深入学习 Redis - 深挖经典数据类型之 zset

悠悠 2024-03-18 00:28 120阅读 0赞

**目录**

前言

一、zset 类型

1.1、操作命令

zadd / zrange（添加 / 查询）

zcard（个数）

zcount（区间元素个数）

zrevrange（逆序展示）

zrangebyscore（按分数找元素）

zpopmax / zpopmin（删除）

bzpopmax / bzpopmin（阻塞删除）

zrank / zrevrank（排名）

zscore（分数）

zrem（删除）

zremrangebyrank / zremrangebyscore（删除指定区间）

zincrby（增加分数）

交集、并集、差集说明

zinterstore / zunionstore（交集 / 并集）

1.2、内部编码方式

1.3、使用场景

排行榜系统

--------------------

## 前言 ##

--------------------

redis 中所有的 key 都是字符串，value 的类型是存在差异的，因此出现了操控不同 value 的命令，接下来，就一起来学习一下吧~

> Ps1：接下来，我给出的指令都是按照 Redis 官方文档的语法格式来解析的，\[ \] 相当于一个独立的单元，表示可选项（可有可无），其中 | 表示 “或者” 的意思，多个只能出现一个，\[ \] 和 \[ \] 之间是可以同时存在的.

> Ps2：一个快速失去年终奖的小技巧 —— 清除 redis 上所有的数据 =》 FLUSHALL，这个操作可以把 redis 上所有的键值对全部带走.

## 一、zset 类型 ##

--------------------

### 1.1、操作命令 ###

Zset 是一个有序且唯一的集合，在 zset 中的 member 同时引入了一个属性 score（分数），支持浮点类型，也就是说每一个 member 都安排一个分数，并且默认按照分数进行升序排序.

![ec950a2c287346f1bf53a64890db1edb.png][]

> Ps：zset 中的 member 和 score 不是键值对的关系，可以称为是一个 "pair"，类似于 C++ 中的 std::pair。
> 
> 对于有序集合来说，既可以通过 member 找到对应的 score ，又可以通过 score 找到匹配的 member。

#### zadd / zrange（添加 / 查询） ####

使用 zadd 往有序集合中，添加元素和分数.

时间复杂度是 O(log N)，这是由于 zset 是有序结构，新增元素需要放在合适的位置上，底层是通过 跳表 这个数据结构实现的.

ZADD key [NX | XX] [GT | LT] [CH] [INCR] score member [score member ...]

以下是对几个选项的说明：

*  NX | XX：的使用和之前 set 添加元素使用一样，这里值得注意的是 不加 NX | XX 选项时，当 member 不存在，此时就会达到 “添加新 member” 的效果，如果当前 member 已经存在，此时就会更新分数.
 *  LT | GT：LT（less than）表示一旦要进行更新分数，如果分数比之前小，则更新成功，否则不跟新；GT（greater than）反之.
 *  CH：默认情况下，ZADD 返回的是本次添加的元素个数，但指定这个选项之后，就会还包含本次更新的元素的个数。
 *  INCR：此时命令类似 zincrby 的效果，将元素的分数加上指定的分数。此时只能指定⼀个元素和 分数。

使用 zrange 查看 有序集合 中的元素详情（类似于 lrange 可以指定下标构成区间）

ZRANGE key start stop [WITHSCORES]

> Ps：加上 withscores ，就可以连分数一起显示.

![11d638fba2264a34adbe6b6cc76feeab.png][]

![c60bc11eaef54c9992b4eb475691f106.png][]

![cfdbe679f19d4a10bcb37562e358dc0c.png][]

#### zcard（个数） ####

获取 zset 中的元素个数.

ZCARD key

![fb58af23a01a4f2ea0b47f53441a4ce9.png][]

#### zcount（区间元素个数） ####

获取分数在 min 和 max 之间（默认是闭区间）的元素个数，其中 min 和 max 本身就是浮点数类型，可以哦那个 inf 表示无穷大， -inf 表示 负无穷大.

ZCOUNT key min max

> 时间复杂度是 O(log N)，具体执行流程如下：
> 
> 先根据 min 找到对应的元素，再根据 max 找到对应的元素（这里的时间复杂度就是 O(log N) ），这里实际上 zset 内部会记录每个元素当前的 “排行 / 次序”，因此查到元素后就知道元素的 “次序”（下标），就可以直接把 max 对应的元素次序和 min 对应的元素次序，做减法即可.

