「Redis」02 Redis中的数据类型（含Redis6.0：Bitmaps、HyperLogLog、Geospatial）

创始人

2024-03-06 22:24:46

0次

笔记整理自【尚硅谷】Redis 6 入门到精通超详细教程

Redis——Redis中的数据类型

0. 键 (key) 操作

keys *：查看当前库所有 key
exists key：判断某个 key 是否存在
type key：查看你的 key 是什么类型
del key ：删除指定的 key 数据
unlink key：根据 value 选择非阻塞删除，仅将 keys 从 keyspace 元数据中删除，真正的删除会在后续异步操作
expire key 10 ：为给定的 key 设置过期时间
ttl key：查看还有多少秒过期，−1-1−1 表示永不过期，−2-2−2 表示已过期
select：命令切换数据库
dbsize：查看当前数据库的 key 的数量
flushdb：清空当前库
flushall：通杀全部库

1. 五大常用数据类型

Ⅰ. String (字符串)

简介

String 类型是 Redis 最基本的数据类型，一个 key 对应一个 value，一个 Redis 中字符串 value 最多可以是 512M。
String 类型是二进制安全的。意味着 Redis 的 string 可以包含任何数据。比如 jpg 图片或者序列化的对象。

常用命令

set ：添加键值对
- NXNXNX：当数据库中 key 不存在时，可以将 key-value 添加数据库。
- XXXXXX：当数据库中 key 存在时，可以将 key-value 添加数据库，与 NXNXNX 参数互斥。
- EXEXEX：key 的超时秒数。
- PXPXPX：key 的超时毫秒数，与 EXEXEX 互斥。
get ：查询对应键值
append ：将给定的追加到原值的末尾
strlen ：获得值的长度
setnx ：只有在 key 不存在时，设置 key 的值
incr ：将 key 中储存的数字值增 111，只能对数字值操作，如果 key 为空，新增 value 值为 111（具有原子性）
decr ：将 key 中储存的数字值减 111，只能对数字值操作，如果 key 为空，新增 value 值为 −1-1−1（具有原子性）
incrby/decrby <步长>：将 key 中储存的数字值增减。自定义步长
- 原子性
- 所谓原子操作是指不会被线程调度机制打断的操作，这种操作一旦开始，就一直运行到结束，中间不会有任何 context switch （切换到另一个线程）。
- 在单线程中，能够在单条指令中完成的操作都可以认为是"原子操作"，因为中断只能发生于指令之间。
- 在多线程中，不能被其它进程（线程）打断的操作就叫原子操作。
- Redis单命令的原子性主要得益于Redis的单线程。
mset ：同时设置一个或多个 key-value 对
mget ...：同时获取一个或多个 value
msetnx ... ：同时设置一个或多个 key-value 对，当且仅当所有给定 key 都不存在
- 原子性，有一个失败则都失败
getrange <起始位置><结束位置>：获得值的范围（类似 java 中的 substring，前包，后包）
setrange <起始位置>：用覆写所储存的字符串值，从<起始位置>开始（索引从 000 开始）
setex <过期时间>：设置键值的同时，设置过期时间，单位秒
getset ：以新换旧，设置了新值同时获得旧值

数据结构

String 的数据结构为简单动态字符串（Simple Dynamic String，缩写SDS）。是可以修改的字符串，内部结构实现上类似于 Java 的 ArrayList，采用预分配冗余空间的方式来减少内存的频繁分配。

内部为当前字符串实际分配的空间capacity一般要高于实际字符串长度len。当字符串长度小于 1M 时，扩容都是加倍现有的空间，如果超过 1M，扩容时一次只会多扩 1M 的空间。需要注意的是字符串最大长度为 512M。

Ⅱ. List (列表)

简介

单键多值
Redis 列表是简单的字符串列表，按照插入顺序排序。你可以添加一个元素到列表的头部（左边）或者尾部（右边）。
它的底层实际是个双向链表，对两端的操作性能很高，通过索引下标的操作中间的节点性能会较差。

