插入图片描述
以上命令中选项的意义：

-h ：指定要测试的 Redis 的 IP ，若为本机，则可省略
-p ：指定要测试的 Redis 的 port ，若为 6379 ，则可省略
-c ：指定模拟有客户端的数量，默认值为 50
-n ：指定这些客户端发出的请求的总量，默认值为 100000
-d ：指定测试 get/set 命令时其操作的 value 的数据长度，单位字节，默认值为 3 。在测试其它命令时该指定没有用处。

以上命令的意义是，使用 100 个客户端连接该 Redis ，这些客户端总共会发起 100000个请求， set/get 的 value 为 8 字节数据。

（2）测试结果分析

该命令会逐个测试所有Redis 命令，每个命令都会给出一份测试报告，每个测试报告由四部分构成：

A、测试环境报告

首先就是测试环境：

在这里插入图片描述

B、延迟百分比分布

这是按照百分比进行的统计报告：每完成一次剩余测试量的 50% 就给出一个统计数据。

在这里插入图片描述

C、延迟的累积分布

这是按照时间间隔统计的报告：基本是每 0.1 毫秒统计一次。

在这里插入图片描述

D、总述报告

这是总述性报告。

在这里插入图片描述

⭐️ 3.8.3、测试2
在这里插入图片描述
以上命令中选项的意义：

-t ：指定要测试的命令，多个命令使用逗号分隔，不能有空格
-q ：指定仅给出总述性报告

3.9 简单动态字符串SDS

⭐️ 3.9.1、SDS简介
无论是Redis 的 Key 还是 Value ，其基础数据类型都是字符串。例如 Hash 型 Value 的field 与 value 的类型、 List 型、 Set 型、 ZSet 型 Value 的元素的类型等都是字符串。虽然 Redis是使用标准 C 语言开发的，但并没有直接使用 C 语言中传统的字符串表示，而是自定义了一种字符串。这种字符串本身的结构比较简单，但功能却非常强大，称为 简单动态字符串，Simple Dynamic String ，简称 SDS 。

注意，Redis 中的所有字符串并不都是 SDS ，也会出现 C 字符串。 C 字符串只会出现在字符串 “字面常量” 中，并且该字符串不可能发生变更。

在这里插入图片描述

redisLog(REDIS_WARNNING, "sdfsfsafsafds");

在这里插入图片描述

⭐️ 3.9.2、SDS结构

SDS不同于 C 字符串。 C 字符串本身是一个以双引号括起来，以空字符 '\0' 结尾的字符序列。但 SDS 是一个结构体，定义在 Redis 安装目录下的 src/sds.h 中：

struct sdshdr {
	//字节数组，用于保存字符串
	char buf[];
	// buf[]中已使用字节数量，称为 SDS 的长度
	int len;
	// buf[]中尚未使用的字节数量
	int free;
}

例如执行 SET country "China" 命令时，键 country 与值 China 都是 SDS 类型的，只不过一个是 SDS 的变量，一个是 SDS 的字面常量。
在这里插入图片描述

China 在内存中的结构如下：

在这里插入图片描述
通过以上结构可以看出， SDS 的 buf 值实际是一个 C 字符串，包含空字符 '\0' 共占 6 个字节。但 SDS 的 len 是不包含空字符 '\0' 的。

该结构与前面不同的是，这里有 3 字节未使用空间。

⭐️ 3.9.3、SDS的优势

C字符串使用 Len+1 长度的字符数组来表示实际长度为 Len 的字符串，字符数组最后以空字符 '\0' 结尾，表示字符串结束。这种结构简单，但不能满足 Redis 对字符串 功能性、安全性 及 高效性 等的要求。

（1）防止字符串长度获取性能瓶颈

对于C 字符串，若要获取其长度，则必须要通过遍历整个字符串才可获取到的。对于超长字符串的遍历，会成为系统的性能瓶颈。
但，由于SDS 结构体中直接就存放着字符串的长度数据，所以对于获取字符串长度需要消耗的系统性能，与字符串本身长度是无关的，不会成为 Redis 的性能瓶颈。

（2）保障二进制安全

C字符串中只能包含符合某种编码格式的字符，例如 ASCII 、 UTF-8 等，并且除了字符串末尾外，其它位置是不能包含空字符 '\0' 的，否则该字符串就会被程序误解为提前结束。故而在图片、音频、视频、压缩文件、 office 文件等二进制数据的。
但 SDS 不是以空字符 '\0' 作为字符串结束标志的，其是通过 len 属性来判断字符串是否结束的。所以，对于程序处理 SDS 中的字符串数据，无需对数据做任何限制、过滤、假设，只需读取即可。数据写入的是什么，读到的就是什么。

