LearnJava
  • Summary
    • Introduction
    • MyResume
  • 开发
    • 小程序
      • 小程序开发问题总结
      • 小程序bug
    • 环境搭建
      • Linux搭建git服务器
      • Linux切换JDK版本
      • Mac搭建http服务器
      • Ubuntu搭建C++开发环境
      • ProtoBuffer安装
      • Ubuntu开启Telnet
      • Linux搭建邮件服务器
    • 遇到的问题
      • Mac下eclipse问题
      • Mac下Github问题
      • Markdown解决方案实例
      • Spring问题
  • 编程语言
    • C++
      • C&C++框架汇总
      • C++Primer课后习题记录
      • C++疑问
      • C++与java的异同
      • C++内存模型
      • C++知识点
      • Make和Cmake
    • GO
      • Go语言简介
      • Go语言知识点
    • XML
      • XML知识点
  • 技术学习
    • JavaIO
      • AIO通信
      • IO和NIO
      • 阻塞式IO通信
      • 非阻塞式IO通信
    • 计算机网络
      • CDN
      • HTTPS协议入门
      • HTTP_POST请求的数据格式
      • HTTP错误码和出现场景
      • HTTP协议入门
      • TCP/IP协议入门
      • Wireshark抓包
      • 域名解析过程
    • 计算机原理
      • 整型计算
      • GPU
      • Swap内存
    • 架构学习
      • 分布式锁
      • 分布式系统的CAP理论
      • IaaS,PaaS,SaaS的区别
      • Web框架
      • 康威定律
      • 秒杀系统设计
      • 数据异构
      • 微服务架构入门
      • 协程
      • MQ推拉模式对比
      • UML图
      • 缓存穿透击穿和雪崩
    • 前端学习
      • 安装使用VUE
      • 搭建VUE项目
    • 大数据
      • Hadoop之HBASE
      • Hadoop之HDFS
      • Hadoop之MapReduce
      • Hadoop简介
    • 数据结构
      • 二叉树
      • 图
      • 跳表
      • Bitmap
    • 算法
      • 排序算法
        • 插入排序
        • 归并排序
        • 计数排序
        • 快速排序
        • 冒泡排序
        • 选择排序
      • Hash算法
      • MD5介绍
      • 一致性Hash算法
      • 数字全排列
      • MD5介绍
      • 储水量
      • 最大子序列
    • Java多线程
      • AQS原理
      • AtomicInteger原理
      • Condition
      • Fork/Join框架
      • happens-before
      • Java锁优化
      • Java线程池
      • Java中的阻塞队列
      • Java实现线程的三种方式
      • Lock
      • Lock的种类
      • ThreadLocal
      • 线程状态及其转换
    • Java设计模式
      • Builder模式
      • 代理模式
      • 工厂和抽象工厂模式
      • 观察者模式
      • 设计模式概述
      • 职责链模式
      • 装饰者模式
      • Java实现单例的5种方式
    • Java学习
      • Java拓展学习
        • JavaSPI
      • Java序列化
      • Java异常
      • Java注解
      • 学习UML图
      • Java的Lambda表达式
      • Java集合之ArrayList
      • Java集合之HashMap
      • Java集合之LinkedList
      • List⤅&Set的操作和遍历
      • JavaP反编译命令
      • Servlet学习
    • JVM学习
      • 分层编译
      • Java进程内存占用
      • JVM参数
      • JVM常用工具
      • JVM的内存模型
      • 垃圾回收机制
      • 看懂gc日志
      • 类加载机制和双亲委派模型
      • 类的反射
      • 自己动手编译OPENJDK
      • ASM字节码增强技术
      • CodeCache
      • GC耗时案例
      • JVM性能调优
    • Linux学习
      • gdb调试定位
      • Linux常用命令
      • Linux工具
      • Linux进程通信的方式
      • Linux文件系统结构
      • Linux系统知识点
      • Linux小技巧
      • Shell学习
      • Vim常用命令
    • Java设计模式
      • 设计模式概述
      • 代理模式
      • 装饰者模式
    • Mysql
      • InnoDB介绍
      • Mac_mysql问题
      • mysql之group_concat函数
      • mysql事务
      • Mysql优化
      • Mysql实用命令
      • mysql慢查询
      • mysql文件
      • mysql视图
      • mysql锁
      • mysql索引
      • mysql约束
      • 存储过程和触发器
      • mysql常用语法
    • Spring
      • SpringCloud
        • 搭建Jenkins自动部署
        • SpringCloud介绍
        • SpringCloudBus
        • SpringCloudConfig
        • SpringCloudEureka
        • SpringCloudFeign
        • SpringCloudHystrix
        • SpringCloudRibbon
        • SpringCloudSleuth
        • SpringCloudStream
        • SpringCloudZuul
      • FactoryBean理解
      • MyBatis入门介绍
      • rose框架学习
      • SpringMVC的启动流程
      • SpringBean的生命周期
      • SpringBoot入门
      • Spring入门AOP和IOC
      • SpringMVC入门笔记
      • SpringMVC集成Log4j2
      • web.xml详解
    • web中间件学习
      • Redis
        • Redis入门
        • Redis持久化
        • Redis的数据类型
        • Redis特性
      • Gremlin入门
      • Elasticsearch安装使用
      • HugeGraph入门
      • jetty介绍
      • Kafka介绍使用
      • Maven安装配置
      • Netty介绍使用
      • Netty的编解码
      • Maven的pom介绍
      • Nginx介绍
      • Nginx配置详解
      • ProtocolBuffers学习笔记
      • Resin学习
      • RESTful入门
      • RocketMQ入门
      • RPC入门
      • Thrift介绍
      • Tomcat常用配置
      • Tomcat学习
      • Tomcat实现
      • zookeeper入门
      • Zookerper选举原理
  • 文档读后感
    • 除了写代码你还会干什么
  • 效率提升
    • Java诊断工具Arthas
    • Mac下安装多版本java
    • Mac下显示git分支
    • Mac中Clion快捷键
    • Mac中Eclipse快捷键
    • MacShell常用快捷键
    • PlantUML入门
    • Windows与Linux服务器传文件
    • Sublime技巧
    • 搜索引擎检索技巧
  • 总结
    • 2017工作总结
Powered by GitBook
On this page
  • 1. 字符串String
  • 2. 哈希Hash
  • 3. 字符串链表linked-list
  • 4. 字符串集合set
  • 5. 有序字符串集合sorted set
  • 6. 基数HyperLogLog

