Redis常见数据类型(3)-String, Hash

旧城等待， 2024-05-24 05:55 79阅读 0赞

**目录**

String

命令小结

内部编码

典型的使用场景

缓存功能

计数功能

共享会话

手机验证码

Hash 哈希

命令

hset

hget

hexists

hdel

hkeys

hvals

hgetall

hmget

hlen

hsetnx

hincrby

hincrbyfloat

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

## String ##

上一篇中介绍了了String里的基本命令, 接下来总结一下

### 命令小结 ###

<table style="width:700px;"> 
 <tbody> 
  <tr> 
   <td>命令</td> 
   <td>执行效果</td> 
   <td>时间复杂度</td> 
  </tr> 
  <tr> 
   <td>set key value [key value...]</td> 
   <td>设置key的值为value</td> 
   <td>O(1)</td> 
  </tr> 
  <tr> 
   <td>get key&nbsp;</td> 
   <td>获取指定的key值</td> 
   <td>O(1)</td> 
  </tr> 
  <tr> 
   <td>del key[key...]</td> 
   <td>删除指定的key</td> 
   <td>O(k), k是键的个数</td> 
  </tr> 
  <tr> 
   <td>mset key value[key value...]</td> 
   <td>批量设置指定的key和value</td> 
   <td>O(k), k是键的个数</td> 
  </tr> 
  <tr> 
   <td>mget key [key...]</td> 
   <td>批量获取key的值</td> 
   <td>O(k). k是键的个数</td> 
  </tr> 
  <tr> 
   <td>incr key</td> 
   <td>指定的key值 + 1</td> 
   <td>O(1)</td> 
  </tr> 
  <tr> 
   <td>decr key</td> 
   <td>指定的key值 - 1</td> 
   <td>O(1)</td> 
  </tr> 
  <tr> 
   <td>incrby key n</td> 
   <td>指定的key值 + n</td> 
   <td>O(1)</td> 
  </tr> 
  <tr> 
   <td>decrby key n</td> 
   <td>指定的key值 - n</td> 
   <td>O(1)</td> 
  </tr> 
  <tr> 
   <td>incrbyfloat key n</td> 
   <td>指定的key值 + n</td> 
   <td>O(1)</td> 
  </tr> 
  <tr> 
   <td>append key value</td> 
   <td>指定的key值追加value</td> 
   <td>O(1)</td> 
  </tr> 
  <tr> 
   <td>strlen key</td> 
   <td>获取指定key的长度</td> 
   <td> <p>O(1)</p> </td> 
  </tr> 
  <tr> 
   <td>setrange key offset value</td> 
   <td>覆盖指定key的从offset开始的部分值</td> 
   <td> <p>O(n), n是字符串长度,&nbsp;</p> <p>通常视为O(1)</p> </td> 
  </tr> 
  <tr> 
   <td>getrange key start end</td> 
   <td>获取指定的key的从start到end的部分值</td> 
   <td> <p>O(n),n是字符串长度,</p> <p>通常视为O(1)</p> </td> 
  </tr> 
 </tbody> 
</table>

### 内部编码 ###

字符串的内部编码有3种:

> int : 8个字节的长整型.
> 
> embstr: 小于等于39个字节的字符串.
> 
> raw: 大于39个字节的字符串.

示例:

![e768547fc2b34e24aac2f046190e8a9d.png][]

### 典型的使用场景 ###

#### 缓存功能 ####

下图是比较典型的缓存使用场景, 其中Redis作为缓冲层, MySQL作为存储层, 绝大部分的请求数据都是从Redis中获取. **由于Redis具有支持高并发的特性, 所以缓存通常能起到加速读写和降低后端压力的作用**.