![b3307097fbd1433d92b3d0e1d52a6780.png][]

> Ps：如果想要排除边界值，可以使用括号，但是表示比较奇葩~，使用 （ 表示开区间，例如我要获取(70，98)这个区间的个数，就需要如下写法表示![f748f15e61a043f08eba86dab042dcb0.png][]
> 
> **一个好的设定是符合直觉的，但为什么这么设定？**
> 
> 这是为了考虑**兼容性**的原因：一旦在新的版本中引入和之前不兼容的特性，成本是非常高的（不兼容的案例最典型的就是 IPv6），一般来说，如果确实需要做出这种不兼容的修改，可以先把这个要修改的内容标记成 “弃用”（给程序员打个预防针），同时推出新的版本，若干个版本之后，再逐渐把这样的功能完成修改.

#### zrevrange（逆序展示） ####

zrevrange 中的 rev 就是 reverse 的缩写，表示逆序的意思。默认是升序，通过 zrevrange 就可以实现分数降序排序.

ZREVRANGE key start stop [WITHSCORES]

![7840186bdf9b4653b3ab4e8b439e94a3.png][]

#### zrangebyscore（按分数找元素） ####

按照分数来找元素，和 zcount 类似.

ZRANGEBYSCORE key min max [WITHSCORES]

> Ps：这个命令可能在 6.2.0 之后废弃，并且将功能合并到 zrange 中.

![1751afb57d6148a6961f029eb614830f.png][]

#### zpopmax / zpopmin（删除） ####

zpopmax 用来删除分数最高的 count 个元素.

zpopmin 用来删除分数最低的 count 个元素.

> Ps：若分数一样，就按照字典序来删除其中的 count 个元素

ZPOPMAX key [count]
    ZPOPMIN key [count]

时间复杂度为 O(log(N) \* M)，其中:

*  N 表示有序集合的元素个数.
 *  M 表示要删除 count 个元素.

> 使用 zpopmax 删除的是最大值，在有序集合中就是最后一个元素（尾删），既然是尾删，为什么我们不把最后一个元素的位置的记录下来，后续删除不就直接就 O(1) 了嘛？

但是很遗憾， redis 目前并没有这么做~

事实上，redis 的源码中，针对有序集合，确实是记录尾部的位置，但在删除的时候，并没有用上这个特性，而是直接使用了一个 “通用的删除函数”（给定一个 member 的值，进行查找找到位置后再进行删除）.

但这里我认为是存在优化空间的，确实可以通过记录+尾删达到 O(1) 的复杂度，但是这种优化的活要优化在刀刃上~ 优化一般是要找到性能瓶颈，进行针对的优化，但是当前这个 log N 的速度也不慢，如果 N 不是夸张的大，基本是可以近似 O(N) 的~

比如去追一个妹子：

1.  经常在她面前刷存在感，混个脸熟.（1个月）
2.  约出来一起玩（叫上很多僚机）. （2个月）
3.  单独约出来玩.（3个月）
4.  确定关系.（1年）

那么如果你在第一条上使劲优化，是没啥乱用的~

![5cbd4d6d2f0843069993566d5f310de6.png][]

#### bzpopmax / bzpopmin（阻塞删除） ####

阻塞版本的 zpopmax / zpopmin，这里的 有序集合 可以认为是一个 带阻塞功能 的 "优先级队列"，在队列为空的时候阻塞，直到其他客户端插入元素为止.

BZPOPMAX key [key ...] timeout
    BZPOPMIN key [key ...] timeout

timeout 表示超时时间，表示最多阻塞多久，单位是 s，支持小数形式.

时间复杂度是 log(N).

> Ps：当 bzpopmax / bzpopmin 监听了多个 key，表示是从这若干个 key 中只删除一次.

![8b5077bb41604896a2740000e2d95570.png][]

![29beda1daf934814ac13880ee9023d57.png][]

#### zrank / zrevrank（排名） ####

zrank 和 zrevrank 都是返回指定元素的排名（下标），其中 zrank 按照升序排序，zrevrank 按照降序排序.

