Redis快速入门

r囧r小猫 2024-04-17 13:47 68阅读 0赞

## 一、认识NOSQL ##

### 1.1关系型数据库 ###

> 关系型数据库(Relational Database)，基于关系模式创建的二维表格模型。缺点：
> 
>  *  ·结构化的数据模型不利于扩展与变更
>  *  ·关系/范式降低了查询效率（过度并表查询）
>  *  ·处理海量数据
>  *  ·分布式主备模式

### 1.2非关系型数据库 ###

> 非关系型数据库(NoSQL, Not Only SQL)，用于存储非结构化数据的数据库系统。增强了数据结构的可扩展性，内存数据库增强了操作效率与速度。类型：
> 
>  *  键值型数据库(Redis)
>  *  文档型数据库(MongoDB/Redis7+)
>  *  列族型数据库(BHBase)
>  *  Graph:类型(Neo4j)

# 商品信息
    - 一般存放在关系型数据库：Mysql,阿里巴巴使用的Mysql都是经过内部改动的。
    
    # 商品描述、评论(文字居多)
    - 文档型数据库：MongoDB
    
    # 图片
    - 分布式文件系统 FastDFS
    - 淘宝：TFS
    - Google: GFS
    - Hadoop: HDFS
    - 阿里云: oss
    
    # 商品关键字 用于搜索
    - 搜索引擎：solr,elasticsearch
    - 阿里：Isearch 多隆
    
    # 商品热门的波段信息
    - 内存数据库：Redis，Memcache
    
    # 商品交易，外部支付接口
    - 第三方应用

Nosql的四大分类

> **KV键值对**

*  新浪：**Redis**
 *  美团：Redis + Tair
 *  阿里、百度：Redis + Memcache

> **文档型数据库（bson数据格式）：**

*  **MongoDB**(掌握)
    
     *  基于分布式文件存储的数据库。C++编写，用于处理大量文档。
     *  MongoDB是RDBMS和NoSQL的中间产品。MongoDB是非关系型数据库中功能最丰富的，NoSQL中最像关系型数据库的数据库。
 *  ConthDB

> **列存储数据库**

*  **HBase**(大数据必学)
 *  分布式文件系统

> **图关系数据库**

用于广告推荐，社交网络

*  **Neo4j**、InfoGrid

![2521466a02664416b8141635fdb8caaf.png][]

### 1.3发展历史 ###

为什么使用Nosql

> 1、单机Mysql时代

![在这里插入图片描述][2020082010365930.png_pic_center]

90年代,一个网站的访问量一般不会太大，单个数据库完全够用。随着用户增多，网站出现以下问题

1.  数据量增加到一定程度，单机数据库就放不下了
2.  数据的索引（B+ Tree）,一个机器内存也存放不下
3.  访问量变大后（读写混合），一台服务器承受不住。

> 2、[Memcached][](缓存) + Mysql + 垂直拆分（读写分离）

网站80%的情况都是在读，每次都要去查询数据库的话就十分的麻烦！所以说我们希望减轻数据库的压力，我们可以使用缓存来保证效率！

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0RERERlbmdf_size_16_color_FFFFFF_t_70_pic_center]

优化过程经历了以下几个过程：

1.  优化数据库的数据结构和索引(难度大)
2.  文件缓存，通过IO流获取比每次都访问数据库效率略高，但是流量爆炸式增长时候，IO流也承受不了
3.  MemCache,当时最热门的技术，通过在数据库和数据库访问层之间加上一层缓存，第一次访问时查询数据库，将结果保存到缓存，后续的查询先检查缓存，若有直接拿去使用，效率显著提升。

> 3、分库分表 + 水平拆分 + Mysql集群

![8cc7b073ee5d4e0e936b3b4c03df2fdd.png][]

> 4、如今最近的年代

如今信息量井喷式增长，各种各样的数据出现（用户定位数据，图片数据等），大数据的背景下关系型数据库（RDBMS）无法满足大量数据要求。Nosql数据库就能轻松解决这些问题。

> 目前一个基本的互联网项目

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0RERERlbmdf_size_16_color_FFFFFF_t_70_pic_center 1]

用户的个人信息，社交网络，地理位置。用户自己产生的数据，用户日志等等爆发式增长！  
这时候我们就需要使用NoSQL数据库的，Nosql可以很好的处理以上的情况！

![8453d5c7020b4173bbbe253fc0193ffd.png][]

> 目前主流关系型数据库(MySQL/PostgreSQL/Oracle)均已支持**JSON数据类型字段**。因此，SQL/NoSQL混合设计开发模式可极大突出/强化各自优点
> 
>  *  通过冗余数据换取查询效率
>  *  灵活可扩展的数据结构
>  *  事务的最终一致性

### 1.4相关概念与区别 ###

#### 结构化与非结构化 ####

![a67cad694ccd4a709c522ae4ab70c12b.png][]

> 传统关系型数据库是结构化数据，每张表在创建的时候都有严格的约束信息，如字段名、字段数据类型、字段约束等，插入的数据必须遵循这些约束
> 
> 而NoSQL则对数据库格式没有约束，可以是键值型，也可以是文档型，甚至是图格式

#### 关联与非关联 ####

传统数据库的表与表之间往往存在关联，例如外键约束

![e432ff61ae6c41b9a0390528b36fa662.png][]

而非关系型数据库不存在关联关系，要维护关系要么靠代码中的业务逻辑，要么靠数据之间的耦合

{
      id: 1,
      name: "张三",
      orders: [
        {
           id: 1,
           item: {
    	 id: 10, title: "荣耀6", price: 4999
           }
        },
        {
           id: 2,
           item: {
    	 id: 20, title: "小米11", price: 3999
           }
        }
      ]
    }

#### SQL查询 ####

传统关系型数据库会基于Sql语句做查询，语法有统一的标准

SELECT id, age FROM tb_user WHERE id = 1

而不同的非关系型数据库查询语法差异极大

Redis:  get user:1
    MongoDB: db.user.find({_id: 1})
    elasticsearch:  GET http://localhost:9200/users/1

#### 事务 ####

传统关系型数据库能满足事务的ACID原则(原子性、一致性、独立性及持久性)  
而非关系型数据库汪汪不支持事务，或者不能要个保证ACID的特性，只能实现计本的一致性

#### 总结 ####

#### ![117f120dcbdf4a4782bece6898c73591.png][] ####

*  存储方式
    
     *  关系型数据库基于磁盘进行存储，会有大量的磁盘IO，对性能有一定影响
     *  非关系型数据库，他们的操作更多的是依赖于内存来操作，内存的读写速度会非常快，性能自然会好一些

*  扩展性
    
     *  关系型数据库集群模式一般是主从，主从数据一致，起到数据备份的作用，称为垂直扩展。
     *  非关系型数据库可以将数据拆分，存储在不同机器上，可以保存海量数据，解决内存大小有限的问题。称为水平扩展。
     *  关系型数据库因为表之间存在关联关系，如果做水平扩展会给数据查询带来很多麻烦

## 二、redis概述 ##

### 2.1redis介绍 ###

> Redis诞生于2009年，全称是Remote Dictionary Server远程词典服务器，是一个基于内存的键值型NoSQL数据库。
> 
> 特征：
> 
>  *  键值(Key-Value)型，Value支持多种不同的数据结构，功能丰富
>  *  单线程，每个命令具有原子性
>  *  低延迟，速度快(基于内存、IO多路复用、良好的编码)
>  *  支持数据持久化
>  *  支持主从集群、分片集群
>  *  支持多语言客户端

#### 安装Redis ####

关于Redis的安装，请参考

[docker-compose部署redis][docker-compose_redis]

##### 常见启动命令 #####

docker exec -it redis bash
    redis-cli -h 118.89.20.46 -p 6379 -a 2046

##### quit：退出客户端连接 #####

shutdown：关闭 Redis 服务

##### Redis命令行客户端 #####

Redis安装完成后就自带了命令行客户端：redis-cli，使用方式如下：

其中常见的options有：

*  `-h 127.0.0.1`：指定要连接的redis节点的IP地址，默认是127.0.0.1
 *  `-p 6379`：指定要连接的redis节点的端口，默认是6379
 *  `-a 123321`：指定redis的访问密码