![c1035febec9445a68d1d6e421d666c65.png][]

> 流程如下:
> 
> (1)用户访问业务层, 查找想要的数据
> 
> (2)业务层对缓存层进行查询
> 
> (3)如果缓存层查询到数据, 则直接返回给业务层
> 
> (4)如果缓存层未查找到, 就从存储层获取
> 
> (5)从存储层获取到之后返回给缓存层, 并把该数据写入缓存层
> 
> (6)缓存层再将该数据返回给业务层

**通过增加缓存功能, 在理想情况下, 每个用户信息, 一个小时期间只有一次MySQL查询, 极大地提升了查询效率, 也降低了MySQL的访问数.**

#### 计数功能 ####

许多应用都会使用Redis作为计数的基础工具, 它可以实现快速计数, 查询缓存的功能, 同时数据可以异步处理或者落地到其它数据源. 例如视频播放网站播放次数可以使用Redis完成: 每播放一次视频, 相应的视频播放次数就会自增1.

![29ea9e90ef494a0ab1237d9a8d511187.png][]

> 实际中要开发一个成熟, 稳定的计数系统, 要面临的挑战远不止如此简单: 防作弊, 按不同维度计数, 避免单点问题, 数据持久化到底层数据源等问题.

#### 共享会话 ####

如图: 一个分布式web服务将用户的Session信息(例如用户登录信息)保存在各自的服务器中, 但这样会造成一个问题: **处于负载均衡的考虑, 分布式服务会将用户的访问请求均衡到不同的服务器上,并且通常无法保证用户每次请求都会被均衡到同一台服务器上, 这样用户每刷新一次访问是可能会发现需要重新登录, 这个问题是无法容忍的**.

session分散存储:

![ab633afa99f648b5a6e330232e39075f.png][]

为了解决这个问题, 可以使用Redis将用户的Session信息进行集中管理, 如图, 在这种模式下, 只要保证Redis是高可用和扩展性的, 无论用户被均衡到哪台Web服务器上, 都集中从Redis中查询, 更新Session信息.

Redis集中管理Session:

![d9fcf9f83dbb413c951605969b189037.png][]

#### 手机验证码 ####

很多应用出于安全考虑, 会在每次登陆时, 让用户输入手机号并配合给手机发送验证码, 然后让用户再次输入收到的验证码并进行验证, 从而确定是否是用户本人. **为了短信接口不会被频繁访问, 会限制用户获取验证码的频率**. 比如一分钟一次.

思路: 使用带过期时间的键, 并设置其过期时间60s, 如果每次发送时该键存在,就会被限制发送, 具体实现就不过多展开了, 老铁们如果感兴趣可以自行查询.

## Hash 哈希 ##

几乎所有的主流编程语言都提供了哈希类型, 它们的叫法可能是哈希, 字典, 关联数组, 映射. 说到这, 有的人就会问了, 这Redis本身不就是哈希表么, 怎么又套了一个? 其实是这样实现的: 形如key = "key", value = \{ \{field1, value1\},...,\{fieldN, valueN\}\}

字符串类型和哈希类型的对比:

![f0b504e296284c76b2a3ad3f3e237c08.png][]

> 哈希类型中的映射关系通常称为field-value, 用于区分Redis整体的键值对(key-value), 注意这里的value是指field所对应的值, 不是键(key)对应的值, 请注意value在不同上下文中的作用.

### 命令 ###

#### hset ####

**设置hash中指定的字段(field)的值(value).**

语法:

> hset key field value \[field value...\]

命令有效版本: 2.0.0之后

时间复杂度: 插入一组field为O(1), 插入N组field为O(N).

返回值: 添加的字段个数.

示例:

![495b6cdddf8b44cdb450ce77a2c2c192.png][]

#### hget ####

**获取hash中指定字段的值.**

语法:

> hget key field

命令有效版本: 2.0.0

时间复杂度: O(1)

返回值: 字段对应的值或者是nil.

#### hexists ####

**判断hash中是否有指定的字段.**

语法:

> hexists key field

命令有效版本: 2.0.0之后.

时间复杂度: O(1)

返回值: 1表示存在, 0表示不存在

示例:

![f1dc1d3bb76d4648afc877dbf53ed8ed.png][]

#### hdel ####

**删除hash中的指定字段.**

语法:

> hdel key field \[field ...\]

命令有效版本: 2.0.0之后

时间复杂度: 删除一个元素为O(1). 删除N个元素为O(N).

返回值: 本次操作删除的字段个数.