常用命令

lpush/rpush ....：从左边/右边插入一个或多个值。

lpush k1 v1 v2 v3
lrange k1 0 -1
输出：v3 v2 v1rpush k1 v1 v2 v3
rrange k1 0 -1
输出：v1 v2 v3

lpop/rpop ：从左边/右边吐出一个值。值在键在，值光键亡。
rpoplpush ：从列表右边吐出一个值，插到列表左边。
lrange ：按照索引下标获得元素（从左到右）
- Ex：lrange mylist 0 -1：000：左边第一个，−1-1−1：右边第一个，（0−10\ -10 −1 表示获取所有）
lindex ：按照索引下标获得元素（从左到右）
llen ：获得列表长度
linsert before/after ：在的前面/后面插入插入值
lrem ：从左边删除 n 个 value（从左到右）
lset：将列表 key 下标为 index 的值替换成 value

数据结构

List 的数据结构为快速链表 quickList。
首先在列表元素较少的情况下会使用一块连续的内存存储，这个结构是 ziplist，也即是压缩列表。
它将所有的元素紧挨着一起存储，分配的是一块连续的内存。
当数据量比较多的时候才会改成 quicklist。
因为普通的链表需要的附加指针空间太大，会比较浪费空间。比如这个列表里存的只是 int 类型的数据，结构上还需要两个额外的指针 prev 和 next。
Redis 将链表和 ziplist 结合起来组成了 quicklist。也就是将多个 ziplist 使用双向指针串起来使用。这样既满足了快速的插入删除性能，又不会出现太大的空间冗余。

Ⅲ. 集合 (Set)

简介

Set 对外提供的功能与 List 类似列表的功能，特殊之处在于 Set 是可以 自动排重 的，当需要存储一个列表数据，又不希望出现重复数据时，Set 是一个很好的选择，并且 Set 提供了判断某个成员是否在一个 Set 集合内的重要接口，这个也是 List 所不能提供的。
Redis 的 Set 是 String 类型的无序集合。
它底层其实是一个 value 为 null 的 hash 表，所以添加，删除，查找的 复杂度都是 O(1)O(1)O(1)。
一个算法，随着数据的增加，执行时间的长短，如果是 O(1)O(1)O(1)，数据增加，查找数据的时间不变。

常用命令

sadd ..... ：将一个或多个 member 元素加入到集合 key 中，已经存在的 member 元素将被忽略
smembers ：取出该集合的所有值。
sismember ：判断集合是否为含有该值，有返回 111，没有返回 000
scard：返回该集合的元素个数。
srem ....：删除集合中的某个元素
spop ：随机从该集合中吐出一个值
srandmember ：随机从该集合中取出 n 个值，不会从集合中删除
smove value：把集合中一个值从一个集合移动到另一个集合
sinter ：返回两个集合的交集元素
sunion ：返回两个集合的并集元素
sdiff ：返回两个集合的差集元素（key1 中的，不包含 key2 中的）

数据结构

Set 数据结构是字典，字典是用哈希表实现的。
Java 中 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。

Ⅳ. 哈希 (Hash)

简介

Redis hash 是一个键值对集合。
Redis hash 是一个 string 类型的 field 和 value 的映射表，hash 特别适合用于存储对象。
类似 Java 里面的 Map

常用命令

hset ：给集合中的键赋值
hget ：从集合取出 value
hmset ...：批量设置 hash 的值
hexists ：查看哈希表 key 中，给定域 field 是否存在
hkeys ：列出该 hash 集合的所有 field
hvals ：列出该 hash 集合的所有 value
hincrby ：为哈希表 key 中的域 field 的值加上增量 111 −1-1−1
hsetnx ：将哈希表 key 中的域 field 的值设置为 value ，当且仅当域 field 不存在

数据类型

Hash 类型对应的数据结构是两种：ziplist（压缩列表），hashtable（哈希表）。
当 field-value 长度较短且个数较少时，使用 ziplist，否则使用 hashtable。

Ⅴ. 有序集合 (ZSet - Sorted Set)

简介

Redis 有序集合 zset 与普通集合 set 非常相似，是一个没有重复元素的字符串集合。
不同之处是有序集合的每个成员都关联了一个评分（score），这个评分（score）被用来按照从最低分到最高分的方式排序集合中的成员。集合的成员是唯一的，但是评分可以是重复的。
因为元素是有序的，所以可以很快的根据评分（score）或者次序（position）来获取一个范围的元素。
访问有序集合的中间元素也是非常快的，因此能够使用有序集合作为一个没有重复成员的智能列表。

