如东网站开发_建设网站怎么收费_宁波网站制作与推广价格_直通车优化推广

前言：

为什么要系统的重新认识一下redis？最近关注到一些小伙伴redis 使用只是停留在 get, set 这写简单命名中。对于复杂数据结构。也是很笨重的方式在实现，比如一个大的List 行数1000+，结果直接给你全取出来然后修改完再完全的放回去。并发稍微高点带宽跑满 CPU 爆了。整个系统三天两头出问题。

所以呢我觉得大家在对 redis 认识和使用过程中还是停留在表面。没有深入的了解和使用redis。

鸣谢：不要小看一个Redis！马士兵最新Redis从入门到精通全套教程开源：3天带你走向实战，让你掌握Redis面试所有核心知识！_哔哩哔哩_bilibili不要小看一个Redis！马士兵最新Redis从入门到精通全套教程开源：3天带你走向实战，让你掌握Redis面试所有核心知识！共计66条视频，包括：【redis体系课】1、redis的技术全景、【redis体系课】2、redis能否取代关系型数据库？、【redis体系课】3、Redis的版本选择与安装等，UP主更多精彩视频，请关注UP账号。https://www.bilibili.com/video/BV1PKDsYCEh2

缓存应用：

为什么要使用缓存？

        像计算机一样为什么要使用内存？。应为硬盘的使用读写很低，而 CPU处理速度很快。这个和时候 CPU 处理数据的速度跟不上硬盘读写数据的速度。这个时候就需要使用内存条做一个蓄水池的功能。先把数据加载到内存提供给CPU. 来加整个系统的速度；

我们的服务器应用一样的道理：（数据库读写数据和硬件关系很大这个数据只是中间值）

数据库的读取：   2000/s
数据库的写入：   600/s

如果所有的都走数据库，数据库必定扛不住，然后 redis 官方给的并发数值是 10万/s.。这个数值比数据库高很多。集群部署的话还能更多

数据类型

Redis 数据库使用标准C开发的，（C语言中 Sting类型实现为 char[] 数组， Redis 中的 String类型为自己实现的）

● String

set       设置一个数值
get       获取一个数值
getset 获取旧的值覆盖新的值，如果key 不存在返回 nil
append key value 给一个值追加字符串
setnx 不存在则设置成功，存在则失败
setxx 不存在则设置失败，存在则成功
mset 批量设置键值（提高效率）
mget 批量或者        （提高效率）
incr 自增
decr 自减
incrby incr_key2 3 自增并设置步长

● Hash

hser     key field value 一次设置一个 field 字段
hmset key field value field value 一次设置一个 field 字段
hget key field    获取 hash key 对应的字段
hget key field0 field1 field2 一次获取多个 hash field
hash 必须使用 hget get 不可用。 hmget 没有这个指令
hdel key   field
hlen key 获取指定hash 字段数目
hexists key filed 判断可以对应的 file 是否存在
hkeys key 所有field
hvals key 所有的值
hgetall key 所有的键值
HINCRBY key id 自增

● String 于 Hash 的使用场景

String：

优点：简单直观，每个键对应一个值
缺点：键数过多，占用内存多数据过于分散，不利于管理

将对象序列化为String：

优点：编程简单，序列化之后内存使用低
缺点：序列化和反序列化有一定开销查询不直观。需要查询整个字符串

Hash：建议表中的数据使用 hash

优点：简单直观，使用合理可以减少内存开销
缺点：老版本注意编码

● List

列表特点：

元素有序
元素可以重复

命令：

rpush key value0 value1 从右边插入数据
lpush key value0 value1 从左边插入
lrange key star stop 获取下标指定长度 -1 指到末尾
lpop key count 弹出元素左边开始
lrem key count value 删除 count 个 value
ltrim key start stop 截取开始到结束位置的作为新的（保留）
lset key index value 从左边设置第 index位置值为 value
lindex key index 获取指定位置 value
blpop key time 有数据时从左端拿去一个数据。当value为长度为0 的时候阻塞客户端（time时间，当time为0 一直堵塞直到有数据push 进来或者阻塞 time时间返回 nil)
brpop key time 有数据时从右端拿去一个数据。当value为长度为0 的时候阻塞客户端（time时间，当time为0 一直堵塞直到有数据push 进来或者阻塞 time时间返回 nil)