##### 图形化桌面客户端 #####

安装包：[Releases · lework/RedisDesktopManager-Windows · GitHub][Releases _ lework_RedisDesktopManager-Windows _ GitHub]

Redis默认有16个仓库，编号从0至15. 通过配置文件可以设置仓库数量，但是不超过16，并且不能自定义仓库名称。

如果是基于redis-cli连接Redis服务，可以通过select命令来选择数据库：

## 选择0号数据库
    select 0

#### Redis应用 ####

> 1.  内存存储、持久化，内存是断电即失的，所以需要持久化（RDB、AOF）
> 2.  高效率、用于高速缓冲
> 3.  发布订阅系统
> 4.  地图信息分析
> 5.  计时器、计数器(eg：浏览量)
> 6.  。。。

#### 基础知识 ####

##### 数据库 #####

> redis默认有16个数据库
> 
> 默认使用的第0个;
> 
> 16个数据库为：DB 0~DB 15  
> 默认使用DB 0 ，可以使用`select n`切换到DB n，`dbsize`可以查看当前数据库的大小，与key数量相关。

127.0.0.1:6379> config get databases # 命令行查看数据库数量databases
    1) "databases"
    2) "16"
    
    127.0.0.1:6379> select 8 # 切换数据库 DB 8
    OK
    127.0.0.1:6379[8]> dbsize # 查看数据库大小
    (integer) 0
    
    # 不同数据库之间 数据是不能互通的，并且dbsize 是根据库中key的个数。
    127.0.0.1:6379> set name sakura 
    OK
    127.0.0.1:6379> SELECT 8
    OK
    127.0.0.1:6379[8]> get name # db8中并不能获取db0中的键值对。
    (nil)
    127.0.0.1:6379[8]> DBSIZE
    (integer) 0
    127.0.0.1:6379[8]> SELECT 0
    OK
    127.0.0.1:6379> keys *
    1) "counter:__rand_int__"
    2) "mylist"
    3) "name"
    4) "key:__rand_int__"
    5) "myset:__rand_int__"
    127.0.0.1:6379> DBSIZE # size和key个数相关
    (integer) 5

>  *  `keys *` ：查看当前数据库中所有的key。
>  *  `flushdb`：清空当前数据库中的键值对。
>  *  `flushall`：清空所有数据库的键值对。

##### **单线程** #####

> **Redis是单线程的，Redis是基于内存操作的。**

所以Redis的性能瓶颈不是CPU,而是机器内存和网络带宽。

那么为什么Redis的速度如此快呢，性能这么高呢？QPS达到10W+

> **Redis为什么单线程还这么快？**

*  误区1：高性能的服务器一定是多线程的？
 *  误区2：多线程（CPU上下文会切换！）一定比单线程效率高！

核心：Redis是将所有的数据放在内存中的，所以说使用单线程去操作效率就是最高的，多线程（CPU上下文会切换：耗时的操作！），对于内存系统来说，如果没有上下文切换效率就是最高的，多次读写都是在一个CPU上的，在内存存储数据情况下，单线程就是最佳的方案。

### 2.2Redis数据类型 ###

> Redis存储的是key-value结构的数据，其中key是字符串类型，value有5中常用的数据类型
> 
>  *  字符串：String
>  *  哈希：Hash
>  *  列表：List
>  *  集合：Set
>  *  有序集合：Sorted Set

![81f6e26c260742bc9043fd6c5573fff4.png][]

> Redis没有类似MySQL中的Table的概念，我们该如何区分不同类型的key呢？  
> 例如，需要存储用户、商品信息到redis,有一个用户id是1，有一个商品id恰好也是1

![b5578a02271c41c09b5f1101b0ee03ce.png][]

### 2.3常用命令 ###

#### help ####

> 在Redis的客户端中，你可以通过输入`help`命令来获取帮助信息。这个命令会列出所有可用的Redis命令以及简短的描述。具体来说，当你在Redis客户端中输入`help`后，它会显示一个命令列表，你可以进一步输入特定命令的名称加上`help`来获取关于那个命令的详细信息。例如，如果你想要了解`SET`命令的用法，你可以输入`help SET`。

####  ####

#### Redis-key ####

> 在redis中无论什么数据类型，在数据库中都是以key-value形式保存，通过进行对Redis-key的操作，来完成对数据库中数据的操作。
> 
> Tips：命令不区分大小写，key 区分大小写。

<table> 
 <thead> 
  <tr> 
   <th>命令</th> 
   <th>描述</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>KEYs pattern</td> 
   <td>查找所有符合给定模式(pattern)的key</td> 
  </tr> 
  <tr> 
   <td>EXISTs key</td> 
   <td>检查给定key是否存在</td> 
  </tr> 
  <tr> 
   <td>TYPE key</td> 
   <td>返回key所储存的值的类型</td> 
  </tr> 
  <tr> 
   <td>TTL key</td> 
   <td>返回给定key的剩余生存时间(TTL, time to live)，以秒为单位</td> 
  </tr> 
  <tr> 
   <td>DEL key</td> 
   <td>该命令用于在key存在是删除key</td> 
  </tr> 
 </tbody> 
</table>

// 获取所有key
    keys *
    
    // 判断key是否存在
    EXISTS key
    
    // 获取key的数据类型
    type key
    
    // 删除key
    del key
    
    // 删除不匹配给定模式的key
    unlike key
    
    // 获取key的过期时间（单位：秒）
    ttl key
    
    // 设置key的过期时间（单位：秒）
    expire key
    
    // 将key移动到指定数据库
    move key 0-15 //key迁移别的库
    
    // 切换到指定数据库
    select 0-15 //切换数据库
    
    // 获取当前数据库的key数量
    dbsize
    
    // 清空当前数据库的所有key
    flushdb
    
    // 清空所有数据库的所有key
    flushall

更多详细的命令可以查看官方文档：[redis命令手册][redis]

127.0.0.1:6379> keys * # 查看当前数据库所有key
    (empty list or set)
    127.0.0.1:6379> set name qinjiang # set key
    OK
    127.0.0.1:6379> set age 20
    OK
    127.0.0.1:6379> keys *
    1) "age"
    2) "name"
    127.0.0.1:6379> move age 1 # 将键值对移动到指定数据库
    (integer) 1
    127.0.0.1:6379> EXISTS age # 判断键是否存在
    (integer) 0 # 不存在
    127.0.0.1:6379> EXISTS name
    (integer) 1 # 存在
    127.0.0.1:6379> SELECT 1
    OK
    127.0.0.1:6379[1]> keys *
    1) "age"
    127.0.0.1:6379[1]> del age # 删除键值对
    (integer) 1 # 删除个数
    
    
    127.0.0.1:6379> set age 20
    OK
    127.0.0.1:6379> EXPIRE age 15 # 设置键值对的过期时间
    
    (integer) 1 # 设置成功 开始计数
    127.0.0.1:6379> ttl age # 查看key的过期剩余时间
    (integer) 13
    127.0.0.1:6379> ttl age
    (integer) 11
    127.0.0.1:6379> ttl age
    (integer) 9
    127.0.0.1:6379> ttl age
    (integer) -2 # -2 表示key过期，-1表示key未设置过期时间
    
    127.0.0.1:6379> get age # 过期的key 会被自动delete
    (nil)
    127.0.0.1:6379> keys *
    1) "name"
    
    127.0.0.1:6379> type name # 查看value的数据类型
    string

#### 字符串(String)常用命令 ####

>  *  string是redis最基本的类型，一个key对应一个value。
>  *  string类型是二进制安全的，意思是redis的string可以包含任何数据，比如jpg图片或者序列化的对象 。
>  *  string类型是Redis最基本的数据类型，一个redis中字符串value最多可以是512M

