key:
- key的类型
字符串
这里我们使用值插入
这里是对于 list
我们使用 LPUSH
对于集合则使用 SADD
对于 hash 需要使用 HMSET
其中包含了多个键值对
对于有序集合，其元素存在唯一性
- 数据类型

Redis支持五种数据类型：String(字符串) / hash(哈希) / list(列表)/set(集合)/zset(有序集合)以及几种高级数据类型 BitMaps / HyperLogLog 这两种

key:

因为Redis是 key-value进行存储的数据库，我们首先来看下key能有几种类型：
Redis 中 key的类型对应value的类型，我们可以从以下几个方面来看：

key的类型
key的命名规范
key的过期时间
key的类型
因为key的数据类型对应value的数据类型，所以共有五种String/list/set/zset/hash ```powershell
字符串
这里我们使用值插入
127.0.0.1:6379> set weather “yby” OK 127.0.0.1:6379> TYpe weather string

这里是对于 list

我们使用 LPUSH

127.0.0.1:6379> LPUSH name “aaa” (integer) 1 127.0.0.1:6379> TYPE name list

对于集合则使用 SADD

127.0.0.1:6379> SADD pat “aaa” (integer) 1 127.0.0.1:6379> TYPE pat set

对于 hash 需要使用 HMSET

其中包含了多个键值对

127.0.0.1:6379> HMSET userid:1 username xiaoming password 123456 OK 127.0.0.1:6379> HGETALL userid:1 1) “username” 2) “xiaoming” 3) “password” 4) “123456”