使用场景：支持范围的查询

● Set

集合特点：

无序，不能以下标方式获取数据
数据不重复
可做交集并集差集

命令：

sadd key value0 value1 value3 向集合中添加不重复的数据返回成功个数
srem value0 value3 返回成功个数改变元集合大小
smembers key 获取集合内容
scard key 获取集合元素个数
sismember key value 元素是否存在于集合返回 0/1
srandmember key count(可省略默认1个) 随机返回集合数据不改变元集合大小
spop key count (可省略默认1个) 弹出count 个元素改变元集合大小
sinter key1 key2 交集（含所有同时属于 A 和 B 的元素的集合）返回数据
sinterstore desKey key1 key2 求交集并输出到 desKey 集合
sunion key1 key2 并集（包含所有属于 A 或属于 B（或者两者都属于）的元素的集）
sunionstore desKey key1 key2 计算并集并输出到 desKey 集合
sdiff key1 key2 差集（包含所有属于 A 但不属于 B 的元素的集合和顺序有关）
sdiffstore desKey key1 key2 计算差集并输出到 desKey 集合

交集：含所有同时属于 A 和 B 的元素的集合
> sadd set1 a b c d e f
6
> sadd set2 e f h i g k
6
> sinter set1 set2
f
e
> sinterstore desSet set1 set2
2
> smembers desSet
e
f
并集：包含所有属于 A 或属于 B（或者两者都属于）的元素的集
> sadd set1 a b c d e f
6
> sadd set2 e f h i g k
6
> sunion set1 set2
i
e
d
c
b
a
f
g
k
h
差集：包含所有属于 A 但不属于 B 的元素的集合和顺序有关
> sadd set1 a b c d e f
6
> sadd set2 e f h i g k
6
> sdiff set1 set2
d
a
b
c
> sdiff set2 set1
h
g
k
i
> sdiff set1 set2
d
a
c
b
使用场景：打标签，去交集，

A用户喜欢：美女，旅游，看电影，夜店，读书，养花
B用户喜欢：美女，看电影，钓鱼，睡觉，唱歌，夜店
C用户喜欢：跑步，健身，交友，骑行

那么 A B 用户交集更多，可做好友

● Zset

有序集合：

命令：

zadd      key score value     向集合中添加一个元素
zadd nx key score value 向集合中添加一个不存在的元素，若存在则报错
zadd xx key score value 向集合中添加一个存在的元素，若不存在则报错
zcard key 返回元素个数
zscore key value   返回成员分数
zrank key value 返回分数对应的排名
zrevrank key value 反序查找对应的值的排名
zrem key value 删除指定的 value 返回删除个数 0 则没有
zincrby key count value 给指定 value 值累加 count 返回现有值
zrange key start stop 返回指定排名的 value
zrange key start stop withscores  返回指定排名的 value 和 score
zrevrange key start stop 反序查找
zrangebyscore key startscore stopscore 通过分数查找对应的value
zrangebyscore key -inf +inf   withscores   -inf/ +inf 通过分数查找对应的value,最大值最小值

应用场景：求两组 Zset 中的平均值两个zset 中都都存在 value
> zrange zset 0 -1 withscores
wanbo
90
bobo
105
jiieng
188
> zrange zset1 0 -1 withscores
bobo
90
marun
95
zzy
101
> zrange zsetavg 0 -1 withscores
bobo
97.5

● Bitmaps

特点：可参与位运算，压缩空间使用，它的值只能是 0 或者 1 适合存储和操作大量的布尔值数据支持对单个位或多个位进行设置、获取、统计等操作

命令：
setbit key offset value 设置bitmaps 某个位置的值
getbit key offset
bitcount key start stop 查找从开始位置到结束位置 value 为 1 的数量
> setbit 2025-04-17 0 1
0
> setbit 2025-04-17 1 1
0
> setbit 2025-04-17 2 1
0
> setbit 2025-04-17 99 1
0
> setbit 2025-04-16 99 1
0
> setbit 2025-04-16 2 1
0
> bitcount 2025-04-16 0 999
2
> bitcount 2025-04-17 0 999
4
应用场景：适用于需要高效存储和操作大量布尔值或二进制状态的场景，以下是具体应用

