共计 4103 个字符，预计需要花费 11 分钟才能阅读完成。
[toc]
string（字符串）
用法
# 给 key 设置 value
set [key] [value]
# 依据 key 获取 value
get [key]
# 依据 key 删除
del [key]
# 判断是否存在指定 key
exists [key]
# 批量存取键值对
mset [key1] [value1] [key2] [value2]
# 依据 key 批量获取 value
mget [key1] [key2]
# 给 key 设置对应的过期工夫 单位：秒
expire [key] [time]
# 等价于 set + expire 命令组合
setex [key] [time] [value]
# 如果 key 不存在则 set 创立，否则返回 0
setnx [key] [value]
# 如果 value 为整数 可用 incr 命令每次自增 1
incr [key]
# 应用 incrby 命令对整数值 进行减少 number
incrby [key] [number] 应用场景
存储 key-value 键值对，能够用做缓存
应用 setnx 实现分布式锁
应用 incr 命令 用作计数器
分布式系统全局序列号
list（列表）
用法
# 将一个或多个值 插入到 key 列表的表头（最右边）lpush [key] [value1] [value2]
# 将一个或多个值 value 插入到 key 列表的表尾(最左边)
rpush [key] [value1] [value2]
# 移除并返回 key 列表的头元素
lpop [key]
# 移除并返回 key 列表的尾元素
rpop [key]
# 返回列表 key 中指定区间内的元素，区间以偏移量 start 和 stop 指定
lrange [key] start stop
# 从 key 列表表尾弹出一个元素，若列表中没有元素，阻塞期待 timeout：秒，如果 timeout=0, 始终阻塞期待
brpop [key] timeout
# 从 key 列表表头弹出一个元素，若列表中没有元素，阻塞期待 timeout：秒，如果 timeout=0, 始终阻塞期待
blpop [key] timeout
应用场景
- 模仿分布式系统数据结构
Stack(栈) = LPUSH（右边放）+ LPOP（右边取）
Queue(队列）= LPUSH（右边放）+ RPOP（左边取）
Blocking MQ(阻塞队列）= LPUSH（右边放）+ BRPOP（左边阻塞取：没有数据就阻塞！） - 公众号拉取文章，微博粉丝拉取被关注人的音讯
发送者应用 lpush 将音讯搁置指定 key 中，接受者应用 lrang key 0 5 获取最新的五条音讯
set（不可反复，乱序的汇合）
用法
# 在 key 中插入多个元素
sadd [key] [value1] [value2]
# 指定 key 删除对应 value
srem [key] [value1] [value2]
# 查看指定 key 的汇合
smembers [key]
# 查看指定 key 的个数
scard [key]
# 判断 member 元素是否存在于汇合 key 中
sismember [key] [value1]
# 从汇合 key 中选出 count 个元素，元素不从 key 中删除
srandmember [key] [count]
# 从汇合 key 中选出 count 个元素，元素从 key 中删除
spop [key] [count]
# 交加运算
sinter key [key ...]
# 将交加后果存入新汇合 destination 中
sinterstore destination [key] [key ..]
# 并集运算
sunion key [key ..]
# 将并集后果存入新汇合 destination 中
SUNIONSTORE destination key [key ...]
# 差集运算
SDIFF key [key ...]
# 将差集后果存入新汇合 destination 中
SDIFFSTORE destination key [key ...]
应用场景
-
随机抽奖
1) 5 集体点击参加抽奖退出汇合 SADD lottery 1001 1002 1003 1004 1005 2) 查看参加抽奖的所有用户 ID SMEMBERS lottery 3) 抽取 3 名获奖者 SRANDMEMBER lottery 3 // 可反复获奖，用户 ID 不会从汇合中删除，能够参加下次抽奖 SPOP lottery 3 // 不可反复获奖，用户 ID 从汇合中删除，无奈参加下次抽奖 -
社交软件 点赞 珍藏性能
1) 用户 1001 给你这条音讯点了个赞 SADD thumbsUp:{音讯 ID} 1001 2) 用户 1001 勾销点赞 SREM thumbsUp:{音讯 ID} 1001 3) 检查用户 1001 是否点过赞 SISMEMBER thumbsUp:{音讯 ID} 1001 4) 获取点赞的用户列表 SMEMBERS thumbsUp:{音讯 ID} 5) 获取点赞用户数 SCARD thumbsUp:{音讯 ID}
zset（绝对于 set 汇合 减少了 score 属性，score 可用于排序）
用法
# 增
zadd key 2 "two" 3 "three" -- 增加两个分数别离是 2 和 3 的两个成员
# 删
zrem key one two -- 删除多个成员变量, 返回删除的数量
