redis的基础数据结构

1.String

常见命令：set get incry decr

2. hash

常见命令：hmset hmget hkeys

3. set(集合)

常见命令：sadd smembers

4. list

常见命令：lpush lpop

5. zset (有序集合)

常见命令：zadd
zcard (获取有序集合的成员数)
zremrangebyscore (命令用于移除有序集中，指定分数（score）区间内的所有成员)
zrange (通过索引区间返回有序集合指定区间内的成员)

6.HyperLogLog

作用：是用来做基数统计的算法，每个key只需要花费 12 KB 内存 标准误差在0.81%
常见命令；pfadd pfcount
使用场合：用于统计UV 和PV

7.GeoHash

简单介绍：如果利用数据库来算"附近的人"？如果使用关系型数据库，如何存储?大家都用过摩拜单车 ，就会查看附近的车辆。Redis 提供了Geo 指令 一共有6个
常见命令：
geoadd 指令携带集合名称和经纬度以及三元组
geoadd company 118.2901 39.0909 alibaba
geoadd company 209.2102 39.9028 jd
geolist 指令计算两个元素之间的距离，携带集合名称，距离单位。
geolist company alibaba jd km
geohash 获取元素的hash 值
geohash company jd 返回的是base32位编码。
georadiusbymember 指令用来查询指定元素附近其他的元素。
georadiusbymember company jd km count 3 asc 范围20公里以内最多3个元素按照距离正序排列。

8.布隆过滤器

应用场景：我们在使用新闻客户端看新闻时，他会给我们推荐新的内容，他每次推荐都会去重，去掉那些看过的内容。如果历史记录存再关系型数据库里，需要频繁的exists查询,当系统并发量很高时，数据库是很难抗拒压力的。
常见命令:bf.add bf.exists (bf.madd和bf.mexists)
缺点：不是特别精确，会误判，也不是特别不准确，只要参数设置合理，它的准确的可以很高。

9.位图

开发场景:平时开发中，我们都需要对一些bool 类型的数据进行存取，比如用户一年签到的数据。签了为1 没签到就是0 。如果有普通的key/value 那么当用户上亿 需要的存储空间 是惊人的。
为了解决这个问题我们可以使用redis提供的位图这种数据结构。每个签到就占一个位，365天就365个位。
常用命令：getbit setbit bitcount bitpop bitfield
Key的格式为u:sign:uid:yyyyMM

# 用户2月17号签到
setbit u:sign:1234:201802 16 1  # 偏移量是从0开始，所以要把17减1
# 检查2月17号是否签到
getbit u:sign:1234:201802 16
# 统计2月份的签到次数
bitcount u:sign:1000:201902
 获取2月份前28天的签到数据
bitfield u:sign:1000:201902 get u28 0
# 获取2月份首次签到的日期
bitpos u:sign:1000:201902 0 # 返回的首次签到的偏移量，加上1即为当月的某一天

redis的分布式锁

redis除了上述 应用 还可以用于做分布式锁。举个栗子
redis中缓存了一个int值 现在有两个客户端需要同时读取这个数，然后+20，次数就会出现并发问题 如下图

redis分布式锁.png

redis的分布式锁 其实就是占坑，当别的进程进来的时候，发现已经有人了，那么就会放弃或者稍后再试。
命令

setnx  //命令 
setnx lock:user:123 true
do something
del lock:user:123

那么就会出现问题，如果do something 出现异常了，锁就没有释放，这样就会永远陷入死锁，永远不会释放。

解决方案1. 给锁设置失效时间

setnx lock:user:123 true
expire lock:user:123 5
//do something
del lock:user:123

此时也会有问题 ，如果在加锁和设置锁超时之间服务器挂掉了，那么锁也不会得到释放，究其原因是因为：加锁和设置时间不是原子指令。如果这两条指令一起执行就不会有问题。
redis2.8 版本以上加入了set 指令的扩展，是的setnx 和expire一起执行，

set lock:user:123 true ex 5 nx ok
//do something
del lock:user:123

缺陷：
1.不能解决超时问题：如果加锁或者释放锁的执行时间过长，超出了锁的时间限制，就会出现问题。

利用redis做简单限流：

案例：如果有几片文章，我们限制这个用户几分钟内只能回复几次，就可以用redis来做简单限制
方案：我们使用zset 结构，score为时间戳，value唯一就行。可以把zset中的score看做一个窗口 ，我们只维护窗口以内的数据。

  /**
    userId:用户编号
    userAction:用户事件，比如点赞，回复评论。
     provit:限制事件，单位为秒
     maxcount:次数
    **/
    public boolean isAllowAction(int userId,String userAction,int provit,int maxCount) throws IOException {
        String key = String.format("userAction:%d:%d",userId,userAction);
        Jedis jedis = new Jedis();
        long systemTime = System.currentTimeMillis();
        Pipeline pipeline = jedis.pipelined();
        pipeline.multi();
        pipeline.zadd(key,systemTime,systemTime+"");
        pipeline.zremrangeByScore(key,0,systemTime - provit * 1000);
        Response<Long> userAccount = pipeline.scard(key);
        pipeline.expire(key,provit+1);
        pipeline.exec();
        pipeline.close();
        return userAccount.get() > maxCount;
    }

如何查询redis中的某个Key呢？

1.简单暴力用keys 和正则表达式 keys * ;如果redis中有成千上百万的key 这样会不会太慢了？而且keys 命令是遍历所有的Keys,如果在线上环境，使用改命令，则会造成redis卡顿，redis 为单线程。keys 命令的时间复杂度为O(n).
2.使用Scan命令 同keys 一样 他也提供了匹配的功能，提供了limit参数 返回结果可多可少。
命令:scan 0 match user_* count 1000; 一共有三个参数，第一个是cursor 整数值，第二个key则为正则表达式，第三个则为limit him (limit 1000 不是限定返回结果的数量，而是限定单次服务器遍历的字典槽位数量)