常用命令

zadd …：将一个或多个 member 元素及其 score 值加入到有序集 key 当中
zrange [WITHSCORES] ：返回有序集 key 中，下标在之间的元素
- 带 WITHSCORES，可以让分数一起和值返回到结果集
zrangebyscore key min max [withscores] [limit offset count]：返回有序集 key 中，所有 score 值介于 min 和 max 之间（包括等于 min 或 max ）的成员。有序集成员按 score 值递增（从小到大）次序排列。
zrevrangebyscore key max min [withscores] [limit offset count] ：同上，改为从大到小排列
zincrby ：为元素的 score 加上增量
zrem ：删除该集合下，指定值的元素
zcount ：统计该集合，分数区间内的元素个数
zrank ：返回该值在集合中的排名，从 0 开始。

案例

如何利用 zset 实现一个文章访问量的排行榜？

数据结构

Sorted Set (zset) 是 Redis 提供的一个非常特别的数据结构，一方面它等价于 Java 的数据结构 Map，可以给每一个元素 value 赋予一个权重 score，另一方面它又类似于 TreeSet，内部的元素会按照权重 score 进行排序，可以得到每个元素的名次，还可以通过 score 的范围来获取元素的列表。
zset 底层使用了两个数据结构：
- hash，hash 的作用就是关联元素 value 和权重 score，保障元素 value 的唯一性，可以通过元素 value 找到相应的 score 值
- 跳跃表，跳跃表的目的在于给元素 value 排序，根据 score 的范围获取元素列表

跳跃表（跳表）

简介

有序集合在生活中比较常见，例如根据成绩对学生排名，根据得分对玩家排名等。对于有序集合的底层实现，可以用数组、平衡树、链表等。数组不便元素的插入、删除；平衡树或红黑树虽然效率高但结构复杂；链表查询需要遍历所有效率低。Redis 采用的是跳跃表。跳跃表效率堪比红黑树，实现远比红黑树简单。

实例

对比有序链表和跳跃表，从链表中查询出 515151

有序链表

要查找值为 515151 的元素，需要从第一个元素开始依次查找、比较才能找到。共需要 666 次比较。
跳跃表

从第 222 层开始，111 节点比 515151 节点小，向后比较。

212121 节点比 515151 节点小，继续向后比较，后面就是 NULL 了，所以从 212121 节点向下到第 111 层

在第 111 层，414141 节点比 515151 节点小，继续向后，616161 节点比 515151 节点大，所以从 414141 向下

在第 000 层，515151 节点为要查找的节点，节点被找到，共查找 444 次。

跳跃表在某些情况下比有序链表效率要高。

2. Redis6.0新增的数据类型

Ⅰ. Bitmaps

简介

现代计算机用二进制（位）作为信息的基础单位， 1个字节等于8位，例如“abc”字符串是由3个字节组成，但实际在计算机存储时将其用二进制表示， “abc”分别对应的ASCII码分别是97、 98、 99，对应的二进制分别是01100001、 01100010和01100011，如下图：

合理地使用操作位能够有效地提高内存使用率和开发效率。

Redis 提供了 Bitmaps 这个“数据类型”可以实现对位的操作：

Bitmaps 本身不是一种数据类型， 实际上它就是字符串（key-value），但是它可以对字符串的位进行操作。
Bitmaps 单独提供了一套命令，所以在 Redis 中使用 Bitmaps 和使用字符串的方法不太相同。可以把 Bitmaps 想象成一个以位为单位的数组，数组的每个单元只能存储 000 和 111，数组的下标在 Bitmaps 中叫做偏移量。