（3）减少内存再分配次数

SDS 采用了 空间预分配策略 与 惰性空间释放策略 来避免内存再分配问题。
空间预分配策略是指，每次SDS 进行空间扩展时，程序不但为其分配所需的空间，还会为其分配额外的未使用空间（以空间换时间），以减少内存再分配次数。而额外分配的未使用空间大小取决于空间扩展后 SDS 的 len 属性值。

如果 len 属性值小于 1M ，那么分配的未使用空间 free 的大小与 len 属性值相同。
如果 len 属性值 大于等于 1M ，那么分配的未使用空间 free 的大小固定是 1M 。

SDS对于空间释放采用的是惰性空间释放策略。该策略是指， SDS 字符串长度如果缩短，那么多出的未使用空间将暂时不释放，而是增加到 free 中。以使后期扩展 SDS 时减少内存再分配次数。
如果要释放 SDS 的未使用空间，则可通过 sdsRemoveFreeSpace() 函数来释放。

（4）兼容 C 函数

Redis 中提供了很多的 SDS 的 API ，以方便用户对 Redis 进行二次开发。为了能够兼容 C 函数， SDS 的底层数组 buf[] 中的字符串仍以空字符 '\0' 结尾。

现在要比较的双方，一个是SDS ，一个是 C 字符串，此时可以通过 C 语言函数

strcmp(sds_str->buf, c_str)

⭐️ 3.9.4、常用的SDS操作函数

下表列出了一些常用的SDS 操作函数及其功能描述。

函数	功能描述
sdsnew()	使用指定的 C 字符串创建一个 SDS
sdsempty()	创建一个不包含任何字符串数据的SDS
sdsdup()	创建一个指定 SDS 的副本
sdsfree()	释放指定的SDS
sdsclear()	清空指定 SDS 的字符串内容
sdslen()	获取指定SDS 的已使用空间 len 值
sdsavail()	获取指定 SDS 的未使用空间 free 值
sdsMakeRoomFor()	使指定的SDS 的 free 空间增加指定的大小
sdsRemoveFreeSpace()	释放指定 SDS 的 free 空间
sdscat()	将指定的C 字符串拼接到指定 SDS 字符串末尾
sdscatsds()	将指定的 SDS 的字符串拼接到另一个指定 SDS 字符串末尾
sdscpy()	将指定的C 字符串复制到指定的 SDS 中，覆盖原 SDS 字符串内容
sdsgrouzero()	扩展 SDS 字符串到指定长度。这个扩展是使用空字符 `'\0'` 填充
sdsrange()	截取指定SDS 中指定范围内的字符串
sdstrim()	在指定 SDS 中删除所有指定 C 字符串中出现的所有字符
sdsemp()	对比两个给定的SDS 字符串是否相同
sdstolow()	将指定 SDS 字符串中的所有字母变为小写
sdstoupper()	将指定SDS 字符串中的所有字母变为大写

3.10 集合的底层实现原理

Redis 中对于 Set 类型的底层实现，直接采用了 hashTable 。但对于 Hash 、 ZSet 、 List 集合的底层实现进行了特殊的设计，使其保证了 Redis 的高性能。

⭐️ 3.10.1、两种实现的选择

对于 Hash 与 ZSet 集合，其底层的实现实际有两种：压缩列表 zipList ，与跳跃列表 skipList 。

这两种实现对于用户来说是透明的，但用户写入不同的数据，系统会自动使用不同的实现。只有同时满足以配置文件 redis.conf 中相关集合元素数量阈值与元素大小阈值两个条件，使用的就是压缩列表 zipList ，只要有一个条件不满足使用的就是跳跃列表 skipList 。例如，对于
ZSet 集合中这两个条件如下：

集合元素个数小于 redis.conf 中 zset-max-ziplist-entries 属性的值，其默认值为 128
每个集合元素大小都小于 redis.conf 中 zset-max-ziplist-value 属性的值，其默认值为 64 字节

⭐️ 3.10.2、zipList

在这里插入图片描述
（1）什么是 zipList

zipList，通常称为压缩列表 是一个经过特殊编码的用于存储字符串或整数的双向链表。
其底层数据结构由三部分构成： head 、 entries 与 end 。这三部分在内存上是连续存放的。

