Redis常用的數據結構以及各種數據結構使用場景示例（非常實用）
1、String數據結構
SET key value
// 存入字符串鍵值對
MSET key value [key value ...]
// 批量存儲字符串鍵值對
SETNX key value
// 存入一個不存在的字符串鍵值對
GET key
// 獲取字符串鍵值
MGET key [key ...]
// 批量獲取字符串鍵值
DEL key [key ...]
// 刪除一個鍵
EXPIRE key seconds
// 設置一個key的過期時間(秒)
原子性加減命令：
INCR key
// 將key中儲存的數字值加1
DECR key
// 將key中儲存的數字值減1
INCRBY key increment
// 將key中值加上increment
DECRBY key increment
// 將key中值減去increment
--增
set mykey "test" --為鍵設置新值，并覆蓋原有值
setex mykey 10 "hello" -- 設置指定 Key 的過期時間為10秒,在存活時間可以獲取value
mset key3 "stephen" key4 "liu" --批量設置鍵
--刪
del mykey --刪除已有鍵
--改
incr mykey --值增加1,若該key不存在,創建key,初始值設為0,增加后結果為1
decrby mykey 5 --值減少5
--查
exists mykey --判斷該鍵是否存在，存在返回 1，否則返回0
get mykey --獲取Key對應的value
mget key3 key4 --批量獲取鍵
使用場景：
1、key/value單值緩存
SET key value
GET key
商品庫存 key商品ID value商品的實際庫存
2、對象緩存
SET user:1 value(JSON格式數據)
3、分布式鎖
命令 SETNX key value
當且僅當key不存在的時候執行操作，否則不執行任何操作
SETNX produce:10001 true
// 返回1代表獲取鎖成功
// 返回0代表獲取鎖失敗
。。。執行業務操作。。。
DEL product:10001
// 執行完業務釋放鎖
SET product:10001 true ex 10 nx
// 防止程序意外終止導致死鎖
4、原子計數器
比如博客，文章有個閱讀數
只要文章被打開，我即可執行一條
INCR article:readCount:{文章ID}命令
INCR article:readCount:{文章ID}
// 每次執行一次key+1
GET article:readCount:{文章ID}
// 獲取當前key的值
5、分布式系統全局序列號
INCRBY orderId 100
// redis批量生成序列號，提升性能
問題：頻繁執行Redis命令會增加Redis機器的性能壓力，這個時候可以考慮使用批量生成，然后在服務內存里面緩存起來使用
2、Hash數據結構
Hash的常用操作：
HSET key field value
// 存儲一個哈希表key的鍵值
HSETNX key field value
// 存儲一個不存在的哈希表的key鍵值
HMSET key field value [field value ...]
// 在一個Hash表中存儲多個鍵值對
HGET key field
// 獲取哈希表key對應的field的鍵值
HMGET key field [field ...]
// 批量獲取哈希表key對應field的多個鍵值
HDEL key field [field ...]
// 批量刪除哈希表key對應的field的多個鍵值
HLEN key
// 返回哈希表key中field的數量
HGETALL key
// 返回哈希表key中所有的鍵值
HINCRBY key field increment
// 為哈希表key中field的鍵的值添加增量 increment
hset cart:{用戶id} {商品id} 1 # 添加商品
hincrby cart:{用戶id} {商品id} 1 # 增加數量
hlen cart:{用戶id} # 獲取商品總數
hdel cart:{用戶id} {商品id} # 刪除商品
hgetall cart:{用戶id} #獲取購物車所有商品
--增
hset key field1 "s" --若字段field1不存在,創建該鍵及與其關聯的Hash, Hash中,key為field1 ,并設value為s ，若字段field1存在,則覆蓋
hmset key field1 "hello" field2 "world" -- 一次性設置多個字段
--刪
hdel key field1 --刪除 key 鍵中字段名為 field1 的字段
del key -- 刪除鍵
--改
hincrby key field 1 --給field的值加1
--查
hget key field1 --獲取鍵值為 key,字段為 field1 的值
hlen key --獲取key鍵的字段數量
hmget key field1 field2 field3 --一次性獲取多個字段
hgetall key --返回 key 鍵的所有field值及value值
hkeys key --獲取key 鍵中所有字段的field值
hvals key --獲取 key 鍵中所有字段的value值
Hash應用場景：
①對象緩存存儲命令：
HMSET user {userId}:name 張三 {userId}:balance 18
存儲數據庫對象數據，使用示例如下：
HMSET user 1:name 趙思 1:balance 180
HMSET user 2:name 王五 2:balance 190
問題：
hash最重要存儲對象數據，當某個值頻繁被修改時，非常方便。比如用戶積分，只需要操作積分的file數據即可，對象其他數據值不會受到影響
②電商購物車
1、以用戶唯一ID為哈希表的key
2、以購買商品的唯一ID為field
3、商品購買數量為value
購物車操作：HSET cert:{用于ID} {商品ID} {購買數量}
1、添加商品
HSET cert:1001 2080 1
2、增加商品數量
HINCRBY cert:1001 2080 2
3、商品總數
HLEN cert:1001
4、刪除商品
HDEL cert:1001 2080
5、獲取購物車里的所有商品
HGETALL cert:1001
注意：展示的商品詳情，通過ID去查詢然后展示數據
3、list列表數據結構
LPUSH key value [value ...]
