---

前言

Redis有5个基本数据结构，string、list、hash、set和zset。它们是日常开发中使用频率非常高应用最为广泛的数据结构，把这5个数据结构都吃透了，你就掌握了Redis应用知识的一半了。
我们要好好的熟悉数据结构的的使用，将这些融入到我们日常工作开发中。能解决我们的很多问题

安装

Linux 环境下安装

参照：https://www.cnblogs.com/hunanzp/p/12304622.html

踩的小坑
#启动
./bin/redis-server& ./redis.conf
#进入redis客户端
在redis目录中 src/redis‐cli

---

提示：以下是本篇文章正文内容，下面案例可供参考

一、String

string是我们在日常开发中使用最多的。
首先我们从string谈起。string表示的是一个可变的字节数组，我们初始化字符串的内容、可以拿到字符串的长度，可以获取string的子串，可以覆盖string的子串内容，可以追加子串。注：计数器的功能很容易被大家忽略

1.常用命令和操作

• 字符串常用操作
  SET key value //存入字符串键值对
  MSET key value [key value …] //批量存储字符串键值对
  SETNX key value //存入一个不存在的字符串键值对
  GET key //获取一个字符串键值
  MGET key [key …] //批量获取字符串键值
  DEL key [key …] //删除一个键
  EXPIRE key seconds //设置一个键的过期时间(秒)

• 原子加减
  INCR key //将key中储存的数字值加1
  DECR key //将key中储存的数字值减1
  INCRBY key increment //将key所储存的值加上increment
  DECRBY key decrement //将key所储存的值减去decrement

对原子加减进来客户端相应的操作

• 1、原子加1
  
• 2、原子加指定的数值 incrby key +值
  
• 3、两个减同理

2.应用场景

• 单值缓存（场景广泛）
  set进去你任何想要的值即可
• 对象缓存（建议使用hash的方式【键值对的方式：键-属性，值-属性值】）
  避免大key的出现【大key就是，get key的时候，值太大的情况尽量避免】
  set key +json字符串
• 分布式锁【底层原理，后序深入学习】
  setnx

3.对应业务场景举例

• 1 缓存各种业务数据，用于下一次使用
  set key ==》get
• 2 一些计数场景，如一条信息的已读，已阅场景
  incr key=msg：msgId （+1）
  

---

二、Hash

哈希等价于Java语言的HashMap，在实现结构上它使用二维结构，第一维是数组，第二维是链表，hash的内容key和value存放在链表中，数组里存放的是链表的头指针。通过key查找元素时，先计算key的hashcode，然后用hashcode对数组的长度进行取模定位到链表的表头，再对链表进行遍历获取到相应的value值，链表的作用就是用来将产生了「hash碰撞」的元素串起来。Java语言开发者会感到非常熟悉，因为这样的结构和HashMap是没有区别的。哈希的第一维数组的长度也是2^n。

1.常用命令和操作

• Hash常用操作
  HSET key field value //存储一个哈希表key的键值
  HSETNX key field value //存储一个不存在的哈希表key的键值
  HMSET key field value [field value …] //在一个哈希表key中存储多个键值对
  HGET key field //获取哈希表key对应的field键值
  HMGET key field [field …] //批量获取哈希表key中多个field键值
  HDEL key field [field …] //删除哈希表key中的field键值
  HLEN key //返回哈希表key中field的数量
  HGETALL key //返回哈希表key中所有的键值

HINCRBY key field increment //为哈希表key中field键的值加上增量increment

• 对语句进行简单的操作（红框为正确操作）
  

2.应用场景

• 1、对象存储
  k是属性名，v是属性值【仅适用于属性少的情况，避免大key的情况发生】
• 2、包含key相约关系的场景，避免对数据库的频繁操作

3.对应业务场景举例

• 1、购物车（因为购物车的加减操作是比较可能是比较频繁的，可考虑引入hash缓存）
  总的结构如下:
  a:缓存的key是用户id
  b:商品id为field
  c:商品数量为value

