一、常用五大数据类型

哪里去获得redis常见数据类型操作命令http://www.redis.cn/commands.html

1. Redis键(Key)

_keys *_ 查看当前库所有key (匹配：keys *1)
_exists key_ 判断某个key是否存在
_type key_ 查看你的key是什么类型
_del key_ 删除指定的key数据
_unlink key_ 根据value选择非阻塞删除（仅将keys从keyspace元数据中删除，真正的删除会在后续异步操作）
_expire key 10_ 为给定的key设置过期时间（10秒）
_ttl key_ 查看还有多少秒过期，-1表示永不过期，-2表示已过期
_select_ 命令切换数据库
_dbsize_ 查看当前数据库的key的数量
_flushdb_ 清空当前库
_flushall_ 通杀全部库

2. Redis字符串（String）

1. 简介

String是Redis最基本的类型，你可以理解成与Memcached一模一样的类型，一个key对应一个value。
String类型是二进制安全的。意味着Redis的string可以包含任何数据。比如jpg图片或者序列化的对象。
String类型是Redis最基本的数据类型，一个Redis中字符串value最多可以是512M

2. 常用命令

_set <key> <value>_：添加键值对
_get <key>_：查询对应键值
_append <key> <value>_：将给定的追加到原值的末尾
_strlen <key>_：获得值的长度
_setnx <key> <value>_：只有在 key 不存在时设置 key的值
_incr <key>_：将 key 中储存的数字值增1（只能对数字值操作，如果为空，新增值为1）
_decr <key>_：将 key 中储存的数字值减1（只能对数字值操作，如果为空，新增值为-1）
_incrby / decrby <key> <步长>_：将key 中储存的数字值增减。自定义步长

原子性：

所谓原子操作是指不会被线程调度机制打断的操作；
这种操作一旦开始，就一直运行到结束，中间不会有任何 context switch （切换到另一个线程）

在单线程中，能够在单条指令中完成的操作都可以认为是”原子操作”，因为中断只能发生于指令之间。
在多线程中，不能被其它进程（线程）打断的操作就叫原子操作。

Redis单命令的原子性主要得益于Redis的单线程。

_mset <key1> <value1> <key2> <value2> ....._：同时设置一个或多个key-value对
_mget <key1> <key2> <key3> ....._：同时获取一个或多个value
_msetnx <key1> <value1> <key2> <value2> ....._：同时设置一个或多个key-value 对，当且仅当所有给定 key 都不存在。
_getrange <key> <起始位置> <结束位置>_：获得值的范围，类似java中的substring，前包，后包
_setrange <key> <起始位置> <value>_：用覆写所储存的字符串值，从<起始位置>开始(索引从0开始)。
_setex <key> <过期时间> <value>_：设置键值的同时，设置过期时间，单位秒。
_getset <key><value>_：以新换旧，设置了新值同时获得旧值。

3. 数据结构

String的数据结构为简单动态字符串(Simple Dynamic String,缩写SDS)。是可以修改的字符串，内部结构实现上类似于Java的ArrayList，采用预分配冗余空间的方式来减少内存的频繁分配

如图中所示，内部为当前字符串实际分配的空间capacity一般要高于实际字符串长度len。当字符串长度小于1M时，扩容都是加倍现有的空间，如果超过1M，扩容时一次只会多扩1M的空间。需要注意的是字符串最大长度为512M

3. Redis列表（List）

1. 简介

单键多值
Redis 列表是简单的字符串列表，按照插入顺序排序。你可以添加一个元素到列表的头部（左边）或者尾部（右边）
它的底层实际是个双向链表，对两端的操作性能很高，通过索引下标的操作中间的节点性能会较差

2. 常用命令

_lpush/rpush <key> <value1> <value2> <value3> ...._：从左边/右边插入一个或多个值。
_lpop/rpop <key>_：从左边/右边吐出一个值。值在键在，值光键亡。
_rpoplpush <key1> <key2>_：从列表右边吐出一个值，插到列表左边。
_lrange <key> <start> <stop>_：按照索引下标获得元素(从左到右)，_lrange mylist 0 -1_：0左边第一个，-10右边第一个，（0 -1表示获取所有）
_lindex <key> <index>_：按照索引下标获得元素(从左到右)
_llen <key>_：获得列表长度
_linsert <key> before <value> <newvalue>_：在的后面插入插入值
_lrem <key> <n> <value>_：从左边删除n个value(从左到右)
_lset <key> <index> <value>_：将列表key下标为index的值替换成value

