二进制安全 存储二进制字节数组 客户端完成编解码。kafka/zk/hbase都是二进制安全的

String

编码 raw和embstr和int
embstr：当sds的Len小于等于44，redis读出串的redisObject为64字节，刚好一个缓存行的大小，

字符sds

数值

bitmap (setbit)

setbit key1 1 1 把bitmap key1 向左偏移1位值设置为1
也就是 00000000 设置为 01000000 当二进数为0-127时，表示ASCII码表中的一个字符 ，如左64表示@

动态扩宽

起始容量是1个8位 0-255 , 当setbit key1 8 1时，会扩容1个8位。

bitcount 区间1计数
  1. setbit bitest 1 1 # 01000000
  2. setbit bitest 7 1 # 01000001
  3. setbit bitest 10 1 # 01000001 00100000 
  4. bitcount bitest 0 0 # 2 //计算第一个字节1个数
  5. bitcount bitest 1 -1 # //计算第二个字节1的个数

使用场景

  • 用户签到： 记录用户签到8年的数据，只需要365个字节。
    • 按年分片
  • 权限
    1. 777 rwx rwx rwx  
    2.   000 000 000 = 000 #无任何权限
    3.   111 100 001 = 741 #写-读-共享 权限
    内核权限系统缓存体系：
    以车辆业务中台为例，不管内部权限范围、类型如何复杂，一个人对一辆车的权限，只包括对象的元数据权限和人对车的业务数据权限。

image.png
image.png

读
  1. 读取张三的权限时，需要读出张三的元数据权限，简单的本地计算，可得到对象权限、有权限的字段列表、视图、布局、有权限的按钮列表等。
  2. 读取张三对这辆车的数据权限。
    写
    数据权限由数据归属店铺、归属人、归属集团、归属部门和人的权限范围决定的，在新增和编辑时，可能会影响权限变更，当新增车辆时，更新所有用户的？？？
  • 活跃用户数统计

同比(看去年)/环比
若用户id自增(不是自增Id转化成自增)，然后每个用户将被映射在一个n个0组成的bitmap里(n=用户数)，用户登录时，将其对准的偏移位设置为1. 这样就可以统计一段时间内有多少活跃用户。

  1. # 用户202101月登录情况
  2. setbit _202101 99 1 #id=99的用户 登录过
  3. setbit _202101 100000 1 #id=十万的用户 登录过
  4. #用户202102月的登录情况
  5. setbit _202102 28 1 # id=28的用户 2月登录过
  6. #21年1月活跃用户数
  7. bitcount _202101 0 -1 # 2
  8. # 21年1月和2月活跃用户数
  9. bitop or res_0102 _202101 _202102 #把1月和2月两个月的bitmap 或运算，结果输出到res_0102
  10. bitcount res_0102 #计算两个月共有多少活跃用户 =3
  • 12306抢票image.png

bitmap与运算抢票：用户C1,C2,C3,各自抢杭州-上海的去不同目的地的票。
布隆过滤器BF过滤请求：
通过一定的hash算法把已买到的座位+站点映射到布隆过滤器，拿3号位来说，所有包含B,C,D站的3号位的买票请求，将被BF过滤掉。

list

双向链表 有序(放入顺序) 同时能实现栈、队列、数组等结构
分布式队列（或分布式数据结构）：jvm重启或宕机，数组或队列中的数据会丢失，但如果使用redis，不会有这个问题。
ltrim 保留热数据

应用场景

  1. 列表 评论列表、关注列表、粉丝列表

  2. 抢红包 : 如5个人抢10块红包，1-1-3-3-2

    hash

    应用场景

  3. 商品详情页

  4. 数据聚合： 商品详情+产品详情+订单信息

    set

    无序：内部排序不可靠，rehash之后内部排序还会改变。
    集合尽量少用，因为操作很慢。可以用多实例来解决，A实例用于热点数据存取，B实例用于分布式数据结构，C实例用于其他静态数据。
    取集合n个随机元素 SRandMember
    SRANDMEMBER key n : 返回集合内随机n个元素, 如果n为负数，则可以返回重复元素(每个元素随机)。
    使用场景

  • SRandMember 抽奖

    取交并差集

    取交 SUNION 并 SInter 差 SDiff 集

    使用场景

  • 共同关注 和好友的交集

  • 推荐关注 和好友关注的差集

    sorted set

    排序：

  • 排序因子 sorce 基于哪个因素去排序

  • 正反序 zrange/zrevrange

数据结构实现：ziplist/skiplist
默认是ziplist，当满足以下条件:1. 元素个数比较多，2.比现一个比较大的元素 时，会转skiplist

应用场景
  1. 动态排行榜
  2. 评论列表 （基于点赞数、评论时间等维度排序）
  3. 需要对某个数据列表做不同维度的排序 怎么办？ 特点单个数据很大，把数据维护在hash中，一个记录对应一个Key, 然后zset中存在数据对应的key+score而不是数据行+score，这样减少数据占用