redis 系列一（redis介绍-安装-数据结构）

「爱情、让人受尽委屈。」 2023-07-02 10:29 11阅读 0赞

Redis 的由来

Redis（全称：Remote Dictionary Server 远程字典服务）是一个开源的使用ANSI [C语言][C]编写、支持网络、可基于内存亦可持久化的日志型、Key-Value[数据库][Link 1]，并提供多种语言的API。从2010年3月15日起，Redis的开发工作由VMware主持。从2013年5月开始，Redis的开发由Pivotal赞助。

Redis 非关系型数据库，是互联网技术领域最为广泛使用的存储中间件 是 Remote Dictionary Service 的缩写， 超高的性能，完美的文档，和简洁的源码和丰富的（多语言）客户端库支持，在开源中间件领域受好评，还有目前发行版本是单线程 所以是安全的所以减少了，许多需要考虑的地方。

使用的公司：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjExNDA5Nw_size_16_color_FFFFFF_t_70][]

本人在国内Top3的支付公司 也是使用的 Redis，但是redis 也有许多的漏洞，需要运维同学注意。

一、为什么使用 Redis

1.  解决应用服务器的cpu和内存压力
2.  减少io的读操作，减轻io的压力
3.  关系型数据库的扩展性不强，难以改变表结构

二、优点：

1.  nosql数据库没有关联关系，数据结构简单，拓展表比较容易
2.  nosql读取速度快，对较大数据处理快

**三、适用场景：**

1.  **数据高并发的读写**
2.  **海量数据的读写**
3.  **对扩展性要求高的数据**
4.  **防止刷接口**
5.  **秒杀**
6.  **字典值**
7.  **控制开关**
8.  **临时数据**
9.  **计算附近的距离**
10. **记录点赞数 （可以增加和减少）**
11. **快速显示用户的列表**
12. **缓存用户的历史数据**
13. **...... 还有许多，根据业务场景可以不同的扩展**

四、不适场景：

1.  需要事务支持（非关系型数据库）
2.  基于sql结构化查询储存，关系复杂
3.  单线程的能力有限，不能同时处理大量的数据的任务 （好像是redis 6版本中加入了多线程）

**安装redis **

环境centos7

百度云

$ wget http://download.redis.io/releases/redis-5.0.7.tar.gz
    $ tar xzf redis-5.0.7.tar.gz
    $ cd redis-5.0.7
    $ make

$ wget http://download.redis.io/releases/redis-5.0.7.tar.gz

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjExNDA5Nw_size_16_color_FFFFFF_t_70 1][]

内容有这些文件

![20200129163958541.png][]

1.  第一步下载
2.  解压
3.  进入目标文件进行make  这里注意一下 我的这个服务器是新的什么内容都没有这有一个报错
4.  ![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjExNDA5Nw_size_16_color_FFFFFF_t_70 2][]
5.       4步骤中没有出现可以执行6，有出现4的情况执行5     下载安装 gcc   :直接通过命令： 原因redis 是c语言写的 编译需要使用到gcc
6.      yum install gcc-c++ -y
7.       进入文件夹 执行命令  make 有可能会有报错
8.  ![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjExNDA5Nw_size_16_color_FFFFFF_t_70 3][]
9.  如果有7这样的错误执行 8，同理没有执行9  make MALLOC=libc
10. 修改 redis.conf 文件 改为yes
    
    daemonize yes
    
    ![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjExNDA5Nw_size_16_color_FFFFFF_t_70 4][]
11. 注意版本不同进行启动的地方也不一样 我的是最新的 5.0.7 版本 redis-server 是在 src / 下的
12.  启动命令 
    
    ./redis-server ./redis.conf &
13. 启动好的土星是这样的
14. ![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjExNDA5Nw_size_16_color_FFFFFF_t_70 5][]

Redis 的安装还是非常的简单的。

后期有时间写一篇博客来具体说一下 redis 的集群是如何搭建的

Redis 数据结构：

redis 有5种数据结构  分别是 String（字符串）,List（集合）,set（集合）,zset（有序集合）,hash(字典)是redis 的基础，也是最重要的地方。