（2） head

head 又由三部分构成：

zlbytes 占 4 个字节，用于存放 zipList 列表整体数据结构所占的字节数，包括 zlbytes 本身的长度。
zltail 占 4 个字节，用于存放 zipList 中最后一个 entry 在整个数据结构中的偏移量（字节）。该数据的存在可以快速定位列表的尾 entry 位置，以方便操作。
zllen 占 2 字节，用于存放列表包含的 entry 个数。由于其只有 16 位，所以 zipList 最多可以含有的 entry 个数为 $2^{16} - 1 = 65535$ 个。

（3） entries

entries 是真正的列表，由很多的列表元素 entry 构成。由于不同的元素类型、数值的不同，从而导致每个 entry 的长度不同。

每个 entry 由三部分构成：

prevlength 该部分用于记录上一个 entry 的长度，以实现逆序遍历。默认长度为 1 字节，只要上一个 entry 的长度 <254 字节， prevlength 就占 1 字节，否则其会自动扩展为 3 字节长度。
encoding 该部分用于标志后面的 data 的具体类型。如果 data 为整数类型， encoding 固定长度为1 字节。如果 data 为字符串类型，则 encoding 长度可能会是1 字节、2 字节或5 字节。data 字符串不同的长度，对应着不同的 encoding 长度。
data：真正存储的数据。数据类型只能是整数类型或字符串类型。不同的数据占用的字节长度不同。

（4） end

end 只包含一部分，称为 zlend。占1 个字节，值固定为 255，即二进制位为全1，表示一个 zipList 列表的结束。

⭐️ 3.10.3、listPack

对于ziplist，实现复杂，为了逆序遍历，每个 entry 中包含前一个 entry 的长度，这样会导致在 ziplist 中间修改或者插入entry 时需要进行级联更新。在高并发的写操作场景下会极度降低 Redis 的性能。为了实现更紧凑、更快的解析，更简单的实现，==重写==实现了ziplist，并命名为listPack。
在Redis 7.0 中，已经将 zipList 全部替换为了 listPack，但为了兼容性，在配置中也保留了 zipList 的相关属性。
在这里插入图片描述
（1）什么是 listPack

listPack 也是一个经过特殊编码的用于存储字符串或整数的双向链表。其底层数据结构也由三部分构成：head、entries 与 end，且这三部分在内存上也是连续存放的。
listPack 与 zipList 的重大区别在 head与每个 entry 的结构上，表示列表结束的 end 与 zipList 的 zlend 是相同的，占一个字节，且8 位全为1。

（2） head

head 由两部分构成：

totalBytes ：占 4 个字节，用于存放 listPack 列表整体数据结构所占的字节数，包括 totalBytes 本身的长度。
elemNum ：占 2 字节，用于存放列表包含的 entry 个数。其意义与 zipList 中 zllen 的相同。

与 zipList 的 head 相比，没有了记录最后一个 entry 偏移量的 zltail 。

（3） entries

entries 也是 listPack 中真正的列表，由很多的列表元素 entry 构成。由于不同的元素类型、数值的不同，从而导致每个 entry 的长度不同。但与 zipList 的 entry 结构相比， listPack的 entry 结构发生了较大变化。
其中最大的变化就是没有了记录前一个 entry 长度的 prevlength ，而增加了记录当前 entry 长度的 element-total-len 。而这个改变仍然可以实现逆序遍历，但却避免了由于在列表中间修改或插入 entry 时引发的级联更新。

每个 entry 仍由三部分构成：

encoding：该部分用于标志后面的 data 的具体类型。如果 data 为整数类型， encoding长度可能会是 1 、 2 、 3 、 4 、 5 或 9 字节。不同的字节长度，其标识位不同。如果 data为字符串类型，则 encoding 长度可能会是 1 、 2 或 5 字节。 data 字符串不同的长度，对应着不同的 encoding 长度。
data：真正存储的数据。数据类型只能是整数类型或字符串类型。不同的数据占用的字
节长度不同。
element-total-len：该部分用于记录当前 entry 的长度，用于实现逆序遍历。由于其特殊的记录方式，使其本身占有的字节数据可能会是 1 、 2 、 3 、 4 或 5 字节。

⭐️ 3.10.4、skipList

（1）什么是 skipList

skipList，跳跃列表，简称跳表是一种 随机化 的数据结构，基于并联的链表，实现简单，查找效率较高。简单来说跳表也是链表的一种，只不过它在链表的基础上增加了跳跃功能。也正是这个跳跃功能，使得在查找元素时，能够提供较高的效率。