3. 数据结构

List的数据结构为快速链表quickList，首先在列表元素较少的情况下会使用一块连续的内存存储，这个结构是ziplist，也即是压缩列表。
它将所有的元素紧挨着一起存储，分配的是一块连续的内存。
当数据量比较多的时候才会改成quicklist。
因为普通的链表需要的附加指针空间太大，会比较浪费空间。比如这个列表里存的只是int类型的数据，结构上还需要两个额外的指针prev和next。

Redis将链表和ziplist结合起来组成了quicklist。也就是将多个ziplist使用双向指针串起来使用。这样既满足了快速的插入删除性能，又不会出现太大的空间冗余。

4. Redis集合（Set）

1. 简介

Redis set对外提供的功能与list类似是一个列表的功能，特殊之处在于set是可以自动排重的，当你需要存储一个列表数据，又不希望出现重复数据时，set是一个很好的选择，并且set提供了判断某个成员是否在一个set集合内的重要接口，这个也是list所不能提供的。
Redis的Set是string类型的无序集合。它底层其实是一个value为null的hash表，所以添加，删除，查找的复杂度都是O(1)
一个算法，随着数据的增加，执行时间的长短，如果是O(1)，数据增加，查找数据的时间不变

2. 常用命令

_sadd <key> <value1> <value2> ....._：将一个或多个 member 元素加入到集合 key 中，已经存在的 member元素将被忽略
_smembers <key>_：取出该集合的所有值。
_sismember <key> <value>_：判断集合是否为含有该值，有1，没有0
_scard<key>_：返回该集合的元素个数。
_srem <key> <value1> <value2> ...._：删除集合中的某个元素。
_spop <key>_：随机从该集合中吐出一个值
_srandmember <key> <n>_：随机从该集合中取出n个值。不会从集合中删除
_smove <source> <destination> <value>_：把集合中一个值从一个集合移动到另一个集合
_sinter <key1> <key2>_：返回两个集合的交集元素。
_sunion <key1> <key2>_：返回两个集合的并集元素。
sdiff <key1><key2>：返回两个集合的差集元素(key1中的，不包含key2中的)

3. 数据结构

Set数据结构是dict字典，字典是用哈希表实现的。
Java中HashSet的内部实现使用的是HashMap，只不过所有的value都指向同一个对象。Redis的set结构也是一样，它的内部也使用hash结构，所有的value都指向同一个内部值。

5. Redis哈希（Hash）

1. 简介

Redis hash 是一个键值对集合。
Redis hash是一个string类型的field和value的映射表，hash特别适合用于存储对象。
类似Java里面的Map
用户ID为查找的key，存储的value用户对象包含姓名，年龄，生日等信息，如果用普通的key/value结构来存储

主要有以下2种存储方式：
方式一

图一：每次修改用户的某个属性需要，先反序列化改好后再序列化回去。开销较大。
图二：用户ID数据冗余

方式二

通过 key(用户ID) + field(属性标签) 就可以操作对应属性数据了，既不需要重复存储数据，也不会带来序列化和并发修改控制的问题

2. 常用命令

_hset <key> <field> <value>_：给集合中的键赋值
_hget <key1> <field>_：从集合取出 value
_hmset <key1> <field1> <value1> <field2> <value2> ..._：批量设置hash的值
_hexists <key1> <field>_：查看哈希表 key 中，给定域 field 是否存在。
_hkeys <key>_：列出该hash集合的所有field
_hvals <key>_：列出该hash集合的所有value
_hincrby <key> <field> <increment>_：为哈希表 key 中的域 field 的值加上增量 1 -1
_hsetnx <key> <field> <value>_：将哈希表 key 中的域 field 的值设置为 value ，当且仅当域 field不存在

3. 数据结构

Hash类型对应的数据结构是两种：ziplist（压缩列表），hashtable（哈希表）。当field-value长度较短且个数较少时，使用ziplist，否则使用hashtable

