Redis基本概念

什么是Redis

官方文档

Redis(Remote Dictionary Server) Redis 是一个开源的使用 ANSIC 语言编写、遵守 BSD 协议、支持网络、可基于内存亦可持久化的日志型、Key-Value 数据库，并提供多种语言的 API 的非关系型数据库。

传统数据库遵循 ACID 规则。而 Nosql（Not Only SQL 的缩写，是对不同于传统的关系型数据库的数据库管理系统的统称）一般为分布式而分布式一般遵循 CAP 定理。

存储位置：内存

内存和硬盘的区别：内存：存储速度快，断电数据消失

磁盘：存储速度慢，持久化存储

使用场景：

Redis的数据key-value类型，存储在内存中的，因此Redis的读写速度快，每秒可以处理超过十万次的读写操作所以常应用于数据量非常的大，查询频率高的情况。

1.app首页流量高峰，大型秒杀活动，高速的读写活动以及大量的数据会将MySQL压垮

2.不需要持久化存储的操作，短信验证码，登录验证码，点赞数（点赞取消动作频繁，且高并发场景）

3.分布式锁

4.分布式缓存

数据结构：key-value键值对方式存储

key：string类型

value：string，hash，list，set，zset

以及两种特殊的数据类型：Geospatial，BloomFilter（布隆过滤器)

String（最常用）

incr指令通常用于点赞操作，A,B在刷视频时，在刷到同一个视频时，该视频的点赞数为200，AB同时点赞各自自增为201，最终新值总为202，这就是原子自增性。

常见指令

set name zhencong --存放字符串键值对

mset name zhencong age 18 --批量存放键值对

SETNX name zhencong --如果不存在key为name，那么就设置value（分布式锁的原理）

get name -- 获取key

mget name age --批量获取key

DEL key -- 删除key

expire key 60 --设置过期时间，单位为秒

INCR key -- 将key中存储的数字加1

DECR key -- 将key中存储的数字减1

INCRBY key 2 --将key中存储的值都加上2

DECRBY key 2 --将key中存储的值都减去2

set name 张三 age 18 sex 男

在部分场景中，可以当做存储对象来使用

使用场景

小视频文章等点赞，浏览量

HASH（哈希)

常见指令

hset hash name zhencong --设置值，

hget hash name -- 获取值

hmset hash name zhencong age 18 --批量设置

hmget hash name age --批量获取

hgetall hash 获取key的所有值

hkeys hash 获取hashmap中所有的key

hvals hash 获取hashmap中所有的value

使用场景

存储部分数据的更改，用户操作时暂存用户数据信息

List(列表)

常见指令

rpush myList valule1                    --向 list 的右侧（list的尾部)添加元素

rpush myList value2 value3         --向list的右侧（list的尾部)添加多个元素

lpush myList valule1 --向 list 的头部（左侧）添加元素

lpush myList value2 value3         --向list的头部添加多个元素

lpop myList                                 # 将 list的尾部(最左边)元素取出

rpop myList2 value1                 --尾插

特殊使用

lpush+lpop=Stack（栈） //rpush+rpop

lpush+rpop=Queue（队列）

lpsh+ltrim=Capped Collection（有限集合）

lpush+brpop=Message Queue（消息队列）

使用场景

更新日志等，与此同时搭配LTRIM保存最新的n条日志。list的使用较为特殊，不同组合搭配使用成为栈，队列等数据结构

Set(集合)

当你需要存储一个没有重复数据的列表时就可以选择set，同时set也可以判断某个数据在不在集合里面。（和list的对比：无序，去重）

使用场景

好友列表

Zset(有序集合）

有序的字符串集合，无重复数据（有序，去重）

使用场景：排行榜。

Geospatial

使用场景：比如美团的地图部分使用，可以表示二维坐标，支持范围查询和距离查询

BloomFilter

使用场景：海量数据的查找，但是概率不是百分百

在该数据结构中，存储的是hash值，所以使得占用空间小，但是对于不同对象，hash值存在相同的可能，这也是不能达到百分百的原因。

这也是为什么重写hashcode和重写equals必须搭配的原因

正常情况下，对比hash值后会对比二者的属性，因为hash值存在相等的可能性，如果只是单纯的对比hash，那么判断两个对象相等就会出错。