001_Redis 数据类型

前言

• 基于内存操作的字典型数据库，查询时间复杂度为o(1)

数据类型

String

• 最基本的数据类型，可以包含任何数据，例如：jpg图片或者序列化的对象
• 最大存储512MB

set key value ex 1000 nx # 同时包含以下2个操作（可以用作简单的分布式锁）
# setnx key value # key不存在时才可以添加
# setex key 1000 value # 添加key并指定value并设置过期时间为1秒
get key value # 查询指定key对于的value

incr key # 将 key 中储存的数字值增1
incrby key 2# 将 key 中储存的数字值增2
# 
decy key # 将 key 中储存的数字值减1
decyby key  2# 将 key 中储存的数字值减2

• Bitmap（特殊String类型）

通过bit（1b = 8bit）来存储数据，每个value只能为0或1
插入元素的时间复杂度为O(1)，无论插入的数据量怎么变化，插入元素的耗时、耗空间都是一样的
查询元素的时间复杂度为O(N)，随着数据量的增大，查询的时间越久

List 列表（存储String类型元素的列表）（重复+有序）

lpush stuNos 310110 310111 310112 310113 # 4【依次从左侧添加数据】
llen stuNos # 4
lrange stuNos 0 3 # [310113, 310112, 310111, 310110]

• 队列操作

# 【从右边开始：移除列表的最后一个元素并返回,如果列表没有元素则返回null】
rpop stuNos # 310110
# 【从右边开始：移除列表的最后一个元素并返回,如果列表没有元素会阻塞列表直到等待超时或发现可弹出元素为止】
brpop stuNos 1000 # 310111

• 栈操作

# 【从左边开始：移除列表的最后一个元素并返回,如果列表没有元素则返回null】
lpop stuNos # 310113
# 【从左边开始：移除列表的最后一个元素并返回,如果列表没有元素会阻塞列表直到等待超时或发现可弹出元素为止】
blpop stuNos 1000 # 310111

Set集合（存储String类型元素的集合）（不重复+无序）

smembers key # 查询集合列表

• 场景1：商品点赞和取赞

sadd key value # 添加元素（对商品进行点赞）
srem key value # 删除元素（对商品进行取赞）
scard key # 查询集合大小 （获取商品的点赞数量）

• 场景2：获取随机数

srandmember key # 随机获取1个元素并返回

• 场景3：抽奖

spop key # 随机删除1个元素并返回

Zset 集合（存储String类型元素的集合）（不重复+有序）

zadd key score value # 添加元素

• 场景1：排行榜

zincrby key 1 value # 为集合key中成员value的score自增1
zrevrange key 0 -1 withscores # 按照score倒序排列（按照score倒序排列元素，门店销售量排行榜）

Hash

• 键值对集合，适合用于存储对象
  

Hyperloglogs（基数统计）

• 一种​​概率型数据结构，用于统计一组数据中​​不重复元素的个数​​，具有内存占用极小​​（固定 12KB/键）和​计算高效​​特点
• 应用场景

​​UV 统计​​：日活、月活
​​流量监控​​：页面的独立 IP 访问数、广告的独立曝光用户数
​​用户行为分析​​：商品被不同用户浏览的次数、搜索关键词的去重搜索量

• 特点
  
  

网站UV统计

• 添加【0726号】的用户UV

pfadd uv:0726 "u001" "u002" # 1表示添加成功
pfadd uv:0726 "u001" # 0表示添加失败，已存在该元素
pfcount uv:0726 # 2表示基数

• 添加【0727号】的UV

pfadd uv:0727 "u003" "u004" # 1表示添加成功
pfcount uv:0727 # 2表示基数

• 合并【0726号】和【0727号】的用户UV

pfmerge uv:072627 uv:0726 uv:0727 # OK表示合并成功(合并uv:0726和uv:0727到uv:072627)
pfcount uv:072627 # 4表示基数

Geospatial 地理位置

• 用于存储和操作地理位置数据，支持存储经纬度坐标，并提供了丰富的查询能力（如附近点查询、距离计算、矩形区域检索等）
• 特点

​​存储高效​​：每个地理位置仅需存储经纬度（双精度浮点数，占 16 字节）和关联数据（如地点名称），内存占用低
​​查询快速​​：利用 ZSET 的有序性，通过几何计算快速筛选符合条件的位置（如“附近 1 公里内的餐厅”）
​​功能丰富​​：支持距离计算、范围查询、地理哈希（Geohash）编码等操作

添加地理位置

geoadd cities 116.4074 39.9042 beijing   # 北京（经度 116.4074，纬度 39.9042）
geoadd cities 121.4737 31.2304 shanghai  # 上海
geoadd cities 113.2644 23.1291 guangzhou # 广州

查询地理位置

geopos cities beijing

计算地理位置之间的直线距离

geodist cities beijing shanghai km  # 返回约 1067.376 km

查询附近地点：GEORADIUS 和 GEORADIUSBYMEMBER

• 使用场景

​​附近的人/商家​​：如外卖 App 中“附近的餐厅”、社交 App 中“附近的用户”
​​物流追踪​​：实时查询配送车辆是否在目标区域（如仓库周边 5 公里内）
​​地理围栏​​：监控设备是否进入/离开指定矩形或圆形区域（如车辆越界报警）
​​位置签到​​：记录用户签到位置，并统计某区域内的签到人数

• 参数说明

withcoord：返回地点的经纬度
withdist：返回地点到中心的距离
withhash：返回地点的 Geohash 编码
asc|desc：按距离升序/降序排序
count ${count}：限制返回的结果数量

• 以北京为中心，查询 10000 公里内的城市

georadiusbymember cities beijing 10000 km asc withhash withcoord withdist

• 以固定经纬度为中心，查询 50 公里内的城市

georadius cities 121.4737 31.2304 50 km asc withcoord withdist

• 删除指定坐标

zrem cities beijing