將一個或多個值value插入到ley列表的表頭(最左邊)
RPUSH key value [value ...]
將一個或多個值value插入到ley列表的表頭(最右邊)
LPOP key
移除并返回key列表的頭元素
RPOP key
移除并返回key列表的尾元素
LRANGE key start stop
返回列表key中指定區間內的元素，區間以偏移量start和stop指定，注意從0開始
BLPOP key [key ...] timeout
從key列表的表頭彈出一個元素，所列表中沒有元素，阻塞等待timeout秒，如果timeout=0則一直阻塞等待
BRPOP key [key ...] timeout
從key列表的表尾彈出一個元素，若列表中沒有元素，阻塞等待timeout秒，如果timeout=0則一直阻塞等待
--增
lpush mykey a b --若key不存在,創建該鍵及與其關聯的List,依次插入a ,b， 若List類型的key存在,則插入value中
rpush mykey a b --在鏈表尾部先插入b,在插入a（lpush list a b那么讀的時候是b,a的順序，而rpush是怎么放怎么讀出來
--刪
del mykey --刪除已有鍵
--改
lset mykey 1 e --從頭開始, 將索引為1的元素值,設置為新值 e,若索引越界,則返回錯誤信息
--查
lrange mykey 0 -1 --取鏈表中的全部元素，其中0表示第一個元素,-1表示最后一個元素。
lrange mykey 0 2 --從頭開始,取索引為0,1,2的元素
lpop mykey --獲取頭部元素,并且彈出頭部元素,出棧
List使用場景
常用分布式數據結構：
1、Stack棧 = LPUSH + LPOP
棧數據結構，先進后出
2、Queue隊列 = LPUSH+ RPOP
隊列數據結構，先進先出
3、Blocking MQ(阻塞隊列) = LPUSH +BPROP
注意：BPROP可以實現阻塞 B->block
4、微博，微信公眾號訂閱消息流
（幾萬以下粉絲適合）
給每個用戶，創建一個List接收消息列表，
然后發布的文章添加到用戶的List數據結構中去，同時默認是拍好序號的數據，直接使用
LRANG msg:{微博ID} 0 5
則可以取出6條數據，這樣用戶訪問的性能就很高
（注意：對于特別多訂閱用戶不適合）
超級大V，應該使用什么方案呢？
4、Set集合數據結構
Set常用操作：
SADD key member [member ...]
向集合key中存入元素。元素存在則忽略
可以批量的放元素
SREM key member [member ...]
從集合key中刪除元素
SCARD key
獲取集合key的元素個數
SISMEMBER key member
判斷member元素是否存在于集合key中
SRANDMEMBER key [count]
從集合key中選出count個元素，元素不從key中刪除
SPOP key [count]
從集合key中選出count個元素，元素從key中刪除
Set運算操作：
SINTER key [key ...]
交集運算
SINTERSTORE destination key [key...]
將交集結果存入新的集合destination中
SUNION key [key ...]
并集運算
SUNIONSTORE destination key [key ...]
將并集結果存入新的集合destination中
SDIFF key [key ...]
差集運算
SDIFFSTORE destination key [key ...]
將差集結果存入新的集合destination中
--增
sadd myset a b c --若key不存在,創建該鍵及與其關聯的set,依次插入a ,b,c。若key存在,則插入value中,若a 在myset中已經存在,則插入了 b 和 c 兩個新成員。
--刪
spop myset --尾部的b被移出,事實上b并不是之前插入的第一個或最后一個成員
srem myset a d f --若f不存在, 移出 a、d ,并返回2
--改
smove myset myset2 a --將a從 myset 移到 myset2，
--查
sismember myset a --判斷 a 是否已經存在，返回值為 1 表示存在。
smembers myset --查看set中的內容
scard myset --獲取Set 集合中元素的數量
srandmember myset --隨機的返回某一成員
Set數據結構使用場景：
1、微信抽獎小程序
①點擊參與抽獎加入集合
SADD key {userID}
示例：活動act:001參與用戶2001、2002
sadd act:001 2001
sadd act:001 2002
②查看參與抽獎所有用戶
SMEMBERS key
示例：
SMEMBERS act:001
展示所有參與抽獎用戶userId
③抽取count名抽獎者
SRANDMEMBER key [count]
從集合中隨機拿出count個元素
SPOP key [count]
從集合中拿出元素并刪除元素
比如抽獎后不能再參與抽獎了
使用場景：
微信微博點贊，收藏，標簽
1、點贊
SADD like:{消息ID} {用戶ID}
2、取消點贊
SREM like:{消息ID} {用戶ID}
3、檢查用戶是否點過贊
SISMEMBER like:{消息ID} {用戶ID}
4、獲取點贊的用戶列表
SISMEMBERS like:{消息ID}
5、獲取點贊的用戶數
SCARD like:{消息ID}
關注模型：比如共同關注，你的朋友也關注了它
5、ZSet支持排序的有序集合數據結構
ZSET常用操作：
ZADD key score member [ [score member] ... ]
向有序集合key中加入帶分值的元素
ZREM key member [member ...]