• 2、有时候权限也可以放到缓存中，来支持某些业务
  a：key=》 用户id
  b：fildId=》权限id
  c：value=》是否有权限（0/1）
  当权限变动一定要刷缓存

优缺点

• 优点
  1）同类数据归类整合储存，方便数据管理
  2）相比string操作消耗内存与cpu更小
  3）相比string储存更节省空间

• 缺点
  1）过期功能不能使用在field上，只能用在key上
  2）Redis集群架构下不适合大规模使用

三、List

Redis将列表数据结构命名为list而不是array，是因为列表的存储结构用的是链表而不是数组，而且链表还是双向链表。因为它是链表，所以随机定位性能较弱，首尾插入删除性能较优。如果list的列表长度很长，使用时我们一定要关注链表相关操作的时间复杂度。

1.常用命令和操作

里面有一些左插入和右插入的操作，这些操作完全可以类比我们数据结构中的栈和队列相关的操作，也可以把栈和队列相关的问题移植到我们对应的业务架构上使用
LPUSH key value [value …] //将一个或多个值value插入到key列表的表头(最左边)
RPUSH key value [value …] //将一个或多个值value插入到key列表的表尾(最右边)
LPOP key //移除并返回key列表的头元素
RPOP key //移除并返回key列表的尾元素
LRANGE key start stop //返回列表key中指定区间内的元素，区间以偏移量start和stop指定

BLPOP key [key …] timeout //从key列表表头弹出一个元素，若列表中没有元素，阻塞等待 timeout秒,如果timeout=0,一直阻塞等待
BRPOP key [key …] timeout //从key列表表尾弹出一个元素，若列表中没有元素，阻塞等待 timeout秒,如果timeout=0,一直阻塞等待

• 常用数据结构
  Stack(栈) = LPUSH + LPOP
  Queue(队列）= LPUSH + RPOP
  Blocking MQ(阻塞队列）= LPUSH + BRPOP

• 简单操作
  从左边插入，下标位置越后插入的在前面。RPUSH 反之
  

2.应用场景

• 1、对与列表化场景；如商品列表，文章列表等
• 2、消息流的场景

3.对应的业务场景举例

• 1、微博和公众这样的消息流
  比如：A用户，订阅了1，2，3，4个博主
  那么当1,2,3,4发博文的时候，我们可以按照先后的顺序，数据的生产者可以通过Lpush命令从左边插入数据
  
• 2 博客文章列表
  

文章列表或者数据分页展示的应用。比如，我们常用的博客网站的文章列表，当用户量越来越多时，而且每一个用户都有自己的文章列表，而且当文章多时，都需要分页展示，这时可以考虑使用redis的列表，列表不但有序同时还支持按照范围内获取元素，可以完美解决分页查询功能。大大提高查询效率。首页这些我们可以定时更新等

四、Set

java程序员都知道HashSet的内部实现使用的是HashMap，只不过所有的value都指向同一个对象。Redis的set结构也是一样，它的内部也使用hash结构，所有的value都指向同一个内部值。

1.常用的命令和操作

Set常用操作
SADD key member [member …] //往集合key中存入元素，元素存在则忽略，
若key不存在则新建
SREM key member [member …] //从集合key中删除元素
SMEMBERS key //获取集合key中所有元素
SCARD key //获取集合key的元素个数
SISMEMBER key member //判断member元素是否存在于集合key中
SRANDMEMBER key [count] //从集合key中选出count个元素，元素不从key中删除
SPOP key [count] //从集合key中选出count个元素，元素从key中删除

Set运算操作容易被忽略的交并补
SINTER key [key …] //交集运算
SINTERSTORE destination key [key …] //将交集结果存入新集合destination中
SUNION key [key …] //并集运算
SUNIONSTORE destination key [key …] //将并集结果存入新集合destination中
SDIFF key [key …] //差集运算
SDIFFSTORE destination key [key …] //将差集结果存入新集合destination中