示例:

![3b65e5c22e314eb4ac698359c656ed31.png][]

#### hkeys ####

**获取hash中的所有字段.**

语法:

> hkeys key

命令有效版本: 2.0.0之后.

时间复杂度: O(N), N为field个数.

返回值: 字段列表

示例:

![67b506e76d854698aff444829903f67f.png][]

#### hvals ####

**获取hash中的所有值.**

语法:

> hvals key

命令有效版本: 2.0.0之后

时间复杂度: O(N), N为field个数.

返回值: 所有的值.

示例:

![ec8b2d813f7c49eca9b9e43332fc1391.png][]

#### hgetall ####

**获取hash中所有字段以及对应的值.**

语法:

> hgetall key

命令有效版本: 2.0.0之后

时间复杂度: O(N), N为field个数

返回值: 字段和对应的值.

示例:

![d35a3a9215704f92843e07e4c9cad428.png][]

#### hmget ####

**一次获取hash中多个字段的值.**

语法:

> hmget key field \[field ...\]

命令有效版本: 2.0.0之后

时间复杂度: 只查询一个元素为O(1), 查询多个元素为O(N), N为查询元素个数.

返回值: 字段对应的值或者nil.

示例:

![bd87ae9c1dec468ca32312b2a6761f23.png][]

#### hlen ####

**获取hash中所有字段的个数.**

语法:

> hlen key

命令有效版本: 2.0.0之后

时间复杂度: O(1)

返回值: 字段个数.

#### hsetnx ####

**在字段不存在的情况下, 设置hash中的字段和值.**

语法:

> hsetnx key field value

命令有效版本: 2.0.0之后

时间复杂度: O(1)

返回值: 1表示成功, 0 表示失败

示例:

![4aafe388f7a546c28a7e342b25fa07d9.png][]

#### hincrby ####

**将hash中字段对应的数值添加指定的值.**

语法:

> hincrby key field increment

命令有效版本: 2.0.0之后

时间复杂度: O(1)

返回值: 该字段变化后的值.

示例:

![ba40052783db4f20a166ec3c0584743f.png][]

#### hincrbyfloat ####

hincrby的浮点数版本, 不过多解释.

[e768547fc2b34e24aac2f046190e8a9d.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/05/24/7c4641d7dc014385b8fcad189a89269b.png
[c1035febec9445a68d1d6e421d666c65.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/05/24/d289bbb82749406b81eca49248abb5d0.png
[29ea9e90ef494a0ab1237d9a8d511187.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/05/24/4a7b4e7c37094ad5a156b08318ede7ee.png
[ab633afa99f648b5a6e330232e39075f.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/05/24/6d1b5b3791cc4727a603b63406a1800f.png
[d9fcf9f83dbb413c951605969b189037.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/05/24/4730cd05eea64a29b7ff27f4348980c5.png
[f0b504e296284c76b2a3ad3f3e237c08.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/05/24/dc97043b457e471f89cb658aad93a08a.png
[495b6cdddf8b44cdb450ce77a2c2c192.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/05/24/676162a4ae99496ab2ea5223c995fe37.png
[f1dc1d3bb76d4648afc877dbf53ed8ed.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/05/24/0153be97e92140aaa32d5c9a9d6be39e.png
[3b65e5c22e314eb4ac698359c656ed31.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/05/24/47852f5eea55493faa2566247b3d4bd6.png
[67b506e76d854698aff444829903f67f.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/05/24/34c2d0d34a7741b0a136d01d1a6b461f.png
[ec8b2d813f7c49eca9b9e43332fc1391.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/05/24/26d55bca69cb4f86be3ed40f2e9c114f.png
[d35a3a9215704f92843e07e4c9cad428.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/05/24/71fdf1c467054e08918f588e944f103f.png
[bd87ae9c1dec468ca32312b2a6761f23.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/05/24/0f97c32d479d4bdbb325143fa3b04157.png
[4aafe388f7a546c28a7e342b25fa07d9.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/05/24/75d5d54af35c4952b2fc8887b52e3db6.png
[ba40052783db4f20a166ec3c0584743f.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/05/24/4041d257ae8044749616bc991f578f63.png