![ebdc9f652b894a1cb55b252284497e4c.png][]

<table> 
 <thead> 
  <tr> 
   <th>命令</th> 
   <th>描述</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>SET key value</td> 
   <td>设置指定key的值</td> 
  </tr> 
  <tr> 
   <td>GET key</td> 
   <td>获取指定key的值</td> 
  </tr> 
  <tr> 
   <td>SETEX key seconds value</td> 
   <td>设置指定key的值，并将key的过期时间设为seconds秒</td> 
  </tr> 
  <tr> 
   <td>SETNX key value</td> 
   <td>只有在key不存在时设置key的值</td> 
  </tr> 
 </tbody> 
</table>

![d1a43003adee4cf39e1e1396eccc015c.png][]

![ee18acaa58c94dd5b7f8bbfab72bc25a.png][]

set详解

// 将 key 设置为 value，如果 key 不存在
    set k1 v1 nx
    
    // 将 key 设置为 value，如果 key 存在
    set k1 v1 xx
    
    // 返回并设置 key 的值
    set k1 v1 get
    
    // 设置 key 的过期时间为 10 秒（单位：秒）
    set k1 v1 ex 10
    
    // 设置 key 的过期时间为 8000 毫秒（单位：毫秒）
    set k1 v1 px 8000
    
    // 设置 key 的过期时间为指定的 UNIX 时间戳（单位：秒）
    set k1 v1 exat + unix时间戳
    
    // 设置 key 的过期时间为指定的 UNIX 时间戳（单位：毫秒）
    set k1 v1 pxat + unix时间戳
    
    // 续接上一次过期时间，默认会覆盖，keepttl 只替换值
    set k1 v1 keepttl

获取字符串长度和内容追加

// 获取 key 中字符串的子串，包括 start 和 end 在内
    getrange k1 0 3
    
    // 用新值替换 key 中字符串的子串，从指定位置开始
    setrange k1 1 xxyy
    
    // 返回 key 中字符串的长度
    strlen k1
    
    // 在 key 的值后追加指定值
    append k1 xxx

分布式锁

// 原子性地设置 key 的值，并设置 key 的过期时间为 10 秒
    setex k1 10 v1

获取并设置

// 将 key 的值设置为新值，并返回旧值
    getset k1 v1
    
    // 返回并设置 key 的值
    set k1 v1 get

#### 哈希(Hash)常用命令 ####

> Redis hash 是一个string类型的field和value的映射表，hash特别适合用于存储对象。
> 
> Set就是一种简化的Hash,只变动key,而value使用默认值填充。可以将一个Hash表作为一个对象进行存储，表中存放对象的信息。
> 
> Hash变更的数据user name age，尤其是用户信息之类的，经常变动的信息！**Hash更适合于对象的存储，Sring更加适合字符串存储！**

![3881498e6e3f4ea59c08e79cdb98791e.png][]

<table> 
 <thead> 
  <tr> 
   <th>命令</th> 
   <th>描述</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>HSET key field value</td> 
   <td>将哈希表key 中的字段field的值设为value</td> 
  </tr> 
  <tr> 
   <td>HGET key field</td> 
   <td>获取存储在哈希表中指定字段的值</td> 
  </tr> 
  <tr> 
   <td>HDEL key field</td> 
   <td>删除存储在哈希表中的指定字段</td> 
  </tr> 
  <tr> 
   <td>HKEYS key</td> 
   <td>获取哈希表中所有字段</td> 
  </tr> 
  <tr> 
   <td>HVALS key</td> 
   <td>获取哈希表中所有值</td> 
  </tr> 
  <tr> 
   <td>HGETALL key</td> 
   <td>获取在哈希表中指定key的所有字段和值</td> 
  </tr> 
 </tbody> 
</table>

![94365e3c5787498899741f579b96f3ae.png][]

------------------------HSET--HMSET--HSETNX----------------
    127.0.0.1:6379> HSET studentx name sakura # 将studentx哈希表作为一个对象，设置name为sakura
    (integer) 1
    127.0.0.1:6379> HSET studentx name gyc # 重复设置field进行覆盖，并返回0
    (integer) 0
    127.0.0.1:6379> HSET studentx age 20 # 设置studentx的age为20
    (integer) 1
    127.0.0.1:6379> HMSET studentx sex 1 tel 15623667886 # 设置sex为1，tel为15623667886
    OK
    127.0.0.1:6379> HSETNX studentx name gyc # HSETNX 设置已存在的field
    (integer) 0 # 失败
    127.0.0.1:6379> HSETNX studentx email 12345@qq.com
    (integer) 1 # 成功
    
    ----------------------HEXISTS--------------------------------
    127.0.0.1:6379> HEXISTS studentx name # name字段在studentx中是否存在
    (integer) 1 # 存在
    127.0.0.1:6379> HEXISTS studentx addr
    (integer) 0 # 不存在
    
    -------------------HGET--HMGET--HGETALL-----------
    127.0.0.1:6379> HGET studentx name # 获取studentx中name字段的value
    "gyc"
    127.0.0.1:6379> HMGET studentx name age tel # 获取studentx中name、age、tel字段的value
    1) "gyc"
    2) "20"
    3) "15623667886"
    127.0.0.1:6379> HGETALL studentx # 获取studentx中所有的field及其value
     1) "name"
     2) "gyc"
     3) "age"
     4) "20"
     5) "sex"
     6) "1"
     7) "tel"
     8) "15623667886"
     9) "email"
    10) "12345@qq.com"
    
    
    --------------------HKEYS--HLEN--HVALS--------------
    127.0.0.1:6379> HKEYS studentx # 查看studentx中所有的field
    1) "name"
    2) "age"
    3) "sex"
    4) "tel"
    5) "email"
    127.0.0.1:6379> HLEN studentx # 查看studentx中的字段数量
    (integer) 5
    127.0.0.1:6379> HVALS studentx # 查看studentx中所有的value
    1) "gyc"
    2) "20"
    3) "1"
    4) "15623667886"
    5) "12345@qq.com"
    
    -------------------------HDEL--------------------------
    127.0.0.1:6379> HDEL studentx sex tel # 删除studentx 中的sex、tel字段
    (integer) 2
    127.0.0.1:6379> HKEYS studentx
    1) "name"
    2) "age"
    3) "email"
    
    -------------HINCRBY--HINCRBYFLOAT------------------------
    127.0.0.1:6379> HINCRBY studentx age 1 # studentx的age字段数值+1
    (integer) 21
    127.0.0.1:6379> HINCRBY studentx name 1 # 非整数字型字段不可用
    (error) ERR hash value is not an integer
    127.0.0.1:6379> HINCRBYFLOAT studentx weight 0.6 # weight字段增加0.6
    "90.8"

#### 列表(List)常用命令 ####

> Redis列表是简单的字符串列表，按照插入顺序排序。你可以添加一个元素到列表的头部（左边）或者尾部（右边）
> 
> 一个列表最多可以包含 232 - 1 个元素 (4294967295, 每个列表超过40亿个元素)。

首先我们列表，可以经过规则定义将其变为队列、栈、双端队列等

![\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-VPvbIltc-1597890996518)(狂神说 Redis.assets/image-20200813114255459.png)\]][img-VPvbIltc-1597890996518_ Redis.assets_image-20200813114255459.png]

正如图Redis中List是可以进行双端操作的，所以命令也就分为了LXXX和RLLL两类，有时候L也表示List例如LLEN![308bf46c0f3045ea95da32dde201cf55.png][]

`Redis List`是简单的字符串列表，按照插入顺序排序

<table> 
 <thead> 
  <tr> 
   <th>命令</th> 
   <th>描述</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td><code>LPUSH</code>&nbsp;key value1 [value2]</td> 
   <td>将一个或多个值插入到列表头部</td> 
  </tr> 
  <tr> 
   <td><code>LRANGE</code>&nbsp;key start stop</td> 
   <td>获取列表指定范围内的元素</td> 
  </tr> 
  <tr> 
   <td><code>RPOP</code>&nbsp;key</td> 
   <td>移除并获取列表最后一个元素</td> 
  </tr> 
  <tr> 
   <td><code>LLEN</code>&nbsp;key</td> 
   <td>获取列表长度</td> 
  </tr> 
  <tr> 
   <td><code>BRPOP</code>&nbsp;key1 [key2] timeout</td> 
   <td>移出并获取列表的最后一个元素<br> 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</td> 
  </tr> 
 </tbody> 
</table>