6. Redis有序集合Zset（sorted set）

1. 简介

Redis有序集合zset与普通集合set非常相似，是一个没有重复元素的字符串集合
不同之处是有序集合的每个成员都关联了一个评分（score）,这个评分（score）被用来按照从最低分到最高分的方式排序集合中的成员。集合的成员是唯一的，但是评分可以是重复了
因为元素是有序的, 所以你也可以很快的根据评分（score）或者次序（position）来获取一个范围的元素。
访问有序集合的中间元素也是非常快的,因此你能够使用有序集合作为一个没有重复成员的智能列表。

2. 常用命令

_zadd <key> <score1> <value1> <score2> <value2> …_：将一个或多个 member 元素及其 score 值加入到有序集 key当中。
_zrange <key> <start> <stop> [WITHSCORES]_：返回有序集 key 中，下标在之间的元素带WITHSCORES，可以让分数一起和值返回到结果集。
_zrangebyscore key minmax[withscores] [limit offset count]_：返回有序集 key 中，所有 score 值介于 min和 max 之间(包括等于 min或 max )的成员。有序集成员按 score 值递增(从小到大)次序排列。
_z_``_rev_``_rangebyscore <key> _``_maxmin_``_ [withscores] [limit offset count]_：同上，改为从大到小排列。
_zincrby <key> <increment> <value>_ 为元素的score加上增量
_zrem <key> <value>_：删除该集合下，指定值的元素
_zcount <key> <min> <max>_：统计该集合，分数区间内的元素个数
_zrank <key> <value>_：返回该值在集合中的排名，从0开始。

案例：如何利用zset实现一个文章访问量的排行榜？

3. 数据结构

SortedSet(zset)是Redis提供的一个非常特别的数据结构，一方面它等价于Java的数据结构Map，可以给每一个元素value赋予一个权重score，另一方面它又类似于TreeSet，内部的元素会按照权重score进行排序，可以得到每个元素的名次，还可以通过score的范围来获取元素的列表。、

zset底层使用了两个数据结构

hash：hash的作用就是关联元素value和权重score，保障元素value的唯一性，可以通过元素value找到相应的score值
跳跃表：跳跃表的目的在于给元素value排序，根据score的范围获取元素列表

4. 跳跃表（跳表）

简介

有序集合在生活中比较常见，例如根据成绩对学生排名，根据得分对玩家排名等。对于有序集合的底层实现，可以用数组、平衡树、链表等。数组不便元素的插入、删除；平衡树或红黑树虽然效率高但结构复杂；链表查询需要遍历所有效率低。Redis采用的是跳跃表。跳跃表效率堪比红黑树，实现远比红黑树简单。

实例

对比有序链表和跳跃表，从链表中查询出51

有序列表

要查找值为51的元素，需要从第一个元素开始依次查找、比较才能找到。共需要6次比较。

跳跃表

从第2层开始，1节点比51节点小，向后比较。
21节点比51节点小，继续向后比较，后面就是NULL了，所以从21节点向下到第1层
在第1层，41节点比51节点小，继续向后，61节点比51节点大，所以从41向下
在第0层，51节点为要查找的节点，节点被找到，共查找4次。

从此可以看出跳跃表比有序链表效率要高

5. 使用Zset实现取消订单功能

生产需求:

用户下订单后,15分钟未支付自动取消;
用户成功下单支付后确认收货, 15天默认好评

实现思路

利用redis的排序列表,ZSet进行需求实现

实现思路：我们把Zset中的score当成时间戳, 这样我们就可以获得以时间戳排序的任务列表, 这我们通过score区间进行拉取任务,进行消费.