Redis 的所有的数据结构都是这样的一个唯一的key作为名称，通过这个key来获取对应的数据（value） 不同的是value的数据结构是不一样的。

String(字符串) ：String 是redis 中最简单的，字符串结构非常广泛，一般保存用户的信息，商品的信息，配置信息，key是设定的+id号， value是通过数据库的信息在json 转换一下保存到redis中来缓存，（注意DO对象需要序列化，通过实现Serializable）在通过redis 反序列化读取出来。Redis 的字符串是动态字符串，是可以进行修改的字符串，内部的实现类似java的ArrayList，采取的是预分配空间和动态扩容，目的是为了减少内存的频繁的分配。扩容的原理是小于1MBdouble空间，大于1MB加1MB，注意最大空间为512M。

举例通过命令的增加  key就是name 对应的value是xuxiaoguan  这是简单的 一个key value的加入

127.0.0.1:6379> set name xuxiaoguan
    OK
    127.0.0.1:6379> get name
    "xuxiaoguan"
    127.0.0.1:6379> EXISTS name
    (integer) 1
    127.0.0.1:6379> del name
    (integer) 1
    127.0.0.1:6379> get name
    (nil)

现在是批量的加入数据 模板格式 mset  mget

127.0.0.1:6379> mset name1 boy1 name2 boy2
    OK
    127.0.0.1:6379> mget name1 name2
    1) "boy1"
    2) "boy2"
    127.0.0.1:6379>

对键值对进行设置过期时间 这样利用空间，过期自动进行删除，一般用来控制缓存的过期的时间

127.0.0.1:6379> set name xuxiaoguan 
    OK
    127.0.0.1:6379> get name
    "xuxiaoguan"
    // 这里开始设置过期的时间为3秒需要指定的key
    127.0.0.1:6379> expire name  3
    (integer) 1
    127.0.0.1:6379> get name
    (nil)

**计数**

value 是一个整数，可以进行自增的，但是有范围的，（signed long的最大值和最小值之间）超过了会报错的

127.0.0.1:6379> set SetAgeValue 60
    OK
    127.0.0.1:6379> incr SetAgeValue
    (integer) 61
    127.0.0.1:6379> incrby  SetAgeValue 9
    (integer) 70
    127.0.0.1:6379> incrby  SetAgeValue -20
    (integer) 50

## List （列表） ##

Redis 的list和Java的Arraylist 差不多，这里的list 是链表（java是数组）插入和删除的速度非常快时间复杂度是o(1) ,但是查找和指定插入就会浪费时间o(n),这会让许多人感到意外。 list使用的是双向指针。 列表中没有了元素了，会进行自动的删除，节省空间。

redis 的队列结构通常用来做异步对列，先进先出，将需要处理的结构体序列化后放入对列中，另外一个线程进行读取（消费）

127.0.0.1:6379> rpush book python java go
    (integer) 3
    127.0.0.1:6379> llen book
    (integer) 3
    127.0.0.1:6379> lpop book
    "python"
    127.0.0.1:6379> lpop book
    "java"
    127.0.0.1:6379> lpop book
    "go"
    127.0.0.1:6379> lpop book
    (nil)

数据结构中有一种类型是 **栈：**格式是先进后出的，和队列是向反的

127.0.0.1:6379> rpush book python java go
    (integer) 3
    127.0.0.1:6379> rpop book
    "go"
    127.0.0.1:6379> rpop book
    "java"
    127.0.0.1:6379> rpop book
    "python"
    127.0.0.1:6379> rpop book
    (nil)

Redis  list 其实还不像linkedList 往下看 更是一个zipList ，将所有的数据双向指针精密连接储存的，分配的是一块连续的内存。当数据量比较大的时候改为quickList, 所以说Redis的List是zipList+quickList组成的。  quickList 满足了快速的插入和删除的，

hash(字典)

Redis 的字典和java（1.7版本以前）的hashmap区别不大的，都是数组+链表，hash碰撞的使用链表串起来的。

Redis和java中的区别点：

1.  java 中的key是可以任意类型支持自定义的，但是redis hash的key只可以是String类型的。
2.  java 中的rehash 当hash很小或很大时，都是一次性的rehash 会很耗时，但是Redis因为是单线程的，为了高性成的，为了低耗时，不阻塞，所以采用了，渐进式rehash。