时间复杂度为 O(log N)，主要是有个查询位置的过程（可以认为是在堆中查找元素）。

ZRANK key member

ZREVRANK key member

![b6f2b891514847a2916b0b6bb7103a6c.png][]

![1658b4b059dc470ab80ce28c415f5bab.png][]

#### zscore（分数） ####

获取指定元素的分值.

ZSCORE key member

时间复杂度是 O(1)，之前根据 member 找元素，都是 logN ，这里虽然也是要先找元素，但是 redis 对于此处的查询做了特殊的优化，付出了额外的空间代价.

![1abe76675a964b05b794681a1c07e3d8.png][]

#### zrem（删除） ####

删除指定的 member 元素.

ZREM key member [member ...]

时间复杂度是 O(logN \* M)，其中 N 表示有序集合中元素的个数（因为要先找到元素），M 是 member 的个数.

![057302d90c52489a9d5a5bff5b680bd8.png][]

#### zremrangebyrank / zremrangebyscore（删除指定区间） ####

zremrangebyrank 是指定下标描述范围来进行删除（元素升序排序）.

zremrangebyscore 是指定分数区间进行删除.

> Ps：区间都是闭合的（左闭右闭）.

ZREMRANGEBYRANK key start stop
    ZREMRANGEBYSCORE key min max

时间复杂度是 O(logN \* M)，其中 N 表示有序集合中元素的个数（因为要先找到元素），M 是要删除的元素个数.

![3783426865a8400f9f2819942a0fd042.png][]

![05b2d2c029814a6990eae7c5591bae4a.png][]

#### zincrby（增加分数） ####

为指定的元素的关联分数添加指定的分数值。

ZINCRBY key increment member

> Ps：修改分数后，任然保持升序.

![4ac72456f03847c99995124870396b0a.png][]

#### 交集、并集、差集说明 ####

zinter、zunion 、zdiff 这三个命令是从 redis 6.2 开始支持的，咱们使用的是 redis 5 ，此处不涉及.

#### zinterstore / zunionstore（交集 / 并集） ####

求出多个 key 之间的交集，并保存到一个新的集合中，合并的同时元素按照不同方式得到新的分值.

ZINTERSTORE destination numkeys key [key ...] [WEIGHTS weight [weight ...]] [AGGREGATE <SUM | MIN | MAX>]

几个参数的说明：

destination：表明了要把结果存储到哪一个 zset 中.

numkeys：是一个整数，描述了后面又几个 key 参与交集运算（这样设定是为了将自定义的 key 和后面的参数区分开来，类似于 HTTP 协议中 Content-Length 的作用——解决 TCP 面向字节流传输的粘包问题）.

weights：权重，相当于一个系数，会乘上当前的分数（类似于数学中的权值，假如我是一个好看有才华的妹子，那么追我的不同小哥哥身上都会有不同的权值，比如长得帅占5%、会舔占2%、有钱占93%......），这里要按照求交集 key 的个数来写.

aggregate：这里提供了三种参数（SUM求和、MIN最小、MAX最大），描述了相交的元素分数的处理方式（若不设置，默认是求和）.

zunionstore 用法 和 zinterstore 基本一致，因此这里拿其中一个演示（zinterstore）：

![a9d91b6d0c944c48b2c8689a0d50810c.png][]

> 解释：

1.  首先 key1 和 key2 的交集是 c 和 d
2.  这里交集有两个，拿其中的 c 来说明：给 key1 的 c 设置的权重是 2，因此 key1 中 c 的分数乘 2，得到 60； key2 中 c 设置的权重是 3 ，因此给 key2 中 c 的分数乘 3，得到 90.
3.  由于没有设置 aggregate 属性，因此默认求和，最后存储到 key3 中 c 的分数就是 60 + 90 ，也就是 150.
4.  交集 d 同理.

### 1.2、内部编码方式 ###

内部编码方式有以下两种：

*  skiplist：跳表，类似于 leetcode 上的一个经典题目，“复制带随机指针的链表”，跳表也是链表，不同于普通的链表，每一个节点上有多个指针域，巧妙的搭配这些指针域的指向就可以做到，从跳表上查询元素的时间复杂度是 O(logN)，相比于树形结构，更适合范围获取元素.
 *  ziplist：压缩列表，当哈希表里的元素比较少的时候，就优化成了 ziplist 了，能够节省空间（压缩的原因：redis 上有很多 key，可能某些 key 的 value 是 hash，此时如果 key 特别多，对应的 hash 也特别多，但是每个 hash 又不是特别大的情况下，就尽量去压缩，让整体占用内存更小了）.  
    、

> Ps：如果有序集合中元素较少，或者单个元素体积较小，使用 ziplist 来存储，这样更节省内存空间。如果元素较多，或者单体过大，就是用 skiplist 来存储了.