127.0.0.1:6379> LRANGE mylist 0 4 # LRANGE 获取起止位置范围内的元素
    1) "k2"
    2) "k1"
    3) "k3"
    127.0.0.1:6379> LRANGE mylist 0 -1 # 获取全部元素
    1) "k2"
    2) "k1"
    3) "k3"
    
    127.0.0.1:6379> LPUSHX list v1 # list不存在 LPUSHX失败
    (integer) 0
    127.0.0.1:6379> LPUSHX list v1 v2  
    (integer) 0
    127.0.0.1:6379> LPUSHX mylist k4 k5 # 向mylist中 左边 PUSH k4 k5
    (integer) 5
    
    ---------------------------LINSERT--LLEN--LINDEX--LSET----------------------------
    
    127.0.0.1:6379> LINSERT mylist after k2 ins_key1 # 在k2元素后 插入ins_key1
    (integer) 6
    127.0.0.1:6379> LRANGE mylist 0 -1
    1) "k5"
    2) "k4"
    3) "k2"
    4) "ins_key1"
    5) "k1"
    6) "k3"
    127.0.0.1:6379> LLEN mylist # 查看mylist的长度
    (integer) 6
    127.0.0.1:6379> LINDEX mylist 3 # 获取下标为3的元素
    "ins_key1"
    127.0.0.1:6379> LINDEX mylist 0
    "k5"
    127.0.0.1:6379> LSET mylist 3 k6 # 将下标3的元素 set值为k6
    OK
    127.0.0.1:6379> LRANGE mylist 0 -1
    1) "k5"
    2) "k4"
    3) "k2"
    4) "k6"
    5) "k1"
    6) "k3"

<table> 
 <tbody> 
  <tr> 
   <td><code>LPUSHX/RPUSHX key value</code></td> 
   <td>向已存在的列名中push值（一个或者多个）</td> 
  </tr> 
 </tbody> 
</table>

<table> 
 <tbody> 
  <tr> 
   <td><code>LLEN key</code></td> 
   <td>查看列表长度</td> 
  </tr> 
  <tr> 
   <td><code>LINDEX key index</code></td> 
   <td>通过索引获取列表元素</td> 
  </tr> 
  <tr> 
   <td><code>LSET key index value</code></td> 
   <td>通过索引为元素设值</td> 
  </tr> 
 </tbody> 
</table>

#### 集合(Set)常用命令 ####

> Redis的Set是string类型的无序集合。集合成员是唯一的，这就意味着集合中不能出现重复的数据。
> 
> Redis 中 集合是通过哈希表实现的，所以添加，删除，查找的复杂度都是O(1)。
> 
> 集合中最大的成员数为 232 - 1 (4294967295, 每个集合可存储40多亿个成员)。

![813f101925c049018473cf362094fe76.png][]

<table> 
 <thead> 
  <tr> 
   <th>命令</th> 
   <th>描述</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>SADD key member1 [member2]</td> 
   <td>向集合添加一个或多个成员</td> 
  </tr> 
  <tr> 
   <td>SMEMBERS key</td> 
   <td>返回集合中的所有成员</td> 
  </tr> 
  <tr> 
   <td>SCARD key</td> 
   <td>获取集合的成员数</td> 
  </tr> 
  <tr> 
   <td>SINTER key1 [key2]</td> 
   <td>返回给定所有集合的交集</td> 
  </tr> 
  <tr> 
   <td>SUNION key1 [key2]</td> 
   <td>返回所有给定集合的并集</td> 
  </tr> 
  <tr> 
   <td>SDIFF key1 [key2]</td> 
   <td>返回给定所有集合的差集</td> 
  </tr> 
  <tr> 
   <td>SREM key member1 [member2]</td> 
   <td>移除集合中一个或多个成</td> 
  </tr> 
 </tbody> 
</table>

127.0.0.1:6379> smembers myset # 获取集合中所有成员
    1) "m4"
    2) "m3"
    3) "m2"
    4) "m1"
    127.0.0.1:6379> SISMEMBER myset m5 # 查询m5是否是myset的成员
    (integer) 0 # 不是，返回0
    
    ---------------------SRANDMEMBER--SPOP----------------------------------
    
    127.0.0.1:6379> SRANDMEMBER myset 3 # 随机返回3个成员
    1) "m2"
    2) "m3"
    3) "m4"
    127.0.0.1:6379> SRANDMEMBER myset # 随机返回1个成员
    "m3"
    127.0.0.1:6379> SPOP myset 2 # 随机移除并返回2个成员
    1) "m1"
    2) "m4"
    # 将set还原到{m1,m2,m3,m4}
    
    ---------------------SMOVE--SREM----------------------------------------
    
    127.0.0.1:6379> SMOVE myset newset m3 # 将myset中m3成员移动到newset集合
    (integer) 1

<table> 
 <tbody> 
  <tr> 
   <td><code>SMEMBERS key</code></td> 
   <td>返回集合中所有的成员</td> 
  </tr> 
  <tr> 
   <td><code>SISMEMBER key member</code></td> 
   <td>查询member元素是否是集合的成员,结果是无序的</td> 
  </tr> 
 </tbody> 
</table>

<table> 
 <tbody> 
  <tr> 
   <td><code>SRANDMEMBER key [count]</code></td> 
   <td>随机返回集合中count个成员，count缺省值为1</td> 
  </tr> 
  <tr> 
   <td><code>SPOP key [count]</code></td> 
   <td>随机移除并返回集合中count个成员，count缺省值为1</td> 
  </tr> 
 </tbody> 
</table>

<table> 
 <tbody> 
  <tr> 
   <td><code>SMOVE source destination member</code></td> 
   <td>将source集合的成员member移动到destination集合</td> 
  </tr> 
 </tbody> 
</table>

#### 有序集合(Sorted Set)常用命令 ####

> `Redis Sorted Set`有序集合是`String`类型元素的集合，且不允许重复的成员。每个元素都会关联一个`double`类型的分数(`score`) 。`Redis`正是通过分数来为集合中的成员进行从小到大排序。有序集合的成员是唯一的，但分数却可以重复。

![fc9d6bac3b374fc5bf44420683d216d2.png][]

<table> 
 <thead> 
  <tr> 
   <th>命令</th> 
   <th>描述</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>ZADD key score1 member1 [score2 member2]</td> 
   <td>向有序集合添加一个或多个成员，或者更新已存在成员的分数</td> 
  </tr> 
  <tr> 
   <td>ZRANGE key start stop [WITHSCORES]</td> 
   <td>通过索引区间返回有序集合中指定区间内的成员</td> 
  </tr> 
  <tr> 
   <td>ZINCRBY key increment member</td> 
   <td>有序集合中对指定成员的分数加上增量increment</td> 
  </tr> 
  <tr> 
   <td>ZREM key member [member …]</td> 
   <td>移除有序集合中的一个或多个成员</td> 
  </tr> 
 </tbody> 
</table>

-------------------ZADD--ZCARD--ZCOUNT--------------
    127.0.0.1:6379> ZADD myzset 1 m1 2 m2 3 m3 # 向有序集合myzset中添加成员m1 score=1 以及成员m2 score=2..
    (integer) 2
    127.0.0.1:6379> ZCARD myzset # 获取有序集合的成员数
    (integer) 2
    127.0.0.1:6379> ZCOUNT myzset 0 1 # 获取score在 [0,1]区间的成员数量
    (integer) 1
    127.0.0.1:6379> ZCOUNT myzset 0 2
    (integer) 2
    