渐进式rehash：同时分配出新的空间出来，保持原有的，新加入的数据指向新的hash中，（查询的时候也会指向这两个hash），后续通过定时任务来合并这两个hash，一点点的迁移，这里不是用的单线程，使用的是子线程。数据迁移完成后，会自动的删除原来的hash，指向新的hash。

hash 可以保存数据类型挺多的，比如用户的信息，不同的字段对应不同的值。获取某一个值可以直接获取，不需要像String一样全部的获取到，浪费网络的流量。

但是hash也是有缺点的：hash 的结构存储高于单个字符串，所以我们在开发中使用hash还是String 我们自己需要衡量一下。

127.0.0.1:6379> hset javaSet java  "think in java"
    (integer) 1
    127.0.0.1:6379> hset javaSet python CodePython
    (integer) 1
    127.0.0.1:6379> hset javaSet go CodeGo
    (integer) 1
    127.0.0.1:6379> hgetall javaSet             ## 注意这里key 和 value是隔行展示的
    1) "java"
    2) "think in java"
    3) "python"
    4) "CodePython"
    5) "go"
    6) "CodeGo"
    127.0.0.1:6379> hlen javaSet
    (integer) 3
    127.0.0.1:6379> hget javaSet go
    "CodeGo"
    127.0.0.1:6379> hset javaSet go "happy code"
    (integer) 0
    127.0.0.1:6379> hget javaSet go
    "happy code"

hash 的操作命令有这些

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjExNDA5Nw_size_16_color_FFFFFF_t_70 6][]

Set(集合)

Redis 的set和 java中的hashSet 区别不大的，内部的键值对都是无序的。不同的是Redis 的set对应的value值都是Null。

当集合中最后一个元素被移除完，数据结构被自动的删除，内存收回。

127.0.0.1:6379> sadd books java
    (integer) 1
    127.0.0.1:6379> sadd books go
    (integer) 1
    127.0.0.1:6379> sadd books python
    (integer) 1
    127.0.0.1:6379> smembers books
    1) "go"
    2) "python"
    3) "java"
    ## 从这里就可以看的出来set
    127.0.0.1:6379> scard books  ## 数据的长度
    (integer) 3
    127.0.0.1:6379> spop books   ## 弹出一个数据
    "go"
    127.0.0.1:6379> sismember books java   ## 数据中是否包含
    (integer) 1
    127.0.0.1:6379> sismember books python
    (integer) 1
    127.0.0.1:6379> sismember books gos
    (integer) 0

Zset(有序列表)

类似java中的SortedSet 和 HashMap 的结合体。

1.   保证了内部value 的唯一性，同时还给每个value 加入了Score，代表这个value 的权重（我个人认为和优先级的定义差不多的）
2.  zset最后一个数据被删除，数据结构被删除，内存会自动的收回。
3.  zset可以用来保存用户的收藏更具时间的顺序加入，对应文章\#活动\#商品的id号。
4.  可以保存学生的数据比如学生的分数可以直接进行排序。

127.0.0.1:6379> zadd javaBook  9.0  "think code in java One"
    (integer) 1
    127.0.0.1:6379> zadd javaBook  8.9  "think code in java Two"
    (integer) 1
    127.0.0.1:6379> zadd javaBook  8.6  "think code in java Three"
    (integer) 1
    127.0.0.1:6379> zrange javaBook 0 -1   ## 正序的展示的  从小到大
    1) "think code in java Three"
    2) "think code in java Two"
    3) "think code in java One"
    127.0.0.1:6379> zrevrange javaBook 0 -1   ## 倒叙的展示 从大到小
    1) "think code in java One"
    2) "think code in java Two"
    3) "think code in java Three"

Zset的内部使用的是 “跳跃列表”来实现的，比较特殊所以也就比较复杂。 可以和世界地图差不多的，世界->中国->江苏->南通->某市->某街道->门牌号  是一个道理的。 应为这些元素可能身间数职。

定位插入数据的时候，先从顶层定位，然后潜伏到下一级，一直到最合适的层级然后将数据插入进去。

而Redis的索引被提取为多层。如图：

![format_png][]

所有的元素都会在L0层的链表中，根据分数进行排序，同时会有一部分节点有机会被抽取到L1层中，作为一个稀疏索引，同样L1层中的索引也有一定机会被抽取到L2层中，组成一个更稀疏的索引列表。

下面用图来演示一下在对快速链表进行插入、删除、查询时，是如何定位到L0层中的具体位置的。

首先，假定有这么一个链表，注意这里只展示分数，而不展示具体的值了：

![format_png 1][]

如果要查找分数为66的元素，首先在L2层的索引找。很明显，66位于25和85中间，这时就缩小了查找区间：

![format_png 2][]

