image.png

String

结构

存入字符串键值对
SET key value
批量存储字符串键值对
MSET key value [key value …]
存入一个不存在的字符串键值对
SETNX key value
获取一个字符串键值
GET key
批量获取字符串键值
MGET key [key …]
删除一个键
DEL key [key …]
设置一个键的过期时间(秒)
EXPIRE key seconds
将key中储存的数字值加1(原子操作)
INCR key
将key中储存的数字值减1(原子操作)
DECR key
将key所储存的值加上increment(原子操作)
INCRBY key increment
将key所储存的值减去decrement(原子操作)
DECRBY key decrement

应用场景

image.png

单值缓存

SET key value
GET key

对象缓存

1) SET user:1 value(json格式数据)
2) MSET user:1:name zhuge user:1:balance 1888
MGET user:1:name user:1:balance
image.png

分布式锁

返回1代表获取锁成功
SETNX product:10001 true
image.png
返回0代表获取锁失败
SETNX product:10001 true
image.png
执行完业务释放锁
DEL product:10001
防止程序意外终止导致死锁
SET product:10001 true ex 10 nx

计数器

image.png
INCR article:readcount:{文章id}
GET article:readcount:{文章id}

Web集群session共享

spring session + redis实现session共享

Hash

结构

存储一个哈希表key的键值
HSET key field value
存储一个不存在的哈希表key的键值
HSETNX key field value
在一个哈希表key中存储多个键值对
HMSET key field value [field value …]
获取哈希表key对应的field键值
HGET key field
批量获取哈希表key中多个field键值
HMGET key field [field …]
删除哈希表key中的field键值
HDEL key field [field …]
返回哈希表key中field的数量
HLEN key
返回哈希表key中所有的键值
HGETALL key
为哈希表key中field键的值加上增量increment
HINCRBY key field increment

应用场景

对象缓存

核心数据结构与高性能原理 - 图8
HMSET user {userId}:name zhuge {userId}:balance 1888

HMSET user 1:name zhuge 1:balance 1888
HMGET user 1:name 1:balance
image.png

电商购物车

image.png
1）以用户id为key
2）商品id为field
3）商品数量为value

购物车操作
1）添加商品->hset cart:1001 10088 1
2）增加数量->hincrby cart:1001 10088 1
3）商品总数->hlen cart:1001
4）删除商品->hdel cart:1001 10088
5）获取购物车所有商品->hgetall cart:1001

优点

1）同类数据归类整合储存，方便数据管理
2）相比string操作消耗内存与cpu更小
3）相比string储存更节省空间

缺点

1）过期功能不能使用在field上，只能用在key上
2）Redis集群架构下不适合大规模使用

List

结构

将一个或多个值value插入到key列表的表头(最左边)
LPUSH key value [value …]
将一个或多个值value插入到key列表的表尾(最右边)
RPUSH key value [value …]
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列表表头弹出一个元素，若列表中没有元素，阻塞等待timeout秒,如果timeout=0,一直阻塞等待
BLPOP key [key …] timeout
从key列表表尾弹出一个元素，若列表中没有元素，阻塞等待timeout秒,如果timeout=0,一直阻塞等待 BRPOP key [key …] timeout

应用场景

常用数据结构

核心数据结构与高性能原理 - 图11
Stack(栈) = LPUSH + LPOP
Queue(队列）= LPUSH + RPOP
Blocking MQ(阻塞队列）= LPUSH + BRPOP

微博消息和微信公号消息

image.png
关注了MacTalk，备胎说车等大V
1）MacTalk发微博，消息ID为10018
LPUSH msg:{诸葛老师-ID} 10018
2）备胎说车发微博，消息ID为10086
LPUSH msg:{诸葛老师-ID} 10086
3）查看最新微博消息
LRANGE msg:{诸葛老师-ID} 0 4

