目录
前言
一、list 类型
1.1、操作命令
lpush / rpush（插入元素）
lrange（查看范围元素）
lpushx / rpushx （有约束的插入）
lpop / rpop（头删尾删）
lindex（获取下标元素）
llen（长度）
lrem（删除指定元素）
ltrim（保留区间）
lset （根据下标修改元素）
blpop / brpop（阻塞删除）
1.2、内部编码方式
1.3、使用场景
表示多表之间的关联关系
一般消息对列
频道（多列表）消息队列
微博列表
前言
redis 中所有的 key 都是字符串，value 的类型是存在差异的，因此出现了操控不同 value 的命令，接下来，就一起来学习一下吧~
Ps1：接下来，我给出的指令都是按照 Redis 官方文档的语法格式来解析的，[ ] 相当于一个独立的单元，表示可选项（可有可无），其中 | 表示 “或者” 的意思，多个只能出现一个，[ ] 和 [ ] 之间是可以同时存在的.
Ps2：一个快速失去年终奖的小技巧 —— 清除 redis 上所有的数据 =》 FLUSHALL，这个操作可以把 redis 上所有的键值对全部带走.
一、list 类型
1.1、操作命令
list 的内部结构类似于 “双端队列”（deque），元素是有序的，并且允许元素重复，因此头插和尾插的效率很高，可以当作一个 栈 / 队列 来使用，约定最左侧元素下标是 0，并且是是支持负数下标.
Redis 早期作为消息队列就是通过 List 来实现的，后面又提供了一种 stream 这种功能更加强大的类型来实现.
Ps："有序" 的含义一定要根据上下文来区分，有的时候谈到有序指的是 “升序” 和 “降序” ，有的时候，指的是顺序很关键（如果把元素位置颠倒，顺序调换，那么新的 list 和之前的 list 是不对等的）~
就像面试的时候问你谈谈对 “栈 / 堆” 的理解，那么一定不要一上来就回答，而是要问清楚，到底是问数据结构中的，还是操作系统中的，还是 JVM 中.
lpush / rpush（插入元素）
lpush 和 rpush 都是用来插入元素的，分别是从左右两侧插入元素，一次可以一个或多个，例如插入 1 2 3 4 ，按照顺序使用 lpush 插入，插入完毕后，4 就是开头元素.（时间复杂度 O(1)）
LPUSH key element [element ...]
lrange（查看范围元素）
查看 list 中指定范围的元素，区间为 闭区间（Redis 中的区间都是 闭区间），同样支持负数下标.
LRANGE key start stop
Ps：Redis 中使用 lrange 如果下标超出范围，不会像 java 那样抛出异常，而是尽可能的获取到对应内容（有多少获取多少，超出的不管）
lpushx / rpushx （有约束的插入）
lpushx 表示有约束的从左侧插入一个或多个元素，只有当 key 存在时，才能将元素插入成功，不存在则插入失败，返回值为插入元素的个数（返回 0 表示插入失败）.
rpushx 与 lpushx 同理，rpushx 只是从右侧插入元素.
LPUSHX key element [element ...]
lpop / rpop（头删尾删）
lpop 表示从最左侧删除一个元素.
rpop 同理，从右侧删除一个元素.
LPOP keyPs：在 redis 6.2 之后新增了一个 count 参数， count 就描述了这次要删除的元素个数.
Ps：Redis 中 list 是一个双端队列，从两头插入 / 删除元素 都是非常高效的，因此
搭配使用 rpush 和 lpop ，就相当于队列.
搭配使用 rpush 和 rpop ，就相当于栈.
lindex（获取下标元素）
获取给定下标的对应元素，时间复杂度为 O(N)，此处的 N 指的是 list 中元素个数.
LINDEX key index
Ps：如果下标非法，返回 nil.
llen（长度）
获取 list 元素个数.
LLEN key
lrem（删除指定元素）
用来删除指定元素，并可以根据 count 来指定删除元素（element）的个数（list 中允许出现重复元素）.
LREM key count element当 count > 0 时，从最左侧删除元素 count 个 element 的元素
当 count < 0 时，从最右侧删除元素 count 个 element 的元素
当 count = 0 时，删除所有的 element 元素.
ltrim（保留区间）
LTRIM key start stop保留 start 到 stop 之间的元素（闭区间，并且删除 闭区间 之外的所有元素）
Redis 的官方文档中还给出了访问控制列表（redis 6 及以上版本支持），acl 就是给每一个命令都打上标签，这样管理员就可以给每一个 redis 用户配置不同的权限（允许该用户可以执行哪些命令）.这不是一个知识点，只是用到的时候查一下配置怎么写.
lset （根据下标修改元素）
用来根据指定下标修改元素，处理的时间复杂度为 O(N).