常用命令

setbit：设置 Bitmaps 中某个偏移量的值（000 或 111）
- offset：偏移量从 000 开始
- 实例
  
  每个独立用户是否访问过网站存放在 Bitmaps 中，将访问的用户记做 111，没有访问的用户记做 000，用偏移量作为用户的 id。
  
  设置键的第 offset 个位的值（从 000 算起），假设现在有 202020 个用户，userid=1，6，11，15，19userid=1，6，11，15，19userid=1，6，11，15，19 的用户对网站进行了访问，那么当前 Bitmaps 初始化结果如图：
  
  unique:users:20201106 代表 2020-11-06 这天的独立访问用户的 Bitmaps
getbit：获取 Bitmaps 中某个偏移量的值
- 获取键的第 offset 位的值（从 000 开始算）
- 实例
  
  获取 id=8id=8id=8 的用户是否在 2020-11-06 这天访问过，返回 000 说明没有访问过：
  
  注：因为 100100100 根本不存在，所以也是返回 000。
bitcount[start end]：统计字符串从 start 字节到 end 字节比特值为 111 的数量
- 统计字符串被设置为 111 的 bit 数。一般情况下，给定的整个字符串都会被进行计数，通过指定额外的 start 或 end 参数，可以让计数只在特定的位上进行。start 和 end 参数的设置，都可以使用负数值：比如 −1-1−1 表示最后一个位，而 −2-2−2 表示倒数第二个位，start、end 是指 bit 组的字节的下标数，二者皆包含。
- 注意：redis 的 setbit 设置或清除的是 bit 位置，而 bitcount 计算的是 byte 位置。
- 举例
  
  K1 [01000001 01000000 00000000 00100001]，对应 [0，1，2，3]
```
bitcount K1 1 2  ： 统计下标1、2字节组中bit=1的个数，即 01000000 00000000
=> bitcount K1 1 2 　　=> 1bitcount K1 1 3  ： 统计下标1、2、3字节组中bit=1的个数，即 01000000 00000000 00100001
=> bitcount K1 1 3　　 => 3bitcount K1 0 -2  ： 统计下标0到下标倒数第2，字节组中bit=1的个数，即 01000001 01000000 00000000
=> bitcount K1 0 -2　　=> 3
```
bitop and(or/not/xor) [key…]：bitop 是一个复合操作，它可以做多个 Bitmaps 的 and（交集）、or（并集）、not（非）、xor（异或）操作并将结果保存在 destkey 中。
- 实例
  
  2020-11-04 日访问网站的 userid=1,2,5,9userid=1,2,5,9userid=1,2,5,9
```
setbit unique:users:20201104 1 1
setbit unique:users:20201104 2 1
setbit unique:users:20201104 5 1
setbit unique:users:20201104 9 1
```
  2020-11-03 日访问网站的 userid=0,1,4,9userid=0,1,4,9userid=0,1,4,9
```
setbit unique:users:20201103 0 1
setbit unique:users:20201103 1 1
setbit unique:users:20201103 4 1
setbit unique:users:20201103 9 1
```
  计算出两天都访问过网站的用户数量：
```
bitop and unique:users:and:20201104_03 unique:users:20201103 unique:users:20201104
```
  计算出任意一天都访问过网站的用户数量（例如月活跃就是类似这种），可以使用 or 求并集：

Bitmaps 与 set 对比

假设网站有1亿用户，每天独立访问的用户有5千万，如果每天用集合类型和 Bitmaps 分别存储活跃用户可以得到表

很明显，这种情况下使用 Bitmaps 能节省很多的内存空间，尤其是随着时间推移节省的内存还是非常可观的。

但 Bitmaps 并不是万金油，假如该网站每天的独立访问用户很少，例如只有10万（大量的僵尸用户），那么两者的对比如下表所示，很显然，这时候使用 Bitmaps 就不太合适了，因为基本上大部分位都是 000。

Ⅱ. HyperLogLog

简介

在工作当中，我们经常会遇到与统计相关的功能需求，比如统计网站 PV（PageView，页面访问量），可以使用 Redis 的 incr、incrby 轻松实现。

但像 UV（UniqueVisitor，独立访客）、独立 IP 数、搜索记录数等需要去重和计数的问题如何解决？这种求集合中不重复元素个数的问题称为基数问题。

解决基数问题有很多种方案：

数据存储在 MySQL 表中，使用 distinct count 计算不重复个数
使用 Redis 提供的 hash、set、bitmaps 等数据结构来处理

以上的方案结果精确，但随着数据不断增加，导致占用空间越来越大，对于非常大的数据集是不切实际的。

能否能够降低一定的精度来平衡存储空间？Redis 推出了 HyperLogLog。

Redis HyperLogLog 是用来做基数统计的算法，HyperLogLog 的优点是，在输入元素的数量或者体积非常非常大时，计算基数所需的空间总是固定的、并且是很小的。