Set

结构

往集合key中存入元素，元素存在则忽略，若key不存在则新建
SADD key member [member …]
从集合key中删除元素
SREM key member [member …]
获取集合key中所有元素
SMEMBERS key
获取集合key的元素个数
SCARD key
判断member元素是否存在于集合key中
SISMEMBER key member
从集合key中选出count个元素，元素不从key中删除
SRANDMEMBER key [count]
从集合key中选出count个元素，元素从key中删除
SPOP key [count]
交集运算
SINTER key [key …]
将交集结果存入新集合destination中
SINTERSTORE destination key [key ..]
并集运算
SUNION key [key ..]
将并集结果存入新集合destination中
SUNIONSTORE destination key [key …]
差集运算
SDIFF key [key …]
将差集结果存入新集合destination中
SDIFFSTORE destination key [key …]

应用场景

微信抽奖小程序

image.png
1）点击参与抽奖加入集合
SADD key {userlD}
2）查看参与抽奖所有用户
SMEMBERS key
3）抽取count名中奖者
SRANDMEMBER key [count] / SPOP key [count]

微信微博点赞，收藏，标签

image.png
1) 点赞
SADD like:{消息ID} {用户ID}
2) 取消点赞
SREM like:{消息ID} {用户ID}
3) 检查用户是否点过赞
SISMEMBER like:{消息ID} {用户ID}
4) 获取点赞的用户列表
SMEMBERS like:{消息ID}
5) 获取点赞用户数
SCARD like:{消息ID}

集合操作

image.png
SINTER set1 set2 set3 -> { c }
SUNION set1 set2 set3 -> { a,b,c,d,e }
SDIFF set1 set2 set3 -> { a }

集合操作实现微博微信关注模型

image.png
1) 诸葛老师关注的人:
zhugeSet-> {guojia, xushu}
2) 杨过老师关注的人:
yangguoSet—> {zhuge, baiqi, guojia, xushu}
3) 郭嘉老师关注的人:
guojiaSet-> {zhuge, yangguo, baiqi, xushu, xunyu)
4) 我和杨过老师共同关注:
SINTER zhugeSet yangguoSet—> {guojia, xushu}
5) 我关注的人也关注他(杨过老师):
SISMEMBER guojiaSet yangguo
SISMEMBER xushuSet yangguo
6) 我可能认识的人:
SDIFF yangguoSet zhugeSet->(zhuge, baiqi}

集合操作实现电商商品筛选

image.png
SADD brand:huawei P40
SADD brand:xiaomi mi-10
SADD brand:iPhone iphone12
SADD os:android P40 mi-10
SADD cpu:brand:intel P40 mi-10
SADD ram:8G P40 mi-10 iphone12

SINTER os:android cpu:brand:intel ram:8G  {P40，mi-10}

ZSet

结构

image.png
往有序集合key中加入带分值元素
ZADD key score member [[score member]…]
从有序集合key中删除元素
ZREM key member [member …]
返回有序集合key中元素member的分值
ZSCORE key member
为有序集合key中元素member的分值加上increment
ZINCRBY key increment member
返回有序集合key中元素个数
ZCARD key
正序获取有序集合key从start下标到stop下标的元素
ZRANGE key start stop [WITHSCORES]
倒序获取有序集合key从start下标到stop下标的元素
ZREVRANGE key start stop [WITHSCORES]
并集计算
ZUNIONSTORE destkey numkeys key [key …]
交集计算
ZINTERSTORE destkey numkeys key [key …]

应用场景

Zset集合操作实现排行榜

image.png
1）点击新闻
ZINCRBY hotNews:20190819 1 守护香港
2）展示当日排行前十
ZREVRANGE hotNews:20190819 0 9 WITHSCORES
3）七日搜索榜单计算
ZUNIONSTORE hotNews:20190813-20190819 7
hotNews:20190813 hotNews:20190814… hotNews:20190819
4）展示七日排行前十
ZREVRANGE hotNews:20190813-20190819 0 9 WITHSCORES