对于有序集合，其元素存在唯一性

127.0.0.1:6379> zadd yby 1 nihao (integer) 1 127.0.0.1:6379> Type yby zset

<a name="WNRDQ"></a>
### key的命名规范
（1）命名不能过长，要不会影响查找效率，并且占据内存空间<br />（2）命名不能过短，否则会使得 `key` 的可读性变差
<a name="lzdq6"></a>
### Key的过期时间
`Redis`允许为 `key`设置一个过期时间，也就是"到点自动删除"。（1）可以避免面使用频率不高的 `key`长期存在；（2）控制缓存的失效时间
<a name="uAtX8"></a>
###  一些 key 的常用命令
```powershell
#设置过期时间
127.0.0.1:6379> expire "yby"  1
(integer) 1
127.0.0.1:6379> get "yby"
(nil)
#查找指定模式的键
127.0.0.1:6379> keys name*
1) "name"
#TTL
#检查 key剩余的过期时间
# 永久有效返回 -1 / 当过期或者被删除，返回 -2
127.0.0.1:6379> keys name*
1) "name"
127.0.0.1:6379> ttl name
(integer) -1

数据类型

`String`字符串

一个字符串最多能存储 512MB 的内容

127.0.0.1:6379> set website "www.yby.com"
OK
127.0.0.1:6379> get website
"www.yby.com"

Redis的底层并没有使用 C 的字符类型，而是自定义特殊结构 SDS

(1)
struct sdshdr{
    // 记录 buf 数组中已使用字符的数量，等于 SDS 保存字符串的长度
    int len;
    // 记录 buf 数组中为使用的字符数量
    int free;
    // 字符数组，用于保存字符串
    char buf[];
}

结尾为 “\0” 结尾

并且分配了冗余空间：

自动扩容：

当所占空间小 1 MB，扩容是成倍方式增加；
当空间超过 1MB时，每次只增加 1MB

bitmap(位图)

比如我们在项目中，记录日活跃用户时，会需要存储一些 boolean类型数据。为了解决这个问题，redis提供了位图。bitmap同样属于String类型，每次能存储，8 个位 = 1个字节，1024个字节 = 1 KB，1024 KB = 1MB，即一个MB可以存储 8388608 条记录，属于String类型，由多个字节组成。

public void recordDAU(int userId) {
    String redisKey = RedisKeyUtil.getDauKey(df.format(new Date()));
    redisTemplate.opsForValue().setBit(redisKey, userId, true);
}

位图结构使用位来实现储存信息，大大降低了内存空间使用
我们来看下位图的常用命令：

SETBIT key offset value
# 如上个例子
key = dau:2020:3:10
# 用户访问就将已用户 id 为小标的位置 1 即可
userId = 5118133

命令描述

针对 key 存储的字符串值，设置或清除指定偏移量 offset 上的位 (bit)
位的设置或清除取决于 value 值，即1或0
当key不存在时，会创建一个新的字符串。而且这个字符串的长度会伸展，直到可以满足指定的偏移量 offset（0 ≤offset< 2^32），在伸展过程中，新增的位的值被设置为0
key在原始状态下，所有的位都为 0

在真的做业务的时候，一般不使用uuid作为offset，这样消耗的内存太大了。

`hash`哈希散列

hash散列是由字符串类型的field和 value组成的映射表，可以理解为一个包含了多个键值对的集合

127.0.0.1:6379> hmset user:1 id:1 name:cao
OK
127.0.0.1:6379> hgetall user:1
1) "id:1"
2) "name:cao"

hash存储结构如下图所示

hash的底部数据结构

数据量较少时（字符串总长度 < 64，键值对 < 512) 使用ziplist
其他情况，使用dict(HashTable)

`list`列表

相当于linkedList，是一个链表而非数组，插入删除为O(1)，查询为O(n)

127.0.0.1:6379> LPUSH biancheng Java
(integer) 1
127.0.0.1:6379> LPUSH biancheng Python
(integer) 2
127.0.0.1:6379> LRANGE biancheng 0 -1
1) "Python"
2) "Java"

底层数据结构：

quicklist进行存储
quicklist是由双向链表和ziplist共同组成

ziplist:是 Redis 为节省内存而开发的，它是由一系列特殊编码的连续内存块组成的顺序型数据结构，一个压缩列表了可以包含任意多个节点，每个节点都可以保存一个字符数组或者整数值。

127.0.0.1:6379> Lpush yby gf
(integer) 1
127.0.0.1:6379> Lrange yby 0 -1
1) "gf"
#从右侧插入
127.0.0.1:6379> Rpush yby lv
(integer) 2
127.0.0.1:6379> Rpush yby haGF
(integer) 3
127.0.0.1:6379> lrange yby 0 -1
1) "gf"
2) "lv"
3) "haGF"
# 在 haGF 前面插入 dd
127.0.0.1:6379> linsert yby before haGF dd
(integer) 4
127.0.0.1:6379> lrange yby 0 -1
1) "gf"
2) "lv"
3) "dd"
4) "haGF"
# 从左侧弹出
127.0.0.1:6379> Lpop yby
"gf"
# 从右侧弹出
127.0.0.1:6379> rpop yby
"haGF"

可以作为异步队列使用：将任务对应的字符串存入redis，然后进行轮询，从其中读取任务

`set`集合（可自动去重）

127.0.0.1:6379> SADD www.biancheng HTML
(integer) 1
127.0.0.1:6379> SADD www.biancheng Pandas
(integer) 1
127.0.0.1:6379> SMEMBERS www.biancheng
1) "HTML"
2) "Pandas"

数据结构：
两种相结合的底层存储方式intset和hash table，当结合内保存的 ( 所有成员都是整数值 / 保存的成员数量不超过 512 个），此时使用intset。否则使用hash table
intset的实际结构，content是一个数组

`zset`有序集合

和set的区别：

是有序排列的
成员都是字符串类型
每个成员都关联了一个 double类型的score，从而实现了对于成员的排序

底层数据结构：

ziplist 压缩列表（list）中的

（1）成员数量 < 128 个
（2）每个成员的字符串长度小于 64 字节

zlbyte是标识当前占用的总字节数
zltail标识尾部元素相对于起始元素的偏移量
zllen是指ziplist中entry的数量
entry用来存放具体的数据项
zllend标识内存结束点

skiplist：也就是跳表

其时间复杂度为O(nlogn)，比如删除、插入、查找的时间复杂度

# 在有序列表中添加 score / element
> zadd song 1 heyJude 2 seeyouagain
(integer) 2
#获取列表中的元素
> zrange song 0 -1
1) "heyJude"
2) "seeyouagain"
# 从一个相反的顺序返回
> zrevrange song 0 -1
1) "seeyouagain"
2) "heyJude"
# 查看某个元素的评分
> zscore song heyJude
1.0

HyperLogLog

HyperLogLog实际上是一个计数器，我们的项目中有用到

// 这里虽然是使用 Java 语言，但是思路是一样
// 获取独立访客
public void record(String ip){
    // 这里获得 以日期为 key 的 RedisKey
    String redisKey = RedisUtil.getUvKey(df.format(new Date()));
    // 传入 ip
    redisTemplate.opsForHyperLogLog().add(redisKey, ip);
}
public long calculateUV(Date start, Date end){
    // 首先使用一个 List 来保存时间段内的 key
    List<String> keyList = new ArrayList<>();
    Calendar calendar = Calendar.getInstance();
    calendar.setTime(start);
    while(!calendar.getTime().after(end)){
        String key = RedisUtil.getUvKey(df.format(calendar.getTime()));
        keyList.add(key);
        calendar.add(Calendar.DATE, 1);
    }
    // 合并数据
    String redisKey = RedisKeyUtil.getUvKey(df.format(start),df.format(end));
    redisTemplate.opsForHyperLogLog().union(redisKey, keyList.toArray());
    // 返回统计结果
    return redisTemplate.opsForHyperLogLog().size(redisKey);
}

在redis客户端中相当于下面的操作

# 添加元素
Pfadd day:2020-5-11 yby
(integer) true
> Pfadd day:2020-5-11 ddd
(integer) true
> Pfadd day:2020-5-11 sx
(integer) true
> Pfadd day:2020-5-12 sx
(integer) true
> Pfadd day:2020-5-12 PDDD
(integer) true
> Pfcount day:2020-5-11
(integer) 3
# 合并两个 key
> pfmerge day:2020-5-11 day:2020-5-12
(integer) 1
# 计算二者的个数（去重）
> pfcount day:2020-5-11
(integer) 4

即HyperLogLog适用于计算基数，但是并不存储数据的内容，主要用于大数计算。
应用场景：

和bitmap配合使用，bitmap标识活跃，**hyperLogLog**用于计数
所占用的内存较少，一个**hyperloglog**的**key**一般占用 12k 内存

Redis 基本数据类型