（2） skipList 原理

假设有一个带头尾结点的有序链表。
在这里插入图片描述
在该链表中，如果要查找某个数据，需要从头开始逐个进行比较，直到找到包含数据的那个节点，或者找到第一个比给定数据大的节点，或者找到最后尾结点，后两种都属于没有找到的情况。同样，当我们要插入新数据的时候，也要经历同样的查找过程，从而确定插入位置。
为了提升查找效率，在偶数结点上增加一个指针，让其指向下一个偶数结点。

在这里插入图片描述

这样所有偶数结点就连成了一个新的链表（简称高层链表），当然，高层链表包含的节点个数只是原来链表的一半。此时再想查找某个数据时，先沿着高层链表进行查找。当遇到第一个比待查数据大的节点时，立即从该大节点的前一个节点回到原链表中进行查找。例如若想插入一个数据 2 0 则先在（ 8 19 31 42 ）的链表中查找，找到第一个比 20 大的节
点 31 ，然后再在高层链表中找到 31 节点的前一个节点 19 ，然后再在原链表中获取到其下一个节点值为 23 。比 20 大，则将 20 插入到 19 节点与 23 节点之间。若插入的是 25 ，比节点23 大，则插入到 23 节点与 31 节点之间。
该方式明显可以减少比较次数，提高查找效率。如果链表元素较多，为了进一步提升查找效率，可以将原链表构建为三层链表，或再高层级链表。

在这里插入图片描述
层级越高，查找效率就会越高。

（3）存在的问题

这种对链表分层级的方式从原理上看确实提升了查找效率，但在实际操作时就出现了问题：由于固定序号的元素拥有固定层级，所以列表元素出现增加或删除的情况下，会导致列表整体元素层级大调整，但这样势必会大大降低系统性能。
例如，对于划分两级的链表，可以规定奇数结点为高层级链表，偶数结点为低层级链表。对于划分三级的链表，可以按照节点序号与 3 取模结果进行划分。但如果插入了新的节点，或删除的原来的某些节点，那么定会按照原来的层级划分规则进行重新层级划分，那么势必会大大降低系统性能。

（4）算法优化

为了避免前面的问题， skipList 采用了随机分配层级方式。即在确定了总层级后，每添加一个新的元素时会自动为其随机分配一个层级。这种随机性就解决了节点序号与层级间的固定关系问题。
在这里插入图片描述
上图演示了列表在生成过程中为每个元素随机分配层级的过程。从这个 skiplist 的创建和插入过程可以看出，每一个节点的层级数都是随机分配的，而且新插入一个节点不会影响到其它节点的层级数。只需要修改插入节点前后的指针，而不需对很多节点都进行调整。这就降低了插入操作的复杂度。
skipList指的就是除了最下面第 1 层链表之外，它会产生若干层稀疏的链表，这些链表里面的指针跳过了一些节点，并且越高层级的链表跳过的节点越多。在查找数据的时先在高层级链表中进行查找，然后逐层降低，最终可能会降到第 1 层链表来精确地确定数据位置。在这个过程中由于跳过了一些节点，从而加快了查找速度。

⭐️ 3.10.5、quickList

在这里插入图片描述
（1）什么是 quickList

quickList，快速列表 quickList 本身是一个双向无循环 链表，它的每一个节点都是一个 zipList 。从 Redis3.2 版本开始，对于 List 的底层实现，使用 quickList 替代了 zipList 和 linkedList 。
zipList 与 linkedList 都存在有明显不足，而 quickList 则对它们进行了改进：吸取了 zipList 和 linkedList 的优点，避开了它们的不足。
quickList 本质上是 zipList 和 linkedList 的混合体。其将 linkedList 按段切分，每一段使用 zipList 来紧凑存储若干真正的数据元素，多个 zipList 之间使用双向指针串接起来。当然，对于每个 zipList 中最多可存放多大容量的数据元素，在配置文件中通过 list-max-ziplist-size 属性可以指定。

（2）检索操作

为了更深入的理解 quickList 的工作原理，通过对检索、插入、删除等操作的实现分析来加深理解。
对于 List 元素的检索，都是以其索引 index 为依据的。 quickList 由一个个的 zipList 构成，每个 zipList 的 zllen 中记录的就是当前 zipList 中包含的 entry 的个数，即包含的真正数据元素的个数。根据要检索元素的 index ，从 quickList 的头节点开始，逐个对 zipList 的 zllen 做 sum求和，直到找到第一个求和后 sum 大于 index 的 zipList ，那么要检索的这个元素就在这个 zipList 中。