Was this helpful?

  1. 技术学习
  2. web中间件学习
  3. Redis

Redis的数据类型

Redis支持的数据类型一般有5种:

  • 字符串String

  • 字符串链表linked-list

  • 哈希hash

  • 字符串集合set

  • 有序字符串集合sorted set(zset)

比较常用的是字符串和哈希类型。

1. 字符串String

特点:

  • 二进制保存的,存入和获取的数据相同;

  • Value最多可以容纳的数据长度是512M;

# 操作实例
127.0.0.1:6379> set name wangjun
OK
127.0.0.1:6379> get name
"wangjun"
127.0.0.1:6379> keys *
1) "name"
127.0.0.1:6379> set name wangjun2
OK
127.0.0.1:6379> get name
"wangjun2"
127.0.0.1:6379> del name
(integer) 1
127.0.0.1:6379> keys *
(empty list or set)
127.0.0.1:6379> flushdb(清空所有的key)
OK

2. 哈希Hash

特点:

  • key,value的map容器;

  • 每一个hash可以存储2^32-1(将近43亿)个键值对

# 操作实例
127.0.0.1:6379> hmset person name wangjun age 25 email scuwangjun@hotmail.com
OK
127.0.0.1:6379> hgetall person
1) "name"
2) "wangjun"
3) "age"
4) "25"
5) "email"
6) "scuwangjun@hotmail.com"
127.0.0.1:6379> hget person email
"scuwangjun@hotmail.com"

在hash类型中,person作为key,key指向的哈希结构如同java的map一样,有许多键值对。在redis中,hash是一个String类型的filed和value的映射表,因此我们存储的数据实际在redis的内存中都是一个一个字符串而已。我们上面的例子中的hash结构如下:

key: person指向 ->

filed

value

name

wangjun

age

25

email

scuwangjun@hotmail.com

3. 字符串链表linked-list

有序的集合,允许重复,并且是双向链表,因此即可以从左到右也可以从右到左遍历它存储的节点。使用链表的结构就意味着读性能的丧失,因为需要在链表中一个一个的查找,但是插入和删除比较便利。

list存储的最大长度为2^32-1(将近43亿)

内部存储结构:

  • ArrayList数组结构

  • LinkedList双向链表

因为是双向链表,所以redis提供了左操作和右操作,示例如下:

# 操作实例
127.0.0.1:6379> lpush list node3 node2 node1
(integer) 3
127.0.0.1:6379> rpush list node4
(integer) 4
127.0.0.1:6379> lindex list 0
"node1"
127.0.0.1:6379> lindex list 3
"node4"
127.0.0.1:6379> llen list
(integer) 4
127.0.0.1:6379> lpop list
"node1"
127.0.0.1:6379> lindex list 0
"node2"

需要指出的是这些命令都不是进程安全的,因为我们操作这些命令的时候,其他客户端可能也在操作,这就有可能造成并发数据安全和一致性问题,幸运的是redis为了克服这些问题提供了链表阻塞命令,他们在运行的时候会给链表加锁,以保证操作链表的命令安全性,比如blpop、brpop、rpoplpush、brpoplpush等,当使用这些命令的时候会对对应的链表加锁,加锁的结果就是其他进程不能再读取或者写入该链表,只能等待命令结束。

对链表加锁虽然保证了数据一致性,但也要付出性能的代价,在实际的项目中更多时候我们并不希望阻塞的处理请求,所以这些命令在实际中使用的并不多。后面还会继续探讨高并发锁的问题(loading......)