# 改
zincrby key 2 one -- 将成员 one 的分数减少 2，并返回该成员更新后的分数（分数扭转后相应它的 index 也会扭转）# 查
# 返回所有成员和分数, 不加 WITHSCORES, 只返回成员 加 WITHSCORES 多返回分数
zrange key 0 -1 WITHSCORES
# 依照元素的分值从小到大的程序返回从 start（0 开始）到 stop 之间的所有元素
zrange key start stop
# 倒序获取有序汇合 key 从 start 下标到 stop 下标的元素
zrevrange key start stop [WITHSCORES]
# 获取成员 three 的分数
zscore key three
# 获取分数满足表达式 1 < score <= 2 的成员
zrangebyscore key 1 2
# 获取 key 键中成员的数量
zcard key
# 获取分数满足表达式 1 <= score <= 2 的成员的数量
zcount key 1 2
# 获取元素的排名，从小到大
zrank key member
# 获取元素的排名，从大到小
zrevrank key member
应用场景
-
排行榜
zadd hotNews:20190819 1 '守护香港' 1）点击一次”守护香港“这个新闻，那么此新闻的 score 属性 +1 incrby hotNews:20190819 1 '守护香港' 2）展现以后热搜新闻的前 10 名（最初的 WITHSCORES 代表查问出的后果蕴含具体的分数）ZREVRANGE hotNews:20190819 0 10 WITHSCORES
hash（哈希表）
用法
-- 增
hset key field1 "s" -- 若字段 field1 不存在, 创立该键及与其关联的 Hash, Hash 中,key 为 field1 , 并设 value 为 s，若字段 field1 存在, 则笼罩
hmset key field1 "hello" field2 "world" -- 一次性设置多个字段
-- 删
hdel key field1 -- 删除 key 键中字段名为 field1 的字段
del key -- 删除键
-- 改
hincrby key field 1 -- 给 field 的值加 1
-- 查
hget key field1 -- 获取键值为 key, 字段为 field1 的值
hlen key -- 获取 key 键的字段数量
hmget key field1 field2 field3 -- 一次性获取多个字段
hgetall key -- 返回 key 键的所有 field 值及 value 值
hkeys key -- 获取 key 键中所有字段的 field 值
hvals key -- 获取 key 键中所有字段的 value 值
应用场景
-
购物车
hset cart:1001 10088 1 // 给用户 1001 增加商品 10088，数量为 1 hincrby cart:1001 10088 1 // 用户 1001 将商品 10088 购买数量 +1 hlen cart:1001 // 取得用户 1001 购物车商品总数 hdel cart:1001 10088 // 用户 1001 将 10088 商品从购物车删除 hgetall cart:1001 // 取得用户 1001 购物车的所有商品以及购买数量
redis 统计模式
redis 命令
聚合统计
利用 set 汇合 去重的个性，多个汇合之间取交加（sinter），并集（sunion），差集（sdiff）
排序统计
能够利用 list 插入时程序来排序（lpush + lrange），或者利用 sorted-set 的权重来排序（zadd + zrangebyscore）
二值状态统计
二值状态统计。这里的二值状态就是指汇合元素的取值就只有 0 和 1 两种。在签到打卡的场景中，咱们只用记录签到（1）或未签到（0），所以它就是十分典型的二值状态;
Bitmap 自身是用 String 类型作为底层数据结构实现的一种统计二值状态的数据类型。String 类型是会保留为二进制的字节数组，所以，Redis 就把字节数组的每个 bit 位利用起来，用来示意一个元素的二值状态。你能够把 Bitmap 看作是一个 bit 数组。
Bitmap 反对用 BITOP 命令对多个 Bitmap 按位做“与”“或”“异或”的操作
那么，具体该怎么用 Bitmap 进行签到统计呢？我还是借助一个具体的例子来阐明。
假如咱们要统计 ID 3000 的用户在 2020 年 8 月份的签到状况，就能够依照上面的步骤进行操作。
第一步，执行上面的命令，记录该用户 8 月 3 号已签到。
SETBIT uid:sign:3000:202008 2 1 第二步，查看该用户 8 月 3 日是否签到。
GETBIT uid:sign:3000:202008 2 第三步，统计该用户在 8 月份的签到次数。
BITCOUNT uid:sign:3000:202008这样，咱们就晓得该用户在 8 月份的签到状况了
统计一亿个用户十天内又没有间断签到
基数统计
基数统计就是指统计一个汇合中不反复的元素个数
在统计 uv(页面访客个数)的场景，应用 set 汇合，hash 都能达到目标，毛病就是内存耗费高。
应用 HyperLogLog 能够极大升高内存的应用，毛病就是准确率会降落, 规范误算率是 0.81%
HyperLogLog 是一种用于统计基数的数据汇合类型，它的最大劣势就在于，当汇合元素数量十分多时，它计算基数所需的空间总是固定的，而且还很小。
援用
有一亿个 keys 要统计，应该用哪种汇合？
本文由 mdnice 多平台公布
