三、Redis 基本命令—— 超详细操作演示！！！

数据库系列文章：

关系型数据库 — MySQL:

• 1、基础语法大全（上）—— MySQL概述、SQL
• 2、基础语法大全（中）—— 函数、约束
• 3、基础语法大全（下）—— 多表查询
• 4、基础语法大全（下） ——事务
• 5、MySQL进阶（上）—— 存储引擎、 索引
• 6、MySQL进阶（中）—— SQL 优化、视图/存储过程/触发器
• 7、MySQL进阶（下）—— 锁、InnoDB 引擎、MySQL 管理

非关系型数据库 — Redis:

• 1、Redis 的安装与配置
• 2、Redis 基本命令（上）
• 3、Redis 基本命令（下）
• 4、Redis 持久化
• 5、Redis 主从集群
• 6、Redis 分布式系统
• 7、Redis 缓存
• 8、Lua脚本详解
• 9、分布式锁

三、Redis 基本命令（下）

3.8 benchmark 测试工具

⭐️ 3.8.1、简介
    在Redis 安装完毕后会自动安装一个 redis-benchmark 测试工具，其是一个压 力测试工具，用于测试 Redis 的性能。

    通过 redis-benchmark --help 命令可以查看到其用法：

• 其选项 options 非常多，下面通过例子来学习常用的 options 的用法。

⭐️ 3.8.2、测试1

（1） 命令解析

    以上命令中选项的意义：

• -h ：指定要测试的 Redis 的 IP ，若为本机，则可省略
• -p ：指定要测试的 Redis 的 port ，若为 6379 ，则可省略
• -c ：指定模拟有客户端的数量，默认值为 50
• -n ：指定这些客户端发出的请求的总量，默认值为 100000
• -d ：指定测试 get/set 命令时其操作的 value 的数据长度，单位字节，默认值为 3 。在测试其它命令时该指定没有用处。

    以上命令的意义是，使用 100 个客户端连接该 Redis ，这些客户端总共会发起 100000个请求， set/get 的 value 为 8 字节数据。

（2） 测试结果分析

    该命令会逐个测试所有Redis 命令，每个命令都会给出一份测试报告，每个测试报告由四部分构成：

A、 测试环境报告

• 首先就是测试环境：

B、 延迟百分比分布

• 这是按照百分比进行的统计报告：每完成一次剩余测试量的 50% 就给出一个统计数据。

C、 延迟的累积分布

• 这是按照时间间隔统计的报告：基本是每 0.1 毫秒统计一次。

D、 总述报告

• 这是总述性报告。

⭐️ 3.8.3、测试2

    以上命令中选项的意义：

• -t ：指定要测试的命令，多个命令使用逗号分隔，不能有空格
• -q ：指定仅给出总述性报告

3.9 简单动态字符串SDS

⭐️ 3.9.1、SDS简介
    无论是Redis 的 Key 还是 Value ，其基础数据类型都是字符串。例如 Hash 型 Value 的field 与 value 的类型、 List 型、 Set 型、 ZSet 型 Value 的元素的类型等都是字符串。虽然 Redis是使用标准 C 语言开发的，但并没有直接使用 C 语言中传统的字符串表示，而是自定义了一种字符串。这种字符串本身的结构比较简单，但功能却非常强大，称为 简单动态字符串，Simple Dynamic String ，简称 SDS 。

    注意，Redis 中的所有字符串并不都是 SDS ，也会出现 C 字符串。 C 字符串只会出现在字符串 “字面常量” 中，并且 该字符串不可能发生变更。

redisLog(REDIS_WARNNING, "sdfsfsafsafds");
1

⭐️ 3.9.2、SDS结构

    SDS不同于 C 字符串。 C 字符串本身是一个以双引号括起来，以空字符 '\0' 结尾的字符序列。但 SDS 是一个结构体，定义在 Redis 安装目录下的 src/sds.h 中：

struct sdshdr {
	//字节数组，用于保存字符串
	char buf[];
	// buf[]中已使用字节数量，称为 SDS 的长度
	int len;
	// buf[]中尚未使用的字节数量
	int free;
}
1
2
3
4
5
6
7
8