### 1.3、使用场景 ###

#### 排行榜系统 ####

这种场景有很多：微博热搜、游戏天梯排行、成绩排行......

例如使用 zset 来实现 游戏天梯排行，只需要把玩家的信息和对应的分数给放到有序集合中即可，自动就生成一个排行榜，随时可以按照排行（下标），按照分数，进行范围查询~

也可以通过 zincrby 来修改分数，排行也能自适应调整（logN）.

> 玩家那么多，zset 能存下吗？

userId 4 个字节 score 8 个字节来理解，那么表示一个玩家大概是 12 个字节，往多了算，1 亿玩家，大概是 12亿 字节 => 1.2 GB（这里的单位换算一定要张口就来~ 影响升职加薪），这大么？

> 游戏排行榜的先后顺序还是比较容易确定的，但是像 微博热度 这种就不太好算~

他是根据综合数值来衡量的：

1.  浏览量
2.  点赞量
3.  转发量
4.  评论量

这就需要根据每一个维度的权重，来计算综合得分，此时就可以借助 zinterstore / zunionstore 按照加权的方式来处理了，具体的，member 就是 微博 的 id，而 score 就是通过 zinterstore / zunionstore 按照约定好的权重，进行集合运算即可，最后得到的集合分数就是热度，排行榜也就出来了.

![42b60a664dde4b76913b0fb14a36af5b.gif][]

[ec950a2c287346f1bf53a64890db1edb.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/f71d4fb357ac44f78066f46e4d2af5c1.png
[11d638fba2264a34adbe6b6cc76feeab.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/f399c9637e994faea7e5ade86decd8fa.png
[c60bc11eaef54c9992b4eb475691f106.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/ca213b5cf5ff41fcbb6a4e1da9455a0d.png
[cfdbe679f19d4a10bcb37562e358dc0c.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/273ab080950c479dba3b0844af31b34e.png
[fb58af23a01a4f2ea0b47f53441a4ce9.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/17be71834ab2413298cff1015727e967.png
[b3307097fbd1433d92b3d0e1d52a6780.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/21e170a07f4340fc8e1fc1c8a1b3de6f.png
[f748f15e61a043f08eba86dab042dcb0.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/e9a4c37d3f47420b9381d3240fbf1a20.png
[7840186bdf9b4653b3ab4e8b439e94a3.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/bd4a40cdb39c4e5b9c1003c07911221b.png
[1751afb57d6148a6961f029eb614830f.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/0e7aadf3cf614fe3a9d8224116991e57.png
[5cbd4d6d2f0843069993566d5f310de6.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/3aba8f385e764425914b6ad25d81023b.png
[8b5077bb41604896a2740000e2d95570.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/fce9073a811d4e82b6c6ece2bab7ca76.png
[29beda1daf934814ac13880ee9023d57.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/354bcc5e8fdf49d9a0764d4ba38764f8.png
[b6f2b891514847a2916b0b6bb7103a6c.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/18fdad5e6a364c0da8f5ac9b37279c4a.png
[1658b4b059dc470ab80ce28c415f5bab.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/e4a859a37ca24111ac6fd8d7d2a5c564.png
[1abe76675a964b05b794681a1c07e3d8.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/a3a4f33247804b0fbee57c1301a6edd2.png
[057302d90c52489a9d5a5bff5b680bd8.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/bcc7b1077ff64ef482031f8234b0d737.png
[3783426865a8400f9f2819942a0fd042.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/5ed1a910cde0466db165af91df65504a.png
[05b2d2c029814a6990eae7c5591bae4a.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/3615c2d6630b40cdb147a9d9d70dd369.png
[4ac72456f03847c99995124870396b0a.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/ec94bd8423924f05ac0ee8688d8f432c.png
[a9d91b6d0c944c48b2c8689a0d50810c.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/d92a93ddb3744cb487f27982b2cbbbbf.png
[42b60a664dde4b76913b0fb14a36af5b.gif]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/4f99e7ef24a54eac94d01439326af00b.png