    ----------------ZINCRBY--ZSCORE--------------------------
    127.0.0.1:6379> ZINCRBY myzset 5 m2 # 将成员m2的score +5
    "7"
    127.0.0.1:6379> ZSCORE myzset m1 # 获取成员m1的score
    "1"
    127.0.0.1:6379> ZSCORE myzset m2
    "7"
    
    --------------ZRANK--ZRANGE-----------------------------------
    127.0.0.1:6379> ZRANK myzset m1 # 获取成员m1的索引，索引按照score排序，score相同索引值按字典顺序顺序增加
    (integer) 0
    127.0.0.1:6379> ZRANK myzset m2
    (integer) 2
    127.0.0.1:6379> ZRANGE myzset 0 1 # 获取索引在 0~1的成员
    1) "m1"
    2) "m3"
    127.0.0.1:6379> ZRANGE myzset 0 -1 # 获取全部成员
    1) "m1"
    2) "m3"
    3) "m2"

<table> 
 <tbody> 
  <tr> 
   <td><code>ZCARD key</code></td> 
   <td>获取有序集合的成员数</td> 
  </tr> 
  <tr> 
   <td><code>ZCOUNT key min max</code></td> 
   <td>计算在有序集合中指定区间score的成员数</td> 
  </tr> 
 </tbody> 
</table>

<table> 
 <tbody> 
  <tr> 
   <td><code>ZSCORE key member</code></td> 
   <td>返回有序集中，成员的分数值</td> 
  </tr> 
  <tr> 
   <td><code>ZRANK key member</code></td> 
   <td>返回有序集合中指定成员的索引</td> 
  </tr> 
  <tr> 
   <td><code>ZRANGE key start end</code></td> 
   <td>通过索引区间返回有序集合成指定区间内的成员</td> 
  </tr> 
 </tbody> 
</table>

<table> 
 <tbody> 
  <tr> 
   <td><code>ZRANGEBYSCORE key min max</code></td> 
   <td>通过分数返回有序集合指定区间内的成员==-inf 和 +inf分别表示最小最大值，只支持开区间()==</td> 
  </tr> 
 </tbody> 
</table>

![783d032327584fb4942b4a5a69e65b5f.png][]

> 注意：所有的排名默认都是升序，如果要降序则在命令的Z后面添加REV即可

应用案例：

*  set排序 存储班级成绩表 工资表排序！
 *  普通消息，1.重要消息 2.带权重进行判断
 *  排行榜应用实现，取Top N测试

### 2.4三种特殊数据类型 ###

#### Geospatial(地理位置) ####

> 使用经纬度定位地理坐标并用一个**有序集合zset保存**，所以zset命令也可以使用

![afec9f8b34e14319a091b39bb20fc06d.png][]

> geoadd

# getadd	添加地理位置
    # 规则：两级无法直接添加，我们一般会下载城市数据，直接通过java程序一次性导入！
    # 有效经度为 -180 到 180 度。
    # 有效纬度为 -85.05112878 到 85.05112878 度。
    # 当用户尝试索引指定范围之外的坐标时，该命令将报告错误。
    127.0.0.1:6379> geoadd china:city 39.90 116.40 beijing
    (error) ERR invalid longitude,latitude pair 39.900000,116.400000
    
    # 参数 key 值（）
    127.0.0.1:6379> geoadd china:city 116.40 39.90 beijing
    (integer) 1
    127.0.0.1:6379> geoadd china:city 121.47 31.23 shanghai
    (integer) 1
    127.0.0.1:6379> geoadd china:city 106.50 29.53 chongqin 114.05 22.52 shenzhen
    (integer) 2
    127.0.0.1:6379> geoadd china:city 120.16 30.24 hangzhou 108.96 34.26 xian
    (integer) 2

> geopos

获得当前定位：一定是一个坐标值！

127.0.0.1:6379> geopos china:city beijing	# 获取指定的城市的经度和纬度！
    1) 1) "116.39999896287918091"
       2) "39.90000009167092543"
    127.0.0.1:6379> geopos china:city beijing chongqin
    1) 1) "116.39999896287918091"
       2) "39.90000009167092543"
    2) 1) "106.49999767541885376"
       2) "29.52999957900659211"

> geodist

两人之间的距离！

单位必须是以下之一，默认为米：

*  **m**为米。
 *  **公里**换公里。
 *  **英里**数英里。
 *  **英尺**换英尺。

127.0.0.1:6379> geodist china:city beijing shanghai km # 查看北京到上海的直线距离
    "1067.3788"
    127.0.0.1:6379> geodist china:city beijing chongqin km # 查看北京到重庆的直线距离
    "1464.0708"

> georadius 以给定的经纬度为中心，找出某一半径内的元素

我附近的人？（获得所有附近的人的地址，定位！）通过半径来查询！

获得指定数量的人，200

所有数据应该都录入：china：city，才会让结果更加准确！

127.0.0.1:6379> georadius china:city 110 30 1000 km		# 以100，30 这个经纬度为中心，寻找方圆为1000km内的城市
    1) "chongqin"
    2) "xian"
    3) "shenzhen"
    4) "hangzhou"
    127.0.0.1:6379> georadius china:city 110 30 500 km
    1) "chongqin"
    2) "xian"
    127.0.0.1:6379> georadius china:city 110 30 500 km withdist	# 显示到中心距离的位置
    1) 1) "chongqin"
       2) "341.9374"
    2) 1) "xian"
       2) "483.8340"
    127.0.0.1:6379> georadius china:city 110 30 500 km withcoord	# 显示他人的定位信息
    1) 1) "chongqin"
       2) 1) "106.49999767541885376"
          2) "29.52999957900659211"
    2) 1) "xian"
       2) 1) "108.96000176668167114"
          2) "34.25999964418929977"
    127.0.0.1:6379> georadius china:city 110 30 500 km withdist withcoord count 1	#筛选出指定的结果！
    1) 1) "chongqin"
       2) "341.9374"
       3) 1) "106.49999767541885376"
          2) "29.52999957900659211"
    127.0.0.1:6379> georadius china:city 110 30 500 km withdist withcoord count 2
    1) 1) "chongqin"
       2) "341.9374"
       3) 1) "106.49999767541885376"
          2) "29.52999957900659211"
    2) 1) "xian"
       2) "483.8340"
       3) 1) "108.96000176668167114"
          2) "34.25999964418929977"

**关于GEORADIUS的参数**

> 通过`georadius`就可以完成 **附近的人**功能
> 
> withcoord:带上坐标
> 
> withdist:带上距离，单位与半径单位相同
> 
> COUNT n : 只显示前n个(按距离递增排序)

> georadiusbymember

# 找出位于指定元素周围的其他元素！
    127.0.0.1:6379> georadiusbymember china:city beijing 1000 km
    1) "beijing"
    2) "xian"
    127.0.0.1:6379> georadiusbymember china:city shanghai 400 km
    1) "hangzhou"
    2) "shanghai"
    #GEOHASH 命令-返回一个或多个位置元素的Geohash表示

> GEOHASH 命令-返回一个或多个位置元素的Geohash表示

该命令返回11个字符Geohash字符串！

# 将二维的经纬度转换成一维的字符串，如果两个字符串越接近，那么距离越近！
    127.0.0.1:6379> geohash china:city beijing chongqin
    1) "wx4fbxxfke0"
    2) "wm5xzrybty0"

> GEO 底层的实现原理其实就是 Zset ！我们可以使用Zset命令来操作geo！

#### Hyperloglog ####

> Redis HyperLogLog 是用来做基数统计的算法，HyperLogLog 的优点是，在输入元素的数量或者体积非常非常大时，计算基数所需的空间总是固定的、并且是很小的。
> 
> 花费 12 KB 内存，就可以计算接近 2^64 个不同元素的基数。
> 
> 因为 HyperLogLog 只会根据输入元素来计算基数，而不会储存输入元素本身，所以 HyperLogLog 不能像集合那样，返回输入的各个元素。
> 
> 其底层使用string数据类型