其他高级命令

keys

全量遍历键，用来列出所有满足特定正则字符串规则的key，当redis数据量比较大时，性能比较差（会阻塞线程，因为命令线程是单线程执行的），项目中要避免使用，可以直接禁用该命令。

scan

渐进式遍历键：scan cursor [MATCH pattern] [Count count]
三个参数：

  1. cursor：游标，默认从0开始，每次会返回下一次的游标数值，一直遍历到cursor返回0为止；
  2. MATCH：key的正则模式；
  3. COUNT：一次查询的数量（返回的数量有可能比数值多，有可能比数值少，因为在遍历的时候可能会删除/新增数据）;

注：scan并非完美无瑕，如果在scan的过程中如果有键的变化（增加、删除、修改），那么遍历效果可能会碰到如下问题：新增的键可能没有遍历到，遍历出了重复的键等情况，也就是说scan并不能保证完整的遍历出来所有的键，这些是我们在开发时需要考虑的。

info

查看redis配置信息

Redis的单线程和高性能

Redis是单线程吗？

Redis的单线程主要是指Redis的网络IO和键值对读写是由一个线程来完成的，这也是Redis对外提供键值存储服务的主要流程。但Redis的其他功能，比如持久化、异步删除、集群数据同步等，其实是由额外的线程执行的。

Redis单线程为什么这么快？

因为它所有的数据都在内存中，所有的运算都是内存级别的运算，而且单线程避免了多线程的切换性能损耗问题(正因为Redis是单线程，所以要小心使用Redis指令，对于那些耗时的指令(比如keys)，一定要谨慎使用，一不小心就可能会导致Redis卡顿)。

Redis单线程如何处理那么多的并发客户端连接？

Redis采用IO多路复用。redis利用epoll来实现IO多路复用，将连接信息和事件放到队列中，依次放到文件事件分派器，事件分派器将事件分发给事件处理器。
image.png

问题一：MySQL中的varchar和char的区别以及varchar(50)中的50代表的涵义

（1）varchar和char
char是一种固定长度的类型，varchar则是一种可变长度的类型
（2）varchar（50）的涵义
最多存放50个字符，varchar（50）和（200）存储hello所占空间一样，但后者在排序时会消耗更多的内存，因为order by col采用fixed_length计算col长度（memory引擎也一样）

问题二：为什么Redis那么高的性能

1.数据存放在内存中
2.内存的读写速度是磁盘（数据库）的一百倍左右。
3.用C语言实现,C语言更底层， 执行速度相对会更快。
4.单线程架构,预防了多线程可能产生的竞争问题。

问题三：请简述MySQL的复制原理以及流程

基本原理流程，3个线程以及之间的关联；
1. 主：binlog线程——记录下所有改变了数据库数据的语句，放进master上的binlog中；
2. 从：io线程——在使用start slave 之后，负责从master上拉取 binlog 内容，放进 自己的relay log中；
3. 从：sql执行线程——执行relay log中的语句

问题四：Redis集群架构下的数据倾斜问题如何解决

  1. 使用本地缓存
    2. 利用分片算法的特性，对key进行打散处理
    3.big key 形成集群数据量倾斜：对 big key 进行拆分

    问题五：为什么wait(),notify()和notifyAll()必须在同步方法或者同步块中被调用？

    当一个线程需要调用对象的wait()方法的时候，这个线程必须拥有该对象的锁，接着它就会释放这个对象锁并进入等待状态直到其他线程调用这个对象上的notify()方法。
    同样的，当一个线程需要调用对象的notify()方法时，它会释放这个对象的锁，以便其他在等待的线程就可以得到这个对象锁。由于所有的这些方法都需要线程持有对象的锁，这样就只能通过同步来实现，所以他们只能在同步方法或者同步块中被调用。

    问题六：distinct使用临时表计算可以通过什么方式来优化

    对distinct字段加索引，这样查询结果在索引树里就能直接过滤重复的值