JAVA技术文章java高级开发群互联网架构

Redis的几种数据模型及应用场景

2019-03-08  本文已影响4人  迦若莹

字符串(K-V)

字符串(K-V)是我们在Redis中使用最多的一个类型，其中V的值不能超过512M，甚至很多人用Redis只用这个类型。如果只是单纯的使用K-V其实是并没有把Redis的特性发挥出来，在这种使用情况下，使用Redis和使用Memcache并没有过多的区别。

命令

批量调用命令与单个命令相比的好处就是节约了网络请求时间。get命令执行5次，相当于5次请求&响应，但是如果执行mget5个key，只有1次请求&响应。

内部编码

字符串类型的内部编码有3种：

使用场景

字符串的使用场景比较常见。我们日常用的缓存，session共享等，都是通过字符串的方式去实现。

哈希(hash)

在 Redis 中，哈希类型是指键值本身又是一个键值对结构。相当于 key-{field1-value1},{field2-value2},{field3-value3}......{fieldN-valueN}

命令

内部编码

哈希类型的内部编码有两种：

使用场景

列表（list）

Redis中的列表可以存储多个有序字符串，最多可以存储2^32-1个元素。而且它支持双向操作，可以从列表两端插入（push）和弹出（pop）。因此，它可以用在很多种数据结构上。

命令

列表主要是四种操作类型

操作类型 操作
增 rpush lpush linsert
删 lpop rpop lrem ltrim
改 lset
查 lrange lindex llen
阻塞 blpop brpop 
blpop key \[key ...\] timeout
brpop key \[key ...\] timeout

blpop 和 brpop 是 lpop 和 rpop 的阻塞版本，它们除了弹出方向不同，使用方法基本相同，所以下面以 brpop 命令进行说明，brpop 命令包含两个参数：
key[key...]：多个列表的键。
timeout：阻塞时间（单位：秒）。

列表为空：如果 timeout=3，那么客户端要等到3秒后返回，如果 timeout=0，那么客户端一直阻塞等下去。
列表不为空：客户端会立即返回。

在使用 brpop 时，有两点需要注意。

第一点，如果是多个键，那么 brpop 会从左至右遍历键，一旦有一个键能弹出元素，客户端立即返回：

127.0.0.1:6379> brpop list:1 list:2 list:3 0
..阻塞..

此时另一个客户端分别向 list：2和 list：3插入元素：
client-lpush> lpush list:2 element2
(integer) 1
client-lpush> lpush list:3 element3
(integer) 1

客户端会立即返回 list：2中的 element2，因为 list：2最先有可以弹出的元素：
127.0.0.1:6379> brpop list:1 list:2 list:3 0
1) "list:2"
2) "element2_1"



第二点，如果多个客户端对同一个键执行 brpop，那么最先执行 brpop 命令的客户端可以获取到弹出的值。

客户端1：
client-1> brpop list:test 0
...阻塞...

客户端2：
client-2> brpop list:test 0
...阻塞...

客户端3：
client-3> brpop list:test 0
...阻塞...

此时另一个客户端 lpush 一个元素到 list：test 列表中：
client-lpush> lpush list:test element
(integer) 1

那么客户端1最会获取到元素，因为客户端1最先执行 brpop，而客户端2和客户端3继续阻塞：
client> brpop list:test 0
1) "list:test"
2) "element"

内部编码

列表类型的内部编码有两种。

使用场景

集合（set）

集合（set）类型也是用来保存多个的字符串元素，它和Java中的Set是差不多的东西，不允许重复。

命令

内部编码

集合类型的内部编码有两种：

使用场景

其实set和Java中的set非常像，一般情况如果不需要与其他服务共享数据，Java中的set足够使用了，在某些情况需要共享数据或者存储的情况才需要用到Redis中的set。
比如，使用抽奖的情况下，就可以先将所有人放到Redis中的set，然后利用spop/srandmember可以实现抽奖。

有序集合（zset）

有序集合和集合很相似，set是key中包含多个不重复的字符串，zset也是包含了多个不重复的字符串，但是每个字符串带了一个“分数”，分数允许重复。可以根据分数进行排序操作。

命令

127.0.0.1:6379> zrangebyscore user:ranking (200 +inf withscores
1) "tim"
2) "220"
3) "martin"
4) "250"
5) "tom"
6) "260"