**什么是基数？**

> 数据集中不重复的元素的个数。

A \{1,3,5,7,8,7\}

B \{1,3,5,7,8\}

基数（不重复的元素） = 5，可以接受误差！

**应用场景：**

网页的访问量（UV）：一个用户多次访问，也只能算作一个人。

> 传统实现，存储用户的id,然后每次进行比较。当用户变多之后这种方式及其浪费空间，而我们的目的只是**计数**，Hyperloglog就能帮助我们利用最小的空间完成。

![5504e0574f0040f1948496a5dee410a5.png][]

127.0.0.1:6379> pfadd mykey a b c d e f g h i j	# 创建第一组元素 mykey
    (integer) 1
    127.0.0.1:6379> pfcount mykey	# 统计 key 元素的基数数量
    (integer) 10 
    127.0.0.1:6379> pfadd mykey2 i j z x c v b n m	# 创建第二组元素 mykey2
    (integer) 1
    127.0.0.1:6379> pfcount mykey2
    (integer) 9
    127.0.0.1:6379> pfmerge mykey3 mykey mykey2	# 合并两组mykey + mykey2 => mykey3 （并集）
    OK
    127.0.0.1:6379> pfcount mykey3	# 看并集的数量！
    (integer) 15

如果允许容错，那么一定可以使用Hyperloglog !

如果不允许容错，就使用set或者自己的数据类型即可 ！

#### BitMaps(位图) ####

> 使用位存储，信息状态只有 0 和 1
> 
> Bitmap是一串连续的2进制数字（0或1），每一位所在的位置为偏移(offset)，在bitmap上可执行AND,OR,XOR,NOT以及其它位操作。

**应用场景**

统计用户信息，活跃，不活跃！登录，未登录！打卡，365打卡！两个状态的，都可以使用Bitmaps！

![fc8a87cd93854f4d866c1f4bd4a092dd.png][]

------------setbit--getbit--------------
    127.0.0.1:6379> setbit sign 0 1 # 设置sign的第0位为 1 
    (integer) 0
    127.0.0.1:6379> setbit sign 2 1 # 设置sign的第2位为 1  不设置默认 是0
    (integer) 0
    127.0.0.1:6379> setbit sign 3 1
    (integer) 0
    127.0.0.1:6379> setbit sign 5 1
    (integer) 0
    127.0.0.1:6379> type sign
    string
    
    127.0.0.1:6379> getbit sign 2 # 获取第2位的数值
    (integer) 1
    127.0.0.1:6379> getbit sign 3
    (integer) 1
    127.0.0.1:6379> getbit sign 4 # 未设置默认是0
    (integer) 0
    
    -----------bitcount----------------------------
    127.0.0.1:6379> BITCOUNT sign # 统计sign中为1的位数
    (integer) 4

## 2.5stream与bitfield ##

#### stream ####

## ![6f779252514f4f239e0b79e57b2ac96e.png][] ##

> redis 版本的 MQ
> 
> Redis 消息队列的方案：
> 
>  *  Redis Stream 主要用于消息队列（MQ，Message Queue），Redis 本身是有一个 Redis 发布订阅 (pub/sub) 来实现消息队列的功能，但它有个缺点就是消息无法持久化，如果出现网络断开、Redis 宕机等，消息就会被丢弃。
>  *  简单来说发布订阅 (pub/sub) 可以分发消息，但无法记录历史消息。
>  *  而 Redis Stream 提供了消息的持久化和主备复制功能，可以让任何客户端访问任何时刻的数据，并且能记住每一个客户端的访问位置，还能保证消息不丢失。

#### ![7eb1c3b7e65942d3b23706d002007652.png][] ####

Stream结构：

#### ![443f7de1362f434e96325aa819358ba2.png][] ####

#### ![37702b6f32b146078c39bdd336c9c0fb.png][] ####

##### 队列常用命令： #####

##### ![2bbff7f48bd8441ca12e1d416780cfe7.png][] #####

![b91aca528b4740da92c5520e0205a2fb.png][]

###### xadd ######

![f38245d8a9e14631ad6e385c37a7bff0.png][]

###### XRANGE  
 ![5c326c24dd4045a0b1e05baee8abebcd.png][] ######

###### xtrim![74fe265f18e54a659da9f16114c972ff.png][] ######

###### xread ######

![ca56aad2356d48d0a4d10fb5ff579fc9.png][]

##### 消费常用命令： #####

![ccb30b19e3004d5aaa48b62017c135bc.png][]

###### xgroup ######

![b04dcbf52cfa49089cc3c320f96e45bb.png][]

###### xreadgroup ######

![a57b75d912e1464ea52f098f162b6b90.png][]

> stream中的消息一旦被消费组里的一个消费者读取了，就不能再被该消费组内的其他消费者读取了，即同一个消费组里的消费者不能消费同一条消息。列才的KREADGROUP命令再执行一次，此时读到的就是空值

#### ![12a61e6a31c64f14817d204d4594c2bd.png][] ####

####  ####

##### 特殊符号 #####

![5c0125eafb784de4af90050e769e58ac.png][]

#### bitfield ####

通过bitfield命令可以一次性操作多个比特位域(指的是连续的多个比特位)，它会执行一系列操作并返回一个响应数组，这个数组中的元素对应参数列表中的相应操作的执行结果。  
说白了就是通过bitfield命令我们可以一次性对多个比特位域进行操作。

将一个Redis字符串看作是一个由二进制位组成的数组，并能对变长位宽和任意没有字节对齐的指定整型位域进行寻址和修改。

## ![c692d08b8d8e4880b5815ae622d29910.png][] ##

## 三、redis事务 ##

### 3.1概述 ###

Redis的单条命令是保证原子性的，但是redis事务不能保证原子性

Redis 事务本质：一组命令的集合！一个事务中的所有命令都会被序列化，在事务执行的过程中，会按照顺序执行！一次性、顺序新、排他性！执行一些列的命令！

Redis事务没有隔离级别的概念！

所有的命令在事务中，并没有直接被执行！只有发起执行命令的时候才会执行！exec

> \----------------- 队列 set set set 执行 -------------------
> 
> 事务中每条命令都会被序列化，执行过程中按顺序执行，不允许其他命令进行干扰。
> 
>  *  一次性
>  *  顺序性
>  *  排他性

### 3.2**常用命令** ###

### ![14bfde55d25c484e9551e93266dc5341.png][] ###

### 3.3Redis事务操作过程 ###

*  开启事务（`multi`）
 *  命令入队
 *  执行事务（`exec`）

所以事务中的命令在加入时都没有被执行，直到提交时才会开始执行(Exec)一次性完成。

127.0.0.1:6379> multi # 开启事务
    OK
    127.0.0.1:6379> set k1 v1 # 命令入队
    QUEUED
    127.0.0.1:6379> set k2 v2 # ..
    QUEUED
    127.0.0.1:6379> get k1
    QUEUED
    127.0.0.1:6379> set k3 v3
    QUEUED
    127.0.0.1:6379> keys *
    QUEUED
    127.0.0.1:6379> exec # 事务执行
    1) OK
    2) OK
    3) "v1"
    4) OK
    5) 1) "k3"
       2) "k2"
       3) "k1"

**取消事务(`discurd`)**

127.0.0.1:6379> multi
    OK
    127.0.0.1:6379> set k1 v1
    QUEUED
    127.0.0.1:6379> set k2 v2
    QUEUED
    127.0.0.1:6379> DISCARD # 放弃事务
    OK
    127.0.0.1:6379> EXEC 
    (error) ERR EXEC without MULTI # 当前未开启事务
    127.0.0.1:6379> get k1 # 被放弃事务中命令并未执行
    (nil)