    例如执行 SET country "China" 命令时，键 country 与 值 China 都是 SDS 类型的，只不过一个是 SDS 的变量，一个是 SDS 的字面常量。

• China 在内存中的结构如下：

    通过以上结构可以看出， SDS 的 buf 值实际是一个 C 字符串，包含空字符 '\0' 共占 6 个字节。但 SDS 的 len 是不包含空字符 '\0' 的。

• 该结构与前面不同的是，这里有 3 字节未使用空间。

⭐️ 3.9.3、SDS的优势

    C字符串使用 Len+1 长度的字符数组来表示实际长度为 Len 的字符串，字符数组最后以空字符 '\0' 结尾，表示字符串结束。这种结构简单，但不能满足 Redis 对字符串 功能性、安全性 及 高效性 等的要求。

（1） 防止 字符串长度获取 性能瓶颈

    对于C 字符串，若要获取其长度，则必须要通过遍历整个字符串才可获取到的。对于超长字符串的遍历，会成为系统的 性能瓶颈。
    但，由于SDS 结构体中直接就存放着字符串的长度数据，所以对于获取字符串长度需要消耗的系统性能，与字符串本身长度是无关的，不会成为 Redis 的性能瓶颈。

（2） 保障二进制安全

    C字符串中只能包含符合某种编码格式的字符，例如 ASCII 、 UTF-8 等，并且除了字符串末尾外，其它位置是不能包含空字符 '\0' 的，否则该字符串就会被程序误解为提前结束。故而在图片、音频、视频、压缩文件、 office 文件等二进制数据的。
    但 SDS 不是以空字符 '\0' 作为字符串结束标志的，其是通过 len 属性来判断字符串是否结束的。所以，对于程序处理 SDS 中的字符串数据，无需对数据做任何限制、过滤、假设，只需读取即可。数据写入的是什么，读到的就是什么。

（3） 减少内存再分配次数

    SDS 采用了 空间预分配策略 与 惰性空间释放策略 来避免内存再分配问题。
    空间预分配策略是指，每次SDS 进行空间扩展时，程序不但为其分配所需的空间，还会为其分配额外的未使用空间（以空间换时间），以减少内存再分配次数。而额外分配的未使用空间大小取决于空间扩展后 SDS 的 len 属性值。

• 如果 len 属性值 小于 1M ，那么分配的未使用空间 free 的大小与 len 属性值 相同。
• 如果 len 属性值 大于等于 1M ，那么分配的未使用空间 free 的大小固定是 1M 。

    SDS对于空间释放采用的是惰性空间释放策略。该策略是指， SDS 字符串长度如果缩短，那么多出的未使用空间将暂时不释放，而是增加到 free 中。以使后期扩展 SDS 时减少内存再分配次数。
    如果要释放 SDS 的未使用空间，则可通过 sdsRemoveFreeSpace() 函数来释放。

（4） 兼容 C 函数

    Redis 中提供了很多的 SDS 的 API ，以方便用户对 Redis 进行二次开发。为了能够兼容 C 函数， SDS 的底层数组 buf[] 中的字符串仍以空字符 '\0' 结尾。

    现在要比较的双方，一个是SDS ，一个是 C 字符串，此时可以通过 C 语言函数

strcmp(sds_str->buf, c_str)
1

⭐️ 3.9.4、常用的SDS操作函数

下表列出了一些常用的SDS 操作函数及其功能描述。

3.10 集合的底层实现原理

    Redis 中对于 Set 类型的底层实现，直接采用了 hashTable 。但对于 Hash 、 ZSet 、 List 集合的底层实现进行了特殊的设计，使其保证了 Redis 的高性能。