在 Redis 里面，每个 HyperLogLog 键只需要花费 12KB 内存，就可以计算接近 2642^{64}264 个不同元素的基数。这和计算基数时，元素越多耗费内存就越多的集合形成鲜明对比。

但是，因为 HyperLogLog 只会根据输入元素来计算基数，而不会储存输入元素本身，所以 HyperLogLog 不能像集合那样，返回输入的各个元素。

什么是基数?

比如数据集 {1,3,5,7,5,7,8}\{1, 3, 5, 7, 5, 7, 8\}{1,3,5,7,5,7,8}，那么这个数据集的基数集为 {1,3,5,7,8}\{1, 3, 5 ,7, 8\}{1,3,5,7,8}，基数（不重复元素数）为 555。
基数估计就是在误差可接受的范围内，快速计算基数。

常用命令

pfadd [element ...]：添加指定元素到 HyperLogLog 中
- 将元素添加到指定HyperLogLog数据结构中。如果执行命令后 HLL 估计的近似基数发生变化，则返回 111，否则返回 000。
pfcount [key ...]：计算 HLL 的近似基数，可以计算多个 HLL，比如用 HLL 存储每天的 UV，计算一周的 UV 可以使用 777 天的 UV 合并计算即可
pfmerge [sourcekey ...]：将一个或多个 HLL 合并后的结果存储在另一个 HLL 中，比如每月活跃用户可以使用每天的活跃用户来合并计算可得

Ⅲ. Geospatial

简介

Redis 3.2 中增加了对 GEO 类型的支持。GEO，Geographic，地理信息的缩写。该类型，就是元素的二维坐标，在地图上就是经纬度。redis基于该类型，提供了经纬度设置，查询，范围查询，距离查询，经纬度Hash等常见操作。

常用命令

geoadd [longitude latitude member...]：添加地理位置（经度，纬度，名称）
- 实例
```
geoadd china:city 121.47 31.23 shanghai
geoadd china:city 106.50 29.53 chongqing 114.05 22.52 shenzhen 116.38 39.90 beijing
```
  两极无法直接添加，一般会下载城市数据，直接通过 Java 程序一次性导入。
  
  有效的经度从 −180-180−180 度到 180180180 度。有效的纬度从 −85.05112878-85.05112878−85.05112878 度到 85.0511287885.0511287885.05112878 度。
  
  当坐标位置超出指定范围时，该命令将会返回一个错误。
  
  已经添加的数据，是无法再次往里面添加的。
geopos [member...]：获得指定地区的坐标值

geodist [m|km|ft|mi]：获取两个位置之间的直线距离

实例

获取两个位置之间的直线距离

单位

m 表示单位为米[默认值]。
km 表示单位为千米。
mi 表示单位为英里。
ft 表示单位为英尺。
如果用户没有显式地指定单位参数， 那么 GEODIST 默认使用米作为单位

georadiusradius m|km|ft|mi：以给定的经纬度为中心，找出某一半径内的元素
- 实例

上一篇：vue 新增枚举类型栏位

下一篇：C++ bool类型变量cin输入true，输出结果却是false？是因为cin输入的true会被当成字符串，所以bool变量原值不变吗？

「Redis」02 Redis中的数据类型（含Redis6.0：Bitmaps、HyperLogLog、Geospatial）

Redis——Redis中的数据类型

0. 键 (key) 操作

1. 五大常用数据类型

Ⅰ. String (字符串)

Ⅱ. List (列表)

Ⅲ. 集合 (Set)

Ⅳ. 哈希 (Hash)

Ⅴ. 有序集合 (ZSet - Sorted Set)

跳跃表（跳表）

2. Redis6.0新增的数据类型

Ⅰ. Bitmaps

Ⅱ. HyperLogLog

Ⅲ. Geospatial

相关内容

热门资讯