代码封装实现

首先是封装延时队列的工厂(完美契合Spring框架), 如果想要创建自己的特色延时队列则需要继承这个抽象工厂

import com.zjrcinfo.zjguahao.common.redis.cluster.JedisClusterCache;
import com.zjrcinfo.zjguahao.common.utils.ThreadPoolUtil;
import com.zjrcinfo.zjguahao.common.web.log.LoggerName;
import org.apache.shiro.util.CollectionUtils;
import org.slf4j.Logger;
import org.slf4j.LoggerFactory;
import org.springframework.beans.factory.annotation.Autowired;
import redis.clients.jedis.Tuple;
import javax.annotation.PostConstruct;
import java.util.Calendar;
import java.util.Set;
import java.util.concurrent.TimeUnit;
/**
 * Description: 延时队列工厂
 */
public abstract class AbstractDelayQueueMachineFactory {
    protected Logger logger = LoggerFactory.getLogger(LoggerName.KAFKA);
    @Autowired
    protected JedisClusterCache jedisClusterCache;
    /**
     * 插入任务id
     * @param jobId 任务id(队列内唯一)
     * @param time 延时时间(单位 :秒)
     * @return 是否插入成功
     */
    public boolean addJobId(String jobId,  Integer time) {
        Calendar instance = Calendar.getInstance();
        instance.add(Calendar.SECOND, time);
        long delaySeconds = instance.getTimeInMillis() / 1000;
        Long zadd = jedisClusterCache.zadd(setDelayQueueName(), delaySeconds, jobId);
        return zadd > 0;
    }
    private void startDelayQueueMachine() {
        logger.info(String.format("延时队列机器{%s}开始运作", setDelayQueueName()));
        // 发生异常捕获并且继续不能让战斗停下来
        while (true) {
            try {
                // 获取当前时间的时间戳
                long now = System.currentTimeMillis() / 1000;
                // 获取当前时间前的任务列表
                Set<Tuple> tuples = jedisClusterCache.zrangeByScoreWithScores(setDelayQueueName(), 0, now);
                // 如果不为空则遍历判断其是否满足取消要求
                if (!CollectionUtils.isEmpty(tuples)) {
                    for (Tuple tuple : tuples) {
                        String jobId = tuple.getElement();
                        Long num = jedisClusterCache.zrem(setDelayQueueName(), jobId);
                        // 如果移除成功, 则取消订单
                        if (num > 0) {
                            ThreadPoolUtil.execute(() ->invoke(jobId));
                        }
                    }
                }
            } catch (Exception e) {
                logger.warn(String.format("处理延时任务发生异常,异常原因为{%s}", e.getMessage()), e);
            } finally {
                // 间隔一秒钟搞一次
                try {
                    TimeUnit.SECONDS.sleep(1L);
                } catch (InterruptedException e) {
                    e.printStackTrace();
                }
            }
        }
    }
    /**
     * 最终执行的任务方法
     * @param jobId 任务id
     */
    public abstract void invoke(String jobId);
    /**
     * 要实现延时队列的名字
     *
     */
    public abstract String setDelayQueueName();
    @PostConstruct
    public void init(){
        new Thread(this::startDelayQueueMachine).start();
    }
}

二、新数据类型

1. Bitmaps

1. 简介

现代计算机用二进制（位）作为信息的基础单位， 1个字节等于8位，例如“abc”字符串是由3个字节组成，但实际在计算机存储时将其用二进制表示，“abc”分别对应的ASCII码分别是97、 98、 99，对应的二进制分别是01100001、 01100010和01100011，如下图

理地使用操作位能够有效地提高内存使用率和开发效率。
Redis提供了Bitmaps这个“数据类型”可以实现对位的操作：

Bitmaps本身不是一种数据类型，实际上它就是字符串（key-value），但是它可以对字符串的位进行操作
Bitmaps单独提供了一套命令，所以在Redis中使用Bitmaps和使用字符串的方法不太相同。可以把Bitmaps想象成一个以位为单位的数组，数组的每个单元只能存储0和1，数组的下标在Bitmaps中叫做偏移量

2. 常用命令

1. setbit

_setbit <key> <offset> <value>_：设置Bitmaps中某个偏移量的值（0或1）
注：偏移量从0开始算起

实例
每个独立用户是否访问过网站存放在Bitmaps中，将访问的用户记做1，没有访问的用户记做0，用偏移量作为用户的id
设置键的第offset个位的值（从0算起），假设现在有20个用户，userid=1， 6， 11， 15， 19的用户对网站进行了访问，那么当前Bitmaps初始化结果如图

unique:users:20201106代表2020-11-06这天的独立访问用户的Bitmaps
注意：

很多应用的用户id以一个指定数字（例如10000）开头，直接将用户id和Bitmaps的偏移量对应势必会造成一定的浪费，通常的做法是每次做setbit操作时将用户id减去这个指定数字
在第一次初始化Bitmaps时，假如偏移量非常大，那么整个初始化过程执行会比较慢，可能会造成Redis的阻塞