用户在线状态：
签到系统
权限管理
统计活跃用户

布隆过滤器与Bitmaps:

1970年布隆提出了一种布隆过滤器的算法。用来判断一个元素是否在一个集合中
这种算法由一个二进制数组和一个Hash 算法组成
场景：需要快速判断元素是否存在（如 URL 去重、恶意 IP 过滤）。
实现：通过多个 hash 函数将元素映射到 Bitmap 的不同位，1 表示可能存在，0 表示一定不存在。
优点：空间效率高，查询速度快。
布隆过滤器基于 hash 计算会有概率会发生，存在的不一定存在，不存在的一定不存在。可以通过算法减少或消除这种概率

缓存穿透的方案：

以数据库作为兜底的方案的查询操作。当 redis 缓存中不存在数据的时候，如果大量请求直接顶到数据库，数据库就会奔溃。这里可以采用布隆过滤器进行快速判断

拦截不存在缓存，防止大量数据查询顶到数据库

● HyperLogLog

如果要维护一个大型网站，有一个一个产品经理要网站每个网页每天的 UV（独立访客 Unique Visitor）数据。然后让你来开发这个统计模块。如何高效实现尽量少占用存储空间: HyperLogLog 是一种概率性数据结构，用于高效估算集合中唯一元素的基数（cardinality）去重

Redis 提供了 HyperLogLog 数据结构就是就是用来解决这种统计问题
HyperLogLog 提供不精确的去重计数方案，虽然不精确但是也不是非常不精确标准误差为 0.81%。这样的精确已经可以满足上面的 uv 统计需求
网站UV统计：估算网站每日独立访客数（IP去重），数据量大时节省内存。
大数据去重计数：如社交平台中统计帖子的独立浏览量或点赞用户数。
实时分析：快速统计大规模数据流中的唯一元素，如日志分析中的独立用户或设备。
广告系统：估算广告的独立曝光量或点击用户数。
数据库查询优化：在需要近似唯一计数时，替代精确去重以提高性能。
百万级用户访问网
处理方式\存储 1天 1个月 1年
集合 80M 2.4G 28G
HyperLogLog 15K 450K 5M

命令：

pfadd key vaule0 value1 value2 添加元素
pfcount key 获取元素数量
pfmerge

● GEO

Redis GEO 是 Redis 3.2 版本引入的地理位置（Geospatial）数据结构，基于 有序集合（ZSET） 和 GeoHash 算法，用于高效存储和查询经纬度相关的地理位置数据。它支持添加地理位置、计算距离、查找附近点等操作，适用于实时、基于位置的应用场景。主要命令包括 GEOADD、GEODIST、GEORADIUS 等。

核心功能：

存储经纬度坐标及其关联的成员（如地点、用户）。
计算两点之间的距离（基于球面距离公式）。
查找指定坐标或成员为中心、特定半径内的其他点。
返回结果支持距离排序、坐标或 GeoHash 编码。

底层实现：

使用 GeoHash 将经纬度编码为 52 位整数，作为有序集合的分数（score），成员名为地点或对象。
借助 ZSET 的范围查询能力，实现高效的空间检索和距离计算。
内存占用低，查询性能高，适合实时场景。

