缓存神器Redis的五种数据类型及使用 _Redis

redis作为Nosql的代表，想必大家已经再熟悉不过了，除了作为缓存来使用，Redis还提供了其他很多有用的功能，例如可作为消息队列、分布式锁、不隆过滤器、限流等功能使用。今天先来说一说redis作为缓存使用，提供了5 种基础数据结构，分别为：string (字符串)、list (列表)、set (集合)、hash (哈希) 和 zset (有序集合) 。

文章插图

一、string (字符串)
字符串 string 是 Redis 最简单的数据结构。Redis 所有的数据结构都是以唯一的 key 字符串作为名称，然后通过这个唯一key值来获取相应的 value 数据。不同类型的数据结构的差异就在于value 的结构不一样。字符串结构使用非常广泛，一个常见的用途就是缓存用户信息。我们将用户信息结构体使用 JSON 序列化成字符串，然后将序列化后的字符串塞进 Redis 来缓存。同样，取用户信息会经过一次反序列化的过程。Redis 的字符串是动态字符串，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，字符串最大长度为 512M 。使用命令如下：
设置键值对：set [key] [value]
获取对应键的值：get [key]
批量操作键值对：mset [key] [value] [key] [value] [key] [value] ...
批量获取对应键的值：mget [key] [key] [key]...
批量操作可以节省网络耗时开销。

文章插图

可以对 key 设置过期时间，到点自动删除，这个功能常用来控制缓存的失效时间。在保证缓存是热点数据或者保证缓存和数据库一致性的解决方案时，设置失效时间是必不可少的。还有就是整数的自增或者自减功能，如果 value 值是一个整数，可以对它进行自增操作。自增是有范围的，它的范围是signed long 的最大最小值，超过了这个值，Redis 会报错。
设置过期可以用set+expire的组合，但是保证不了原子性，如果想保证原子性，就用setex命令：

文章插图

关于自增和自减：
incr/decr：自增/自减 1
incrby/decrby [key] [num]：自增/自减 num

文章插图

二、list (列表)
Redis 的列表相当于 Java 语言里面的 LinkedList，注意它是链表而不是数组。链表由于有前后节点，特点是插入和删除快，查询慢；数组由于有索引，所以特点是查询快，但是插入和删除慢；这意味着 list 的插入和删除操作非常快，时间复杂度为 O(1)，但是索引定位很慢，时间复杂度为 O(n) 。当列表弹出了最后一个元素之后，该数据结构自动被删除，内存被回收。Redis 的列表结构常用来做异步队列使用。将需要延后处理的任务结构体序列化成字符串塞进 Redis 的列表，另一个线程从这个列表中轮询数据进行处理。
操作命令：

Lpush——先进后出，在列表头部插入元素Rpush——先进先出，在列表的尾部插入元素Lrange——出栈，根据索引，获取列表元素Lpop——左边出栈，获取列表的第一个元素Rpop——右边出栈，获取列表的最后一个元素Lindex——根据索引，取出元素Llen——链表长度，元素个数Lrem——根据key，删除n个valueLtrim——根据索引，删除指定元素Lset——根据index，设置valueLinsert before——根据value，在之前插入值Linsert after——根据value，在之后插入值BLPOP/BRPOP key -- 移出并获取列表的第一个元素，如果列表没有元素会阻塞列表直到等待超时或发现可弹出元素为止BRPOPLPUSH source destination timeout -- 从列表中弹出一个值，将弹出的元素插入到另外一个列表中并返回它； 如果列表没有元素会阻塞列表直到等待超时或发现可弹出元素为止 。LPUSHX -- 将一个值插入到已存在的列表头部

文章插图

命令lindex 相当于 Java 链表的 get(int index)方法，它需要对链表进行遍历，性能随着参数 index 增大而变差。如果再深入一点，你会发现 Redis 底层存储的还不是一个简单的linkedlist，而是称之为快速链表 quicklist 的一个结构。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，而且会加重内存的碎片化。快速列表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。