##### 事务错误 #####

> 代码语法错误（编译时异常）所有的命令都不执行

127.0.0.1:6379> multi
    OK
    127.0.0.1:6379> set k1 v1
    QUEUED
    127.0.0.1:6379> set k2 v2
    QUEUED
    127.0.0.1:6379> error k1 # 这是一条语法错误命令
    (error) ERR unknown command `error`, with args beginning with: `k1`, # 会报错但是不影响后续命令入队 
    127.0.0.1:6379> get k2
    QUEUED
    127.0.0.1:6379> EXEC
    (error) EXECABORT Transaction discarded because of previous errors. # 执行报错
    127.0.0.1:6379> get k1 
    (nil) # 其他命令并没有被执行

> 代码逻辑错误 (运行时异常) \*\*其他命令可以正常执行 \*\* >>> 所以不保证事务原子性

127.0.0.1:6379> multi
    OK
    127.0.0.1:6379> set k1 v1
    QUEUED
    127.0.0.1:6379> set k2 v2
    QUEUED
    127.0.0.1:6379> INCR k1 # 这条命令逻辑错误（对字符串进行增量）
    QUEUED
    127.0.0.1:6379> get k2
    QUEUED
    127.0.0.1:6379> exec
    1) OK
    2) OK
    3) (error) ERR value is not an integer or out of range # 运行时报错
    4) "v2" # 其他命令正常执行
    
    # 虽然中间有一条命令报错了，但是后面的指令依旧正常执行成功了。
    # 所以说Redis单条指令保证原子性，但是Redis事务不能保证原子性。

##### 监控 #####

**悲观锁：**

*  很悲观，认为什么时候都会出现问题，无论做什么都会加锁

**乐观锁：**

*  很乐观，认为什么时候都不会出现问题，所以不会上锁！更新数据的时候去判断一下，在此期间是否有人修改过这个数据
 *  获取version
 *  更新的时候比较version

使用`watch key`监控指定数据，相当于乐观锁加锁。

> 正常执行

127.0.0.1:6379> set money 100 # 设置余额:100
    OK
    127.0.0.1:6379> set use 0 # 支出使用:0
    OK
    127.0.0.1:6379> watch money # 监视money (上锁)
    OK
    127.0.0.1:6379> multi
    OK
    127.0.0.1:6379> DECRBY money 20
    QUEUED
    127.0.0.1:6379> INCRBY use 20
    QUEUED
    127.0.0.1:6379> exec # 监视值没有被中途修改，事务正常执行
    1) (integer) 80
    2) (integer) 20

> 测试多线程修改值，使用watch可以当做redis的乐观锁操作（相当于getversion）

我们启动另外一个客户端模拟插队线程。

线程1：

127.0.0.1:6379> watch money # money上锁
    OK
    127.0.0.1:6379> multi
    OK
    127.0.0.1:6379> DECRBY money 20
    QUEUED
    127.0.0.1:6379> INCRBY use 20
    QUEUED
    127.0.0.1:6379> 	# 此时事务并没有执行

模拟线程插队，线程2：

127.0.0.1:6379> INCRBY money 500 # 修改了线程一中监视的money
    (integer) 600

回到线程1，执行事务：

127.0.0.1:6379> EXEC # 执行之前，另一个线程修改了我们的值，这个时候就会导致事务执行失败
    (nil) # 没有结果，说明事务执行失败
    
    127.0.0.1:6379> get money # 线程2 修改生效
    "600"
    127.0.0.1:6379> get use # 线程1事务执行失败，数值没有被修改
    "0"

> 解锁获取最新值，然后再加锁进行事务。
> 
> `unwatch`进行解锁

### 3.4事务案例 ###

#### 正常执行 ####

#### ![764171335c464ed18a0fad19aef54ab8.png][] ####

#### **放弃事务** ####

![817061bbae334f70afb8ea9474de529b.png][]

#### **全体连坐** ####

一个出错，全都不执行

![5373bad63af540a281c8de66cdbf6fd8.png][]

#### **冤头债主** ####

哪个出错哪个不执行，其他执行

![7aed7b70840240d29ad9ef1fb9e9478e.png][]

#### **watch监控** ####

redis采用[乐观锁][Link 1]，因为采用悲观锁会降低redis的性能

![f279d0c9068a4aadbba9944831e1297d.png][]

**unwatch**

![764b87ebfba74a80903f87172a8579ed.png][]

## 四、管道 ##

### 4.1问题由来 ###

多次命令请求需要频繁的调用系统IO,降低了性能

> 面试题：如何优化频繁命令往返造成的性能瓶颈？
> 
> mset 有点类似于 管道，将三条set变为一条mset
> 
> 如何理解：三次搬家路程合并为一次路程。

### ![2ea22e8f0e4a46e4a863dba83499417d.png][]4.2管道实际操做 ###

**也就是批处理**

*  将多个命令都存在一个txt文件中，然后一同批处理，验证批处理

![05f1a86af8234a7e8c2a4d529e350648.png][]

总结

**Pipeline 与原生批量**

*  原生批量命令是原子性（如：mset，mget），pipeline是非原子性
 *  原生批量命令一次只能执行一种命令，pipeline支持批量执行不同命令
 *  原生批命令是服务端实现，而pipeline需要服务端与客户端共同完成

**Pipeline 与事务对比**

*  事务具有原子性，管道不具有原子性 （这句话应该是错误的，redis事务不具有原子性）
 *  管道一次性将多条命令发送到服务器，事务是一条一条发的，事务只有在接收到exec命 令后才会执行，管道不会
 *  执行事务时会阻塞其他命令的执行，而执行管道中的命令时不会

**Pipeline 注意事项**

*  pipeline缓冲的指令只是会依次执行，不保证原子性，如果执行中指令发生异常，将会继续执行后续的指令
 *  使用pipeline组装的命令个数不能太多，不然数据量过大客户端阻塞的时间可能过久，同时服务器也被迫回复一个队列答复，占用很多内存

## 五、发布订阅（了解即可） ##

### **介绍** ###

*  是一种消息通信模式：
    
     *  发送者（PUBLISH）发送消息
     *  订阅者（SUBSCRIBE）接收消息，可以实现进程间的消息传递

*  Redis可以实现消息中间件MQ的功能，通过发布订阅实现消息的引导和分流
 *  功能
    
     *  Redis客户端可以订阅任意数量的频道，类似我们微信关注多个公众号
     *  发布/订阅其实是一个轻量的队列，只不过数据不会被持久化，一般用来处理实时性较高的异步消息

订阅/发布消息图：

*  消息发布者
 *  频道
 *  消息订阅者

![cb0dbc58d7f34fdf83221862ebf357c5.png][]

下图是频道 channel1 ， 以及订阅这个频道的三个客户端 ——- cilent2，cilent5 和 cilent1 之间的关系

![98eb8ef671de470998cc27f5dd57ca59.png][]

当有消息通过Publish 命令发送给频道 channel1 时，这个消息就会被它发送给订阅它的三个客户端

![d8aac8605b3b421c9e731f68e023c8f5.png][]

### **基本操作**![d6f19389fac74fbf8ced7623adfa7c24.png][] ###

SUBSCRIBE channel [channel]   // 订阅多个频道
    PUBLISH channel message       // 对一个频道发布信息
    PSUBSCRIBE pattern [pattern...]  // 按照模式批量订阅，订阅一个或多个符合给定模式（支持*号?号之类的）的频道
    PUSUB CHANNELS      // 由活跃频道组成的列表
    PUSUB NUMSUB channel [channel...]   // 某个频道有几个订阅者
    PUBSUB NUMPAT   // 只统计使用PUBSCRIBE 命令执行的，返回客户端订阅的唯一模式的数量
    UNSUBSCRIBE channel [channel...]    // 取消订阅
    PUNSUBSCRIBE pattern [pattern...]   // 退订所有给定模式的频道

![ad487c277ebe4ff8974625dca751ca16.png][]

### 原理 ###

![4eb022147761426eb2728a5db22674c8.png][]