2. getbit

_getbit <key> <offset>_：获取Bitmaps中某个偏移量的值

注：获取键的第offset位的值（从0开始算）

实例
获取id=8的用户是否在2020-11-06这天访问过，返回0说明没有访问过：

注：因为100根本不存在，所以也是返回0

3. bitcount

统计字符串被设置为1的bit数。一般情况下，给定的整个字符串都会被进行计数，通过指定额外的 start 或 end 参数，可以让计数只在特定的位上进行。start 和 end 参数的设置，都可以使用负数值：比如 -1 表示最后一个位，而 -2 表示倒数第二个位，start、end 是指bit组的字节的下标数，二者皆包含。
_bitcount <key> [start end]_：统计字符串从start字节到end字节比特值为1的数量

实例
计算2022-11-06这天的独立访问用户数量

start和end代表起始和结束字节数，下面操作计算用户id在第1个字节到第3个字节之间的独立访问用户数，对应的用户id是11， 15， 19

举例： K1 【01000001 01000000 00000000 00100001】，对应【0，1，2，3】

bitcount K1 1 2 ：统计下标1、2字节组中bit=1的个数，即 01000000 00000000 —》bitcount K1 1 2 —》1
bitcount K1 1 3 ：统计下标1、2字节组中bit=1的个数，即 01000000 00000000 00100001 —》bitcount K1 1 3 —》3
bitcount K1 0 -2 ：统计下标0到下标倒数第2，字节组中bit=1的个数，即01000001 01000000 00000000 —》bitcount K1 0 -2 —》3

注：redis的setbit设置或清除的是bit位置，而bitcount计算的是byte位置。

4. bitop

_bitop and(or/not/xor) <destkey> [key…]_

bitop是一个复合操作，它可以做多个Bitmaps的and（交集）、 or（并集）、 not（非）、 xor（异或）操作并将结果保存在destkey中

实例
2020-11-04 日访问网站的userid=1,2,5,9

setbit unique:users:20201104 1 1
setbit unique:users:20201104 2 1
setbit unique:users:20201104 5 1
setbit unique:users:20201104 9 1

2020-11-03 日访问网站的userid=0,1,4,9

setbit unique:users:20201103 0 1
setbit unique:users:20201103 1 1
setbit unique:users:20201103 4 1
setbit unique:users:20201103 9 1

计算出两天都访问过网站的用户数量

bitop and unique:users:and:20201104_03 unique:users:20201103 unique:users:20201104

计算出任意一天都访问过网站的用户数量（例如月活跃就是类似这种），可以使用or求并集

3. Bitmaps与Set对比

假设网站有1亿用户，每天独立访问的用户有5千万，如果每天用集合类型和Bitmaps分别存储活跃用户可以得到表

set和Bitmaps存储一天活跃用户对比
数据类型	每个用户id占用空间	需要存储的用户量	全部内存量
集合类型	64位	50000000	64位*50000000 = 400MB
Bitmaps	1位	100000000	1位*100000000 = 12.5MB

很明显，这种情况下使用Bitmaps能节省很多的内存空间，尤其是随着时间推移节省的内存还是非常可观的

set和Bitmaps存储独立用户空间对比
数据类型	一天	一个月	一年
集合类型	400MB	12GB	144GB
Bitmaps	12.5MB	375MB	4.5GB

但Bitmaps并不是万金油，假如该网站每天的独立访问用户很少，例如只有10万（大量的僵尸用户），那么两者的对比如下表所示，很显然，这时候使用Bitmaps就不太合适了，因为基本上大部分位都是0

set和Bitmaps存储一天活跃用户对比（独立用户比较少）
数据类型	每个userid占用空间	需要存储的用户量	全部内存量
集合类型	64位	100000	64位*100000 = 800KB
Bitmaps	1位	100000000	1位*100000000 = 12.5MB

2. HyperLogLog

1. 简介

在工作当中，我们经常会遇到与统计相关的功能需求，比如统计网站PV（PageView页面访问量）,可以使用Redis的incr、incrby轻松实现。
但像UV（UniqueVisitor，独立访客）、独立IP数、搜索记录数等需要去重和计数的问题如何解决？这种求集合中不重复元素个数的问题称为基数问题。
解决基数问题有很多种方案：

