Redis初探-十个数据结构

Redis初探-十个数据结构

String

键值对。

使用场景

• 1.session 利用redis做session共享内存
• 2.记录网站的请求数量、论坛的点赞数、评论数。（自增和自减）

编码

-int ：保存 long型64位有符号整数
-embstr：保存长度小于44字节的字符串
-raw：保存长度大于44字节的字符串，这个编码比较消耗空间的开辟

在功能中，出了非必要的情况，尽量不要使用string类型，会浪费大量的内存空间。

Hash

官网推荐使用hash。
所有hash的命令都是 h 开头的 hget 、hset 、 hdel 等。
hash本身是一个对象，一种键值对。

hash最典型的使用场景

储存一个用户对象。

key=1 
values={id:1,name:'张三',address:'中国'}

如果用string去存，当需要修改其中一个值，先把数据拿到代码内存，然后反序列化，然后修改值，然后序列化，再存到redis中。
而如果直接使用hash，则值需要制定修改具体某一个字段的值就可以了。

hash 的两种数据结构

ziplist、hash。

ziplist

压缩版的list 。(动态的数组，数组的每一个元素的空间是一样的)

特点

• 1.每次插入都有开辟空间，连续的。
• 2.你要查询的时候，需要从头开始，导致查询的速度变慢。

hash

在hash的数据结构中，它的时间复杂度是O(1);
当快速的查询结果，节省空间。

特点

hash后面链表越来越长的时候，时间复杂度变高变慢。

解决的方式

扩容。举例：假设，有两个hash结构在存储数据，第一次只有一个是有长度，一个是没有长度。数据交替进行迁移。

迁移方式

• 每一次操作只会迁移一部分。
• 迁移是后台任务，保证数据的一致。
  由于hash不管是从内存还是性能方面，都是比较优秀，所以官网推荐使用hash。。。扩容是有阈值。不会随便扩的。

List

形式

• 队列（先进先出）
• 栈：（先进后出）
• 普通的集合。

使用场景

插队、队列、分页场景。比如使用消息队列记录日志。对程序错误的文本日志、数据库日志记录等。如果不想用list做消息队列，也可以直接用提供的专门的消息发布来做。

过期设置说明

只能给整个集合设置，不能单独给某一个元素设置，没有给单独元素设置过期时间的策略。

Set

也是一个集合，只不过是一个去重的集合。

使用场景

• 投票-- 根据ip地址来投票，每一个ip只投一票，系统自动会去重。 取交集和去并集。
  a:{1,2,3,4,5}
  b:{2,3,4,5,6}
  a和b的交集= {2,3,4,5}
  a和b的并集=
• qq好友推荐里面用的比较多

Zset

也是去重的集合，具有set的功能，比set多了一个分数。

使用场景

做服务注册与发现，抽奖、限流、排行榜。

特点

• 自动排序
• 跳跃表。

BitMaps

节省内存的数据结构，本质是一个二进制数组。

使用场景

日活跃用户。

HyperLogLog

基准统计数据结构类型。

使用场景

投票。网页浏览统计，访问量等等这些不是特别需要准确的数据。

特点

• 使用少量的内存，存放大量的数据。
• 统计的结果有误差，可以忽略不计
• 能节省大量内存

Streams

本质上是在Redis内核上实现的一个消息发布订阅功能组件。

使用场景

发布订阅，类似kafak的生产者和消费者的模型。

特点

业务用的上，内部组件，用的比较多。

Geo

主要用于存储地理位置信息，并对存储的信息进行操作，该功能在 Redis 3.2 版本新增。
不同key存储的就是一个经度和纬度。可以计算俩个key之间的距离。。

Bloom Filter

布隆过滤器，空间效率的概率型数据结构，用来判断一个元素是否在集合中。

特点

• 1.存储数据，牺牲了一定的准确率换取空间效率，但是会带来假阳性(False positive)的错误。
• 2.在判断一个元素在集合中的时候，会出现一定的错误率，这个错误率称为False positive的。通常缩写为fpp.
• 3.数组长度和误判的关系：
  bit数组越长，hash的方法越多，则占用内存越多，但是误判的概率就小。
  bit数组越短，hash方法越少，则占用的内存越少，但是误判的概率就大。。。