從有序集合中刪除元素
ZSCORE key member
返回有序集合key中元素member的分值
ZINCRBY key increment member
為有序集合key中元素member的分值加上increment
ZCARD key
返回有序集合key中元素個數
ZRANGE key start stop [WITHSCORES]
正序獲取有序集合key從start下標到stop下標的元素
ZREVRANGE key start stop [WITHSCORES]
倒序獲取有序集合key從start下標到stop下標的元素
ZSET的集合操作：
ZUNIONSTORE destkey numkeys key [key ...]
并集計算
ZINTERSTORE destkey numkeys key [key ...]
交集計算
--增
zadd key 2 "two" 3 "three" --添加兩個分數分別是 2 和 3 的兩個成員
--刪
zrem key one two --刪除多個成員變量,返回刪除的數量
--改
zincrby key 2 one --將成員 one 的分數增加 2，并返回該成員更新后的分數（分數改變后相應它的index也會改變）
--查
zrange key 0 -1 WITHSCORES --返回所有成員和分數,不加WITHSCORES,只返回成員
zrange key start stop --按照元素的分值從小到大的順序返回從start 到stop之間的所有元素
zscore key three --獲取成員 three 的分數
zrangebyscore key 1 2 --獲取分數滿足表達式 1 < score <= 2 的成員
zcard key --獲取 myzset 鍵中成員的數量
zcount key 1 2 --獲取分數滿足表達式 1 <= score <= 2 的成員的數量
zrank key member --獲取元素的排名，從小到大
zrevrank key member --獲取元素的排名，從大到小
使用場景
1、ZSET點贊按照時間排序
2、ZSET集合操作實現排行榜
①點擊新聞增加閱讀數
ZINCRBY hotNews:20220103 1 領導實地考察
②展示當日排行前十（取出ZSET前10個元素）
ZREVRANGE hotNews:20220918 0 9 WITHSCORES
③七日搜索榜單計算（求并集）
ZUNIONSTORE hotNews:202200813-202200819 7
hotsNews:202200813 hotsNews:202200814 hotsNews:202200815
hotsNews:202200816 hotsNews:202200817 hotsNews:202200818
hotsNews:202200819
④展示七日排行前十
ZREVRANGE hotNews:202200813-202200819 0 9 WITHSCORES
6、Geospatial主要存儲經緯度數據
Redis 在 3.2 推出 Geo 類型，該功能可以推算出地理位置信息，兩地之間的距離。
7、HyperLogLogs
用于大數據量基數統計，速度非常快，占用內存非常小。每個HyperLogLog鍵只需要花費12KB內存，就可以計算接近 2^64個不同元素的基數。比如計算網站UV（User view，用戶訪問數量，一個用戶一天訪問同一個URL地址多次合并為一次）。
HyperLogLog常用于大數據量的統計：
1、頁面訪問量統計或者用戶訪問量統計
2、統計注冊 IP 數
3、統計每日訪問 IP 數
4、統計頁面實時 UV 數
5、統計在線用戶數
6、統計用戶每天搜索不同詞條的個數
說明：基數不大，數據量不大就用不上，會有點大材小用浪費空間
有局限性，就是只能統計基數數量，而沒辦法去知道具體的內容是什么
和bitmap相比，屬于兩種特定統計情況，簡單來說，HyperLogLog 去重比 bitmap 方便很多
一般可以bitmap和hyperloglog配合使用，bitmap標識哪些用戶活躍，hyperloglog計數
8、bitmap
1、用戶簽到
很多網站都提供了簽到功能，并且需要展示最近一個月的簽到情況，這種情況可以使用 BitMap 來實現。
根據日期 offset = （今天是一年中的第幾天） % （今年的天數），key = 年份：用戶id。
如果需要將用戶的詳細簽到信息入庫的話，可以考慮使用一個一步線程來完成。
2、統計用戶活躍數
使用日期作為 key，然后用戶 id 為 offset，如果當日活躍過就設置為1。具體怎么樣才算活躍這個標準大家可以自己指定。
假如 20201009 活躍用戶情況是： [1，0，1，1，0]
20201010 活躍用戶情況是 ：[ 1，1，0，1，0 ]
統計連續兩天活躍的用戶總數：
bitop and dest1 20201009 20201010
# dest1 中值為1的offset，就是連續兩天活躍用戶的ID
bitcount dest1
統計20201009 ~ 20201010 活躍過的用戶：
bitop or dest2 20201009 20201010
3、統計用戶是否在線
如果需要提供一個查詢當前用戶是否在線的接口，也可以考慮使用 BitMap 。即節約空間效率又高，只需要一個 key，然后用戶 id 為 offset，如果在線就設置為 1，不在線就設置為 0。
4、實現布隆過濾器