LSET key index element
Ps：这里不会像 lindex 那样下标越界能很好的处理，lset 下标越界就会报错.
blpop / brpop（阻塞删除）
这类似于阻塞队列（BlockingQueue）实现生产者消费者模型，阻塞就表示当前的线程不再往后执行了，满足一定条件以后才被唤醒.
在 redis 中的 list 只支持 "队列为空" 的情况，不考虑 "队列满"，具体规则如下：
- 如果 list 中 存在元素， blpop 和 brpop 就和 lpop 以及 rpop 作用完全相同.
- 如果 list 中为空，blpop 和 brpop 就会产生阻塞，一直阻塞到队列不为空为止.
- 可以显式设置阻塞时间，并且阻塞期间可以执行其他命令（阻塞期间并不会对 redis 服务器产生负面影响）.
- 命令中若设置了多个键，那么会从左向右进行遍历，一旦有一个键对应列表中可以弹出的元素，命令立即返回.
- 如果有多个客户端同时执行 blpop，则先执行命令的客户端得到弹出的元素(（这就像是有一个女神，但是有多个屌丝去追，当女神有空了以后，哪个先约的，哪个人就能先约到女神）.
blpop 和 brpop 两个阻塞命令，主要用途就是用来做 "消息队列"，但是这两命令的功能还是比较有限的（实现消息队列我们一般不用 redis）.
BLPOP key [key ...] timeoutPs：此处的超时时间，单位是 秒（redis 5）， redis 6 超时时间允许设置成小数.
1.针对一个空队列进行操作，就阻塞住了~
2.再开启一个 redis 客户端，向 key1 中再塞一个元素阻塞就解除了.
针对多个 key 进行操作，哪个 key 先放入元素，就取哪个~
1.2、内部编码方式
在 redis 早期的版本中，有以下两种编码方式：
- linkedlist：双向链表，当一个 list 包含了数量比较多的元素，又或者 list 中包含的元素都是比较长的字符串时，Redis就会使用 linkedlist 作为 list 的底层实现。
- ziplist：压缩列表，当哈希表里的元素比较少的时候，就优化成了 ziplist 了，能够节省空间（压缩的原因：redis 上有很多 key，可能某些 key 的 value 是 hash，此时如果 key 特别多，对应的 hash 也特别多，但是每个 hash 又不是特别大的情况下，就尽量去压缩，让整体占用内存更小了）；
现在的 redis 中 list 内部编码为 quicklist，包含了以上两种编码方式的有优点.
quick 相当于是 链表 和 压缩列表 的结合，整体还是一个双向链表，链表的每一个节点是一个压缩列表（控制链表每个节点不能过大）.
之前的 list-max-ziplist-entries 配置 和 list-max-ziplist-value 都不在使用了，现在使用的配置是 list-max-ziplist-size .
1.3、使用场景
表示多表之间的关联关系
可以将 list 作为 "数组" 这样的结构来存储多个元素，例如现在有学生和班级两张表，使用 hash + list 的方式就可以将 学生和班级信息关联起来.
一般消息对列
通过 blpop / brpop 就可以实现生产者消费者模型.
当有多个消费者时，谁先执行 brpop 命令，谁就能先拿到元素，像这样的设定，就能构成一个 “轮询” 的效果~
假设消费者执行顺序执行的顺序是1、2、3，当新的元素到来的时候，消费者1 就可以先拿到元素，之后 消费者1 还想继续消费，就需要重新执行 brpop ，执行后就意味 消费者1 的执行顺序被排到了最后，之后每个消费者都依次轮询...
频道（多列表）消息队列
多列表这种场景也是很常见的，例如抖音这个软件，一个通道来了可以传输短视频、另一个通道来了，可以传输弹幕、还有...这样多个通道就实现了解耦操作，互不干扰.
微博列表
每个用户都有属于⾃⼰的 Timeline（微博列表），现需要分页展示列表。此时可以考虑使用 列表，因为列表不但是有序的，同时⽀持按照索引范围获取元素。
分页获取用户用户前 10 个文章伪代码，如下：
keylist = lrange user:1:mblogs 0 9
for key in keylist {
hgetall key
}每一页有多少数据是不确定的，有可能触发很多 hgetall 操作，导致过多的网路请求
正确的解决办法就是分流水线去做，假设某个用户发了 1w 个微博，长度就是 1w ，我们就可以把中 1w 数据拆成 10 份，每个就是 1k .