Redis GEO 适用场景：

Redis GEO 适用于需要快速处理地理位置数据的场景，尤其在以下领域表现出色：

附近的人/地点搜索：

社交平台（如微信、Tinder）查找附近的用户或朋友。
地图应用（如 Google Maps）搜索附近的餐厅、酒店、ATM 等。

距离计算：

外卖平台（如美团、Uber Eats）计算用户与商家的距离。
物流系统估算配送点到目的地的距离。

位置推荐系统：

推荐附近的优惠活动、商店或服务（如本地化广告）。
旅游应用推荐附近景点或活动。

实时位置监控：

共享出行（如滴滴、Lyft）跟踪司机或车辆位置，匹配附近订单。
共享单车系统查找附近可用的单车。

地理围栏（Geo-fencing）：

判断用户是否进入特定区域（如商场促销区）。
触发基于位置的推送通知或事件（如进入机场触发登机提醒）。

数据分析：

分析用户位置分布或热点区域（如城市交通流量、零售店选址）。
支持商业智能中的地理数据洞察。

Redis GEO 特点

高性能：基于内存操作，查询延迟低，适合实时应用。
内存高效：GeoHash 编码压缩经纬度，单个位置占用字节少。
灵活性：支持多种距离单位（米、公里、英里、英尺），结果可包含距离、坐标或 GeoHash。
易用性：API 简单，集成方便，无需复杂配置。
可扩展：可与 Redis 其他数据结构（如 Hash、List）结合，构建复杂功能。

Redis GEO 不适用场景

高精度定位：GeoHash 精度有限（误差约几米），不适合厘米级精度的场景（如自动驾驶）。
复杂空间分析：如多边形区域查询、路径规划，需使用专业 GIS 系统（如 PostGIS、MongoDB Geo）。
海量历史数据存储：Redis 是内存数据库，不适合存储大规模离线位置数据，需结合其他数据库（如 MySQL、Elasticsearch）。

Redis GEO 常用命令

GEOADD key longitude latitude member：添加地理位置。
GEODIST key member1 member2 [unit]：计算两成员间的距离（单位：m、km、mi、ft）。
GEORADIUS key longitude latitude radius unit [WITHCOORD] [WITHdist]：查找指定坐标为中心、某半径内的成员。
GEORADIUSBYMEMBER key member radius unit：查找以某成员为中心、某半径内的成员。
GEOPOS key member：获取成员的经纬度。
GEOHASH key member：返回成员的 GeoHash 字符串。

处理方式\存储	1天	1个月	1年
集合	80M	2.4G	28G
HyperLogLog	15K	450K	5M

如东网站开发_建设网站怎么收费_宁波网站制作与推广价格_直通车优化推广

前言：

缓存应用 ：

数据类型

● String

● Hash

● String 于 Hash 的使用场景

String：

将对象序列化为String：

Hash：建议表中的数据使用 hash

● List

列表特点：

命令：

使用场景：支持范围的查询

● Set

集合特点：

命令：

交集： 含所有同时属于 A 和 B 的元素的集合

并集：包含所有属于 A 或属于 B（或者两者都属于）的元素的集

差集：包含所有属于 A 但不属于 B 的元素的集合 和 顺序有关

使用场景：打标签，去交集，

● Zset

有序集合：

命令：

应用场景：求两组 Zset 中的平均值 两个zset 中都都存在 value

● Bitmaps

特点：可参与位运算，压缩空间使用，它的值 只能是 0 或者 1 适合存储和操作大量的布尔值数据 支持对单个位或多个位进行设置、获取、统计等操作

命令：

应用场景：适用于需要高效存储和操作大量布尔值或二进制状态的场景，以下是具体应用

布隆过滤器与Bitmaps:

缓存穿透的方案：

● HyperLogLog

命令：

● GEO

核心功能：

底层实现：

Redis GEO 适用场景：

附近的人/地点搜索：

距离计算：

位置推荐系统：

实时位置监控：

地理围栏（Geo-fencing）：

数据分析：

Redis GEO 特点

Redis GEO 不适用场景

Redis GEO 常用命令

缓存应用：

交集：含所有同时属于 A 和 B 的元素的集合

差集：包含所有属于 A 但不属于 B 的元素的集合和顺序有关

应用场景：求两组 Zset 中的平均值两个zset 中都都存在 value

特点：可参与位运算，压缩空间使用，它的值只能是 0 或者 1 适合存储和操作大量的布尔值数据支持对单个位或多个位进行设置、获取、统计等操作