• 简单操作set
  可以看到和java中的set是一样的，也是去重的
  

运算操作

2.应用场景

• 1、最正常的操作就是香去重，保证唯一性的场景
• 2、有集合运行的也可以使用（注意这里是去重的）

3.对应的业务场景举例

• 1 点赞场景（点赞的用户是唯一的，并要可以取消点赞）
  
  微信微博点赞，收藏，标签

1. 点赞
   SADD like:{消息ID} {用户ID}
2. 取消点赞
   SREM like:{消息ID} {用户ID}
3. 检查用户是否点过赞
   SISMEMBER like:{消息ID} {用户ID}
4. 获取点赞的用户列表
   SMEMBERS like:{消息ID}
5. 获取点赞用户数
   SCARD like:{消息ID}

• 2、标签：比如我们博客网站常常使用到的兴趣标签，把一个个有着相同爱好，关注类似内容的用户利用一个标签把他们进行归并。【增强用户之间的关联，为我们的大数据做铺垫】
  =》
  以商品标签筛选为例子
  安卓set=》一堆手机集合
  8gset=》一堆手机集合

我现在既8g又安卓，交集即可

• 3、共同好友功能，共同喜好，或者可以引申到二度好友之类的扩展应用。【增强用户之间的关联，为我们的大数据做铺垫】
  每一个用户维护一个set集合，然后通过集合运算得到结果

共同=》交集
可能认识的人=》差集

• 4、统计网站的独立IP。利用set集合当中元素不唯一性，可以快速实时统计访问网站的独立IP。

五、Zset

1.常用的命令的操作

ZSet常用操作
ZADD key score member [[score member]…] //往有序集合key中加入带分值元素
ZREM key member [member …] //从有序集合key中删除元素
ZSCORE key member //返回有序集合key中元素member的分值
ZINCRBY key increment member //为有序集合key中元素member的分值加上increment
ZCARD key //返回有序集合key中元素个数
ZRANGE key start stop [WITHSCORES] //正序获取有序集合key从start下标到stop下标的元素
ZREVRANGE key start stop [WITHSCORES] //倒序获取有序集合key从start下标到stop下标的元素

Zset集合操作
ZUNIONSTORE destkey numkeys key [key …] //并集计算
ZINTERSTORE destkey numkeys key [key …] //交集计算

• 简单操作（解释就是：将a在key为key：001的集合中+1）
  

2、应用场景

• 1、延时队列

zset 会按 score 进行排序，如果 score 代表想要执行时间的时间戳。在某个时间将它插入 zset 集合中，它变会按照时间戳大小进行排序，也就是对执行时间前后进行排序。

• 2、排行榜

经常浏览技术社区的话，应该对 “1小时最热门” 这类榜单不陌生。如何实现呢？如果记录在数据库中，不太容易对实时统计数据做区分。我们以当前小时的时间戳作为 zset 的 key，把贴子ID 作为 member ，点击数评论数等作为 score，当 score 发生变化时更新 score。利用 ZREVRANGE 或者 ZRANGE 查到对应数量的记录。

• 3、 限流

滑动窗口是限流常见的一种策略。如果我们把一个用户的 ID 作为 key 来定义一个 zset ，member 或者 score 可以都为访问时的时间戳。我们只需统计某个 key 下在指定时间戳区间内的个数，就能得到这个用户滑动窗口内访问频次，与最大通过次数比较，来决定是否允许通过。

3.对应的业务场景举例

Zset集合操作实现排行榜
1）点击新闻
ZINCRBY hotNews:20190819 1 守护香港
2）展示当日排行前十
ZREVRANGE hotNews:20190819 0 9 WITHSCORES
3）七日搜索榜单计算
ZUNIONSTORE hotNews:20190813-20190819 7
hotNews:20190813 hotNews:20190814… hotNews:20190819
4）展示七日排行前十
ZREVRANGE hotNews:20190813-20190819 0 9 WITHSCORES

---

总结

这一章的重点是了解一些基础的数据结构，然后尽量在工作中进行多元化的使用，不要搞来搞去就是string。其实我们可以使用更多的数据结构来帮我们实现复杂的业务。
后面的话，我们其实还有一些更加高阶的一些数据结构，帮我们完成一些特定的场景
如官方文档所示，还有很多