然后根据获得的区间，去L1对应的区间中查找，得到一个更精确的区间：

![format_png 3][]

最终，根据这个更精确的区间，去L0层顺序遍历，即可得到要查找的元素：

![format_png 4][]

上述即是对Redis的跳跃表的原理的一个简述。

这种跳跃表的实现，其实和二分查找的思路有点接近，只是一方面因为二分查找只能适用于数组，而无法适用于链表，所以为了让链表有二分查找类似的效率，就以空间换时间来达到目的。

跳跃表因为是一个根据分数权重进行排序的列表，可以再很多场景中进行应用，比如排行榜，搜索排序等等。

容器型数据结构：  list  hash set zset   都是容器型数据结构，都遵守2大规定。

1.  create if not exists 如果容器不在，创建一个，在进行操作。
2.  数据结构中没有数据，会自动删除数据，释放内存

## 过期时间 ##

Redis 的所有数据结构都可以进行设置过期时间的，

注意点

1.  hash 需要注意到了过期时间自动删除的，不是某一个子key 的删除。
2.  如果进行设置了值同时设置了过期时间，后面进行修改了原来的过期时间是作废了。

[C]: https://baike.baidu.com/item/C%E8%AF%AD%E8%A8%80
[Link 1]: https://baike.baidu.com/item/%E6%95%B0%E6%8D%AE%E5%BA%93/103728
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjExNDA5Nw_size_16_color_FFFFFF_t_70]: https://img-blog.csdnimg.cn/2020012912352190.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjExNDA5Nw==,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjExNDA5Nw_size_16_color_FFFFFF_t_70 1]: https://img-blog.csdnimg.cn/20200129130258360.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjExNDA5Nw==,size_16,color_FFFFFF,t_70
[20200129163958541.png]: https://img-blog.csdnimg.cn/20200129163958541.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjExNDA5Nw_size_16_color_FFFFFF_t_70 2]: https://img-blog.csdnimg.cn/20200129165402847.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjExNDA5Nw==,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjExNDA5Nw_size_16_color_FFFFFF_t_70 3]: https://img-blog.csdnimg.cn/20200129170124668.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjExNDA5Nw==,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjExNDA5Nw_size_16_color_FFFFFF_t_70 4]: https://img-blog.csdnimg.cn/20200129172050975.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjExNDA5Nw==,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjExNDA5Nw_size_16_color_FFFFFF_t_70 5]: https://img-blog.csdnimg.cn/20200129174737757.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjExNDA5Nw==,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjExNDA5Nw_size_16_color_FFFFFF_t_70 6]: https://img-blog.csdnimg.cn/20200131191238230.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjExNDA5Nw==,size_16,color_FFFFFF,t_70
[format_png]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9pbWcyMDE4LmNuYmxvZ3MuY29tL2Jsb2cvMTIzNjY0NS8yMDE5MDYvMTIzNjY0NS0yMDE5MDYyOTIzMzM0MzUyMi0xODA3MzI5NTM0LnBuZw?x-oss-process=image/format,png
[format_png 1]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9pbWcyMDE4LmNuYmxvZ3MuY29tL2Jsb2cvMTIzNjY0NS8yMDE5MDYvMTIzNjY0NS0yMDE5MDYyOTIzNDAzOTIwMC0xNzQwNjIyNDA4LnBuZw?x-oss-process=image/format,png
[format_png 2]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9pbWcyMDE4LmNuYmxvZ3MuY29tL2Jsb2cvMTIzNjY0NS8yMDE5MDYvMTIzNjY0NS0yMDE5MDYyOTIzNDUyMDMwNi0xMzM4ODYwNDEwLnBuZw?x-oss-process=image/format,png
[format_png 3]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9pbWcyMDE4LmNuYmxvZ3MuY29tL2Jsb2cvMTIzNjY0NS8yMDE5MDYvMTIzNjY0NS0yMDE5MDYyOTIzNDcyNDk3Ny0xODE0ODE4NjAyLnBuZw?x-oss-process=image/format,png
[format_png 4]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9pbWcyMDE4LmNuYmxvZ3MuY29tL2Jsb2cvMTIzNjY0NS8yMDE5MDYvMTIzNjY0NS0yMDE5MDYyOTIzNDkxMzc0Ny0xNDgxOTg2NzAucG5n?x-oss-process=image/format,png