内部编码

有序集合类型的内部编码有两种：

使用场景

有序集合比较典型的使用场景就是排行榜系统。例如视频网站需要对用户上传的视频做排行榜，榜单的维度可能是多个方面的：按照时间、按照播放数量、按照获得的赞数。本节使用赞数这个维度，记录每天用户上传视频的排行榜。

位图（Bitmaps）

Bitmaps 本身不是一种数据结构，实际上它就是字符串，但是它可以对字符串的位进行操作，它是一个最大长度为512MB（2^32）的位数组。一般情况Bitmaps在普通的业务上是用不了太多的，这里之所以拿出来讲解，是因为它能够实现一个非常强大的功能：布隆过滤器。
Bitmaps 单独提供了一套命令，所以在 Redis 中使用 Bitmaps 和使用字符串的方法不太相同。可以把 Bitmaps 想象成一个以位为单位的数组，数组的每个单元只能存储0和1，数组的下标在 Bitmaps 中叫做偏移量。但是它的每个存储单元都是bit，8bit=1Byt，所以它的存在主要就是占用内存非常少。

命令

使用场景

以下这个业务场景有点牵强，但是还是简单的描述一下吧。如果统计一个网站某一天的用户访问量，我们通常的做法是添加一个用户登录记录流水表，然后根据日期去count(distinct userId)这张表。但是这样的做法会导致这张表里的数据非常多，而且占用大量的空间。
如果用户的ID是自动增长的，那么就可以使用位图。比如ID为125的用户在2019-01-01这一天登录的时候，我们可以使用setbit user:login:2019-01-01 125 1在Bitmaps的偏移量为125的位置设置值为1；如果还有其他的用户登录，同样根据用户ID将对应偏移量的值设置为1。然后调用bitcount user:login:2019-01-01计算出2019-01-01这一天的访问量。
使用位图最方便的是占用资源比较小，而且执行速度会比较快。但是如果活跃用户比较少，而且用户ID又非常大的情况，用位图就有点得不偿失了。比如：2019-01-02这一天只有一个用户访问这个网站，而且这个用户的ID为100000，那么就需要占用1bit*100000的空间。

布隆过滤器 (Bloom Filter)

布隆过滤器（Bloom Filter）的核心实现是一个超大的位数组和几个哈希函数。假设位数组的长度为m，哈希函数的个数为k，以下图为例，具体的操作流程：首先将位数组进行初始化，将里面每个位都设置为0。这时候我们有一个集合{x, y, z}，对于集合里面的每一个元素，将元素依次通过3个哈希函数进行映射，每次映射都会产生一个哈希值，这个值对应位数组上面的一个点，然后将位数组对应的位置标记为1。查询W元素是否存在集合中的时候，同样的方法将W通过哈希映射到位数组上的3个点。如果3个点的其中有一个点不为1，则可以判断该元素一定不存在集合中。反之，如果3个点都为1，则该元素可能存在集合中。注意：此处不能判断该元素是否一定存在集合中，可能存在一定的误判率。可以从图中可以看到：假设某个元素通过映射对应下标为4，5，6这3个点。虽然这3个点都为1，但是很明显这3个点是不同元素经过哈希得到的位置，因此这种情况说明元素虽然不在集合中，也可能对应的都是1，这是误判率存在的原因。
综合来说：如果这个元素存在，那么可能会存在误判，其实它有可能是不存在的。如果这个元素不存在，那么它一定不存在！

image

语法

其实Redis4.0已经帮我们实现了对应的布隆过滤器，我们简单的看下它的语法。

应用场景

如果我们结合BitMaps，就可以实现一个布隆过滤器。布隆过滤器的应用场景也非常广泛，举一个比较典型的例子：
通常，我们对缓存的操作是：

Object obj = 查询缓存(key);
if (obj == null) {
    obj = 查询数据库(key);
    
    if (obj != null) {
        设置缓存数据(key, obj);
    }
}
return obj;

但是，这里产生了一个问题：如果这个key本身在我们的数据库就是一个不存在的值，那么这里会直接造成缓存穿透。如果我们的数据库这个表中的数据特别多，而且有人知道这个漏洞，一直调用这个接口，查询这个根本不存在的key，会对数据库造成非常大的压力，甚至压垮数据库。
解决方案：

Object obj = 查询缓存(key);
if (obj == null) {
    boolean exists = 查询Bitmaps(key);
    
    if (exists)
    {
        obj = 查询数据库(key);
        
        if (obj != null) {
            设置缓存数据并修改Bitmaps(key, obj);
        }
    }
}
return obj;
上一篇 下一篇

猜你喜欢

热点阅读