（3）插入操作

由于 zipList 是有大小限制的，所以在 quickList 中插入一个元素在逻辑上相对就比较复杂一些。假设要插入的元素的大小为 insertBytes ，而查找到的插入位置所在的 zipList 当前的大小为 zlBytes ，那么具体可分为下面几种情况:

情况一：当 insertBytes + zlBytes <= list-max-ziplist-size 时直接插入到 zipList 中相应位置即可
情况二：当 insertBytes + zlBytes > list-max-ziplist-size ，且插入的位置位于该 zipList 的首部位置，此时需要查看该 zipList 的前一个 zipList 的大小 prev_zlBytes 。
- 若 insertBytes + prev_zlBytes <= list-max-ziplist-size 时，直接将元素插入到前一个 zipList 的尾部位置即可
- 若 insertBytes + prev_zlBytes > list-max-ziplist-size 时，直接将元素自己构建为一个新的 zipList ，并连入 quickList 中
情况三：当 insertBytes + zlBytes > list-max-ziplist-size ，且插入的位置位于该 zipList 的尾部位置，此时需要查看该 zipList 的后一个 zipList 的大小 next_zlBytes 。
- 若 insertBytes + next_zlBytes <= list-max-ziplist-size 时，直接将元素插入到后一个 zipList 的头部位置即可
- 若 insertBytes + next_zlBytes > list-max-ziplist-size 时，直接将元素自己构建为一个新的 zipList ，并连入 quickList 中
情况四：当 insertBytes + zlBytes > list-max-ziplist-size ，且插入的位置位于该 zipList 的中间位置，则将当前 zipList 分割为两个 zipList 连接入 quickList 中，然后将元素插入到分割后的前面 zipList 的尾部位置。

（4）删除操作

对于删除操作，只需要注意一点，在相应的 zipList 中删除元素后，该 zipList 中是否还有元素。如果没有其它元素了，则将该 zipList 删除，将其前后两个 zipList 相连接。

⭐️ 3.10.6、key与value 中元素的数量

前面讲述的Redis 的各种特殊数据结构的设计，不仅极大提升了 Redis 的性能，并且还使得 Redis 可以支持的 key 的数量、集合 value 中可以支持的元素数量可以非常庞大。

Redis 最多可以处理 $2^{32}$ 个 key （约 42 亿）），并且在实践中经过测试，每个 Redis 实例至少可以处理 2.5 亿个 key 。
每个 Hash 、 List 、 Set 、 ZSet 集合都可以包含 $2^{32}$ 个元素。

3.11 BitMap 操作命令

⭐️ 3.11.1、BitMap简介
⭐️ 3.11.2、setbit

⭐️ 3.11.3、getbit

⭐️ 3.11.4、bitcount

⭐️ 3.11.5、bitpos
⭐️ 3.11.6、bitop
⭐️ 3.11.7、应用场景

3.12 HyperLogLog 操作命令

⭐️ 3.12.1、HyperLogLog简介
⭐️ 3.12.2、pfadd
⭐️ 3.12.3、pfcount
⭐️ 3.12.4、pfmerge
⭐️ 3.12.5、应用场景

3.13 Geospatial 操作命令

⭐️ 3.13.1、Geospatial简介
⭐️ 3.13.2、geoadd
⭐️ 3.13.3、geopos
⭐️ 3.13.4、geodist
⭐️ 3.13.5、geohash
⭐️ 3.13.6、georadius
⭐️ 3.13.7、georadiusbymember
⭐️ 3.13.8、应用场景

3.14 发布/订阅命令

⭐️ 3.14.1、消息系统
⭐️ 3.14.2、subscribe
⭐️ 3.14.3、psubscribe
⭐️ 3.14.4、publish
⭐️ 3.14.5、unsubscribe
⭐️ 3.14.6、punsubscribe
⭐️ 3.14.7、pubsub

3.15 Redis 事务

⭐️ 3.15.1、Redis 事务特性
⭐️ 3.15.2、Redis 事务实现
⭐️ 3.15.3、Redis 事务异常处理
⭐️ 3.15.4、Redis 事务隔离机制

四、Redis 持久化

🚀🚀🚀 Redis 持久化快速食用：---------------------------------------------------------------------------------------------------------------------------------------------------------------------------->