4. 字符串集合set

redis的集合不是一个线性结构而是一个哈希表结构,它的内部会根据hash分子来存储和查找数据,因此插入、删除和查找的复杂度都是O(1)。

  • 没有顺序的集合,不允许重复

  • 最大包含的元素数量:2^32-1(将近43亿)

  • 集合的每一个元素都是String类型的数据

集合支持并集,交集和差集的运算。

# 操作实例
127.0.0.1:6379> sadd set1 s1 s2 s3 s4 s5 s6
(integer) 6
127.0.0.1:6379> sadd set2 s0 s1 s2 s7 s8
(integer) 5
127.0.0.1:6379> scard set1(长度)
(integer) 6
127.0.0.1:6379> sdiff set1 set2(差集)
1) "s3"
2) "s6"
3) "s4"
4) "s5"
127.0.0.1:6379> sinter set1 set2(交集)
1) "s1"
2) "s2"
127.0.0.1:6379> smembers set1
1) "s4"
2) "s6"
3) "s3"
4) "s1"
5) "s2"
6) "s5"
127.0.0.1:6379> spop set1(随机弹出一个元素)
"s1"
127.0.0.1:6379> smembers set1
1) "s4"
2) "s6"
3) "s3"
4) "s2"
5) "s5"
127.0.0.1:6379> sunion set1 set2(并集)
1) "s0"
2) "s8"
3) "s7"
4) "s6"
5) "s3"
6) "s2"
7) "s5"
8) "s4"
9) "s1"

5. 有序字符串集合sorted set

有序集合和集合类似,只是它是有序的,和无序集合的主要区别在于每一个元素除了值之外,它还会多一个浮点型的分数,根据这个分数,redis就可以支持对分数进行排序,和无序集合一样对于每一个元素都是唯一的,但是对于不同元素而言,它的分数可以一样。元素的值也是String数据类型,在满足一定的条件下,也可以对值进行排序。

有序集合的数据结构:

有序集合的底层存储数据结构有两种:ziplist、哈希表+跳表结构,根据配置选择。

  • 当一个key存储的items小于64的时候使用了ziplist结构,查询的时间复杂度是O(n);

  • 当大于64的时候采用了hash+skiplist的存储结构,添加和删除的时间复杂度为O(log(n));

  • 如果仅仅是查询元素的话可以直接使用hash,其复杂度是O(1)。

有序集合的命令和无序集合的命令是接近的,只是在这些命令的基础上,会增加对于排序的操作。

# 操作实例
27.0.0.1:6379> zadd zset1 1 s1 2 s2 3 s3
(integer) 3
127.0.0.1:6379> zcard zset1 # 获取成员数量
(integer) 3
127.0.0.1:6379> zcount zset1 1 2  # 返回分数范围内的成员数量
(integer) 2
127.0.0.1:6379> zlexcount zset1 [s1 [s2 # 返回成员之间的成员数量
(integer) 2

有序集合的使用场景:

  • 微博的热门话题

  • 游戏的排名

6. 基数HyperLogLog

基数严格来说是一种算法,类似基数排序。如果要存储一本英文字典,内存可能不够,但是字母的数量是有限的,我们可以计算存储这些字母需要的空间。它存储的值是String类型的。

基数存储的优点在于:在输入元素的数量或者体积很大时,计算基数所需的空间总是固定的,并且是很小的。缺点是:它是估算基数的算法,会有0.81%的误差,而且只会根据输入元素来计算基数,而不会存储输入元素本身,因此无法像其他存储结构那样返回输入的各个元素,因此应用在对准确性不是很重要的场景,比如QQ同时在线人数、网站IP访问数量等。

# 操作实例
127.0.0.1:6379> pfadd h1 a
(integer) 1
127.0.0.1:6379> pfadd h1 b
(integer) 1
127.0.0.1:6379> pfadd h1 c
(integer) 1
127.0.0.1:6379> pfadd h1 a
(integer) 0
127.0.0.1:6379> pfcount h1
(integer) 3
127.0.0.1:6379> pfadd h2 d
(integer) 1
127.0.0.1:6379> pfadd h2 e
(integer) 1
127.0.0.1:6379> pfmerge h3 h1 h2
OK
127.0.0.1:6379> pfcount h3
(integer) 5

参考:

PreviousRedis持久化NextRedis特性

Last updated 4 years ago

Was this helpful?

http://www.redis.cn/commands.html#