### 应用[\#][Link 2] ###

1.  消息订阅：公众号订阅，微博关注等等（起始更多是使用消息队列来进行实现）
2.  多人在线聊天室。

稍微复杂的场景，我们就会使用消息中间件MQ处理。

[2521466a02664416b8141635fdb8caaf.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/13/6ee7b15da574490ea5cc041e38211fc6.png
[2020082010365930.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/13/dec728873b9545ad84b69b4677ae85e3.png
[Memcached]: https://so.csdn.net/so/search?q=Memcached&spm=1001.2101.3001.7020
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0RERERlbmdf_size_16_color_FFFFFF_t_70_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/13/5b10587d5fa1481ab472b2767e7711c0.png
[8cc7b073ee5d4e0e936b3b4c03df2fdd.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/13/657d8e8f021b4c4f8b54ec67fe455504.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0RERERlbmdf_size_16_color_FFFFFF_t_70_pic_center 1]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/13/980c26e8d978463a86c9c34c5457b72d.png
[8453d5c7020b4173bbbe253fc0193ffd.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/13/070a64d390794277acfc11e5c4c97080.png
[a67cad694ccd4a709c522ae4ab70c12b.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/13/7502dfec1f3041a7b833e22fa0ee54ac.png
[e432ff61ae6c41b9a0390528b36fa662.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/13/cc0c4239f7d64977876d1633bea2c95f.png
[117f120dcbdf4a4782bece6898c73591.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/13/12dfb37a01c742619562d5b26111b761.png
[docker-compose_redis]: https://blog.csdn.net/Azj12345/article/details/129931407?app_version=6.2.9&code=app_1562916241&csdn_share_tail=%7B%22type%22%3A%22blog%22%2C%22rType%22%3A%22article%22%2C%22rId%22%3A%22129931407%22%2C%22source%22%3A%22qq_62377885%22%7D&uLinkId=usr1mkqgl919blen&utm_source=app
[Releases _ lework_RedisDesktopManager-Windows _ GitHub]: https://github.com/lework/RedisDesktopManager-Windows/releases
[81f6e26c260742bc9043fd6c5573fff4.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/13/618f4311479441bda9b26f5aaeb5a49e.png
[b5578a02271c41c09b5f1101b0ee03ce.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/13/57a698cf49554fb082581bf9f57b6be7.png
[redis]: https://www.redis.net.cn/order/
[ebdc9f652b894a1cb55b252284497e4c.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/13/2bd9bc19b9e44ad29bbd2cc690db1a0f.png
[d1a43003adee4cf39e1e1396eccc015c.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/13/bc70782d93dd41198bf439c5acd7ff56.png
[ee18acaa58c94dd5b7f8bbfab72bc25a.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/13/de49bddbdd9f47748aa2ba70468c3269.png
[3881498e6e3f4ea59c08e79cdb98791e.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/13/0a1c922914774496856157ce29280477.png
[94365e3c5787498899741f579b96f3ae.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/13/09730d58960e43e1ae62d60253614438.png
[img-VPvbIltc-1597890996518_ Redis.assets_image-20200813114255459.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/13/306e526746f14b078561e9249ef8b4dc.png
[308bf46c0f3045ea95da32dde201cf55.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/13/f3b1c056c6d74ff6807e2f4836ce0912.png
[813f101925c049018473cf362094fe76.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/13/8933eab6fa9f4c51a88a2af4754eafe2.png
[fc9d6bac3b374fc5bf44420683d216d2.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/13/b134f88166394a80a562c5925578b400.png
[783d032327584fb4942b4a5a69e65b5f.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/13/3a87d6f8892347078b43ee549ce2e207.png
[afec9f8b34e14319a091b39bb20fc06d.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/13/3ac4342024b0441f8739991cc07ae78a.png
[5504e0574f0040f1948496a5dee410a5.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/13/d8b89f85da914a31a8b284cbebc0929e.png
[fc8a87cd93854f4d866c1f4bd4a092dd.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/13/20c671fa8bf847409e2f2090469dc96d.png
[6f779252514f4f239e0b79e57b2ac96e.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/13/ffda837ba614465f927186233f733779.png
[7eb1c3b7e65942d3b23706d002007652.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/13/020bad8a498e40b5aaefb6e06fa736ba.png
[443f7de1362f434e96325aa819358ba2.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/13/8ddedf521c4642f78d41937bf65ee6eb.png
[37702b6f32b146078c39bdd336c9c0fb.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/13/a0798ea624fd4cfeb89148f5ee923427.png
[2bbff7f48bd8441ca12e1d416780cfe7.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/13/970fce63321547808889ca2bb742f4fd.png
[b91aca528b4740da92c5520e0205a2fb.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/13/fb7ac53b563545aba4fe452ebb775ba8.png
[f38245d8a9e14631ad6e385c37a7bff0.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/13/e372f41bc03643c39f765fd65de2269d.png
[5c326c24dd4045a0b1e05baee8abebcd.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/13/e326f495444d45baa64cc00ead1c413a.png
[74fe265f18e54a659da9f16114c972ff.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/13/d8803e78f3d94358a8cf11021f54a3cf.png
[ca56aad2356d48d0a4d10fb5ff579fc9.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/13/46c2ce77f9424b418521a73715eb8f37.png
[ccb30b19e3004d5aaa48b62017c135bc.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/13/40961f0bda5c4e6b995e50cc3401f13f.png
[b04dcbf52cfa49089cc3c320f96e45bb.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/13/abc57f5ed69a4a6a98b0c8bc202647dc.png
[a57b75d912e1464ea52f098f162b6b90.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/13/c0490b6eb80446eb9070160acf3d5306.png
[12a61e6a31c64f14817d204d4594c2bd.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/13/83c6368baa6a413c82a690d5d8436f4f.png
[5c0125eafb784de4af90050e769e58ac.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/13/e187b8388ea44ba8bfa97722eab6417c.png
[c692d08b8d8e4880b5815ae622d29910.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/13/f9481dca487f4edc98bd1014480b5077.png
[14bfde55d25c484e9551e93266dc5341.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/13/90f1366bd40a453db0237eee8e5d4617.png
[764171335c464ed18a0fad19aef54ab8.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/13/1b1b8b27fcee4821b6b48d7eab078e32.png
[817061bbae334f70afb8ea9474de529b.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/13/1f365262ffb343759ceecd4adc279a82.png
[5373bad63af540a281c8de66cdbf6fd8.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/13/93af1ff40866450d9a04dd150618d289.png
[7aed7b70840240d29ad9ef1fb9e9478e.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/13/aabec355a10c4388ac21e60a0adb6292.png
[Link 1]: https://so.csdn.net/so/search?q=%E4%B9%90%E8%A7%82%E9%94%81&spm=1001.2101.3001.7020
[f279d0c9068a4aadbba9944831e1297d.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/13/d74f886a41164003911043f464881fb7.png
[764b87ebfba74a80903f87172a8579ed.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/13/de088a1932b345bcb1fc3ad2cd862b69.png
[2ea22e8f0e4a46e4a863dba83499417d.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/13/ee21b3397dcb4c038571417b7a3810dc.png
[05f1a86af8234a7e8c2a4d529e350648.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/13/a17cfbbe9b484b0c941bd1995f5367b5.png
[cb0dbc58d7f34fdf83221862ebf357c5.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/13/1521619070404bd68387c4dd50d8cd41.png
[98eb8ef671de470998cc27f5dd57ca59.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/13/a31e9c094d9646378766d47530b7e798.png
[d8aac8605b3b421c9e731f68e023c8f5.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/13/1a6ad5be01c14e6db2c66249158b754b.png
[d6f19389fac74fbf8ced7623adfa7c24.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/13/846a2db4fe1b48068e1898644102831e.png
[ad487c277ebe4ff8974625dca751ca16.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/13/9636a19d33984c1592c3a708d4d14ea8.png
[4eb022147761426eb2728a5db22674c8.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/13/87cbf87329d04d18ab69041534c4379b.png
[Link 2]: https://link.juejin.cn/?target=https%3A%2F%2Fwww.cnblogs.com%2FSerendipity-gao%2Fp%2F16672670.html%23%25E5%25BA%2594%25E7%2594%25A8