数据存储在MySQL表中，使用distinct count计算不重复个数
使用Redis提供的hash、set、bitmaps等数据结构来处理

以上的方案结果精确，但随着数据不断增加，导致占用空间越来越大，对于非常大的数据集是不切实际的。
能否能够降低一定的精度来平衡存储空间？Redis推出了HyperLogLog
Redis HyperLogLog 是用来做基数统计的算法，HyperLogLog 的优点是，在输入元素的数量或者体积非常非常大时，计算基数所需的空间总是固定的、并且是很小的。
在 Redis 里面，每个 HyperLogLog 键只需要花费 12 KB 内存，就可以计算接近 2^64 个不同元素的基数。这和计算基数时，元素越多耗费内存就越多的集合形成鲜明对比。
但是，因为 HyperLogLog 只会根据输入元素来计算基数，而不会储存输入元素本身，所以 HyperLogLog 不能像集合那样，返回输入的各个元素。

什么是基数?
比如数据集 {1, 3, 5, 7, 5, 7, 8}，那么这个数据集的基数集为{1, 3, 5 ,7, 8}, 基数(不重复元素)为5。基数估计就是在误差可接受的范围内，快速计算基数（基数 = 个数总和 - 重复个数）

2. 命令

1. pfadd

_pfadd <key> <element> [element ...]_：添加指定元素到 HyperLogLog 中

实例

将所有元素添加到指定HyperLogLog数据结构中。如果执行命令后HLL估计的近似基数发生变化，则返回1，否则返回0

2. pfcount

_pfcount <key> [key ...]_：计算HLL的近似基数，可以计算多个HLL，比如用HLL存储每天的UV，计算一周的UV可以使用7天的UV合并计算即可

实例

3. pfmerge

_pfmerge <destkey> <sourcekey> [sourcekey ...]_：将一个或多个HLL合并后的结果存储在另一个HLL中，比如每月活跃用户可以使用每天的活跃用户来合并计算可得

实例

3. Geospatial

1. 简介

Redis 3.2 中增加了对GEO类型的支持。GEO，Geographic，地理信息的缩写。该类型，就是元素的2维坐标，在地图上就是经纬度。redis基于该类型，提供了经纬度设置，查询，范围查询，距离查询，经纬度Hash等常见操作

2. 命令

1. geoadd

_geoadd <key> <longitude> <latitude> <member> [longitude latitude member...]_：添加地理位置（经度，纬度，名称）

实例

geoadd china:city 121.47 31.23 shanghai
geoadd china:city 106.50 29.53 chongqing 114.05 22.52 shenzhen 116.38 39.90 beijing

注意：

两极无法直接添加，一般会下载城市数据，直接通过 Java 程序一次性导入。
有效的经度从 -180 度到 180 度。有效的纬度从 -85.05112878 度到 85.05112878 度。
当坐标位置超出指定范围时，该命令将会返回一个错误。
已经添加的数据，是无法再次往里面添加的。

2. geopos

_geopos <key> <member> [member...]_：获得指定地区的坐标值

实例

3. geodist

_geodist <key> <member1> <member2> [m|km|ft|mi]_：获取两个位置之间的直线距离

实例
获取两个位置之间的直线距离

单位：

m 表示单位为米[默认值]。
km 表示单位为千米。
mi 表示单位为英里。
ft 表示单位为英尺。

如果用户没有显式地指定单位参数，那么 GEODIST 默认使用米作为单位

4. georadius

_georadius <key> <longitude> <latitude> radius m|km|ft|mi_：以给定的经纬度为中心，找出某一半径内的元素（经度纬度距离单位）

实例

二、Redis数据类型

一、常用五大数据类型

1. Redis键(Key)

2. Redis字符串（String）

1. 简介

2. 常用命令

3. 数据结构

3. Redis列表（List）

1. 简介

2. 常用命令

3. 数据结构

4. Redis集合（Set）

1. 简介

2. 常用命令

3. 数据结构

5. Redis哈希（Hash）

1. 简介

2. 常用命令

3. 数据结构

6. Redis有序集合Zset（sorted set）

1. 简介

2. 常用命令

3. 数据结构

4. 跳跃表（跳表）

简介

实例

5. 使用Zset实现取消订单功能

生产需求:

实现思路

代码封装实现

二、新数据类型

1. Bitmaps

1. 简介

2. 常用命令

1. setbit

2. getbit

3. bitcount

4. bitop

3. Bitmaps与Set对比

2. HyperLogLog

1. 简介

2. 命令

1. pfadd

2. pfcount

3. pfmerge

3. Geospatial

1. 简介

2. 命令

1. geoadd

2. geopos

3. geodist

4. georadius