⭐️ 3.10.1、两种实现的选择

    对于 Hash 与 ZSet 集合，其底层的实现实际有两种：压缩列表 zipList ，与跳跃列表 skipList 。

    这两种实现对于用户来说是透明的，但用户写入不同的数据，系统会自动使用不同的实现。只有同时满足以配置文件 redis.conf 中相关集合 元素数量阈值 与 元素大小阈值 两个条件，使用的就是压缩列表 zipList ，只要有一个条件不满足使用的就是跳跃列表 skipList 。例如，对于
ZSet 集合中这两个条件如下：

• 集合元素个数小于 redis.conf 中 zset-max-ziplist-entries 属性的值，其默认值为 128
• 每个集合元素大小都小于 redis.conf 中 zset-max-ziplist-value 属性的值，其默认值为 64 字节

⭐️ 3.10.2、zipList

（1） 什么是 zipList

    zipList，通常称为压缩列表 是一个经过 特殊编码 的用于 存储 字符串或整数 的 双向链表。
其底层数据结构由三部分构成： head 、 entries 与 end 。这三部分在内存上是连续存放的。

（2） head

    head 又由三部分构成：

• zlbytes 占 4 个字节，用于存放 zipList 列表整体数据结构所占的字节数，包括 zlbytes 本身的长度。
• zltail 占 4 个字节，用于存放 zipList 中最后一个 entry 在整个数据结构中的偏移量（字节）。该数据的存在可以快速定位列表的尾 entry 位置，以方便操作。
• zllen 占 2 字节，用于存放列表包含的 entry 个数。由于其只有 16 位，所以 zipList 最多可以含有的 entry 个数为 $2^{16}-1=65535$ 个。(也能超过这个数量，超了这部分就失效了，只能遍历。)

（3） entries

    entries 是真正的列表，由很多的 列表元素 entry 构成。由于不同的元素类型、数值的不同，从而导致每个 entry 的长度不同。

    每个 entry 由三部分构成：

• prevlength 该部分用于记录上一个 entry 的长度，以实现 逆序遍历 。默认长度为 1 字节，只要上一个 entry 的长度 <254 字节， prevlength 就占 1 字节，否则其会自动扩展为 3 字节长度。
• encoding 该部分用于标志后面的 data 的 具体类型。如果 data 为整数类型， encoding 固定长度为1 字节。如果 data 为字符串类型，则 encoding 长度可能会是1 字节、2 字节或5 字节。data 字符串不同的长度，对应着不同的 encoding 长度。
• data：真正存储的数据。数据类型只能是整数类型或字符串类型。不同的数据占用的字节长度不同。

（4） end

    end 只包含一部分，称为 zlend。占1 个字节，值固定 为 255，即二进制位为全1，表示一个 zipList 列表的结束。

⭐️ 3.10.3、listPack

    对于ziplist，实现复杂，为了逆序遍历，每个 entry 中包含前一个 entry 的长度，这样会导致在 ziplist 中间修改或者插入entry 时需要进行级联更新。在高并发的写操作场景下会极度降低 Redis 的性能。为了实现更紧凑、更快的解析，更简单的实现，重写 实现了ziplist，并命名为listPack。

    在 Redis 7.0 中，已经将 zipList 全部替换为了 listPack，但为了兼容性，在配置中也保留了 zipList 的相关属性。

（1） 什么是 listPack

     listPack 也是一个经过 特殊编码 的用于 存储 字符串或整数 的 双向链表。其底层数据结构也由三部分构成：head、entries 与 end，且这三部分在内存上也是连续存放的。
    listPack 与 zipList 的重大区别在 head与每个 entry 的结构上，表示列表结束的 end 与 zipList 的 zlend 是相同的，占一个字节，且 8 位全为1。

（2） head

    head 由两部分构成：

• totalBytes ：占 4 个字节，用于存放 listPack 列表整体数据结构所占的字节数，包括 totalBytes 本身的长度。
• elemNum ：占 2 字节，用于存放列表包含的 entry 个数。其意义与 zipList 中 zllen 的相同。

    与 zipList 的 head 相比，没有了记录最后一个 entry 偏移量的 zltail 。

（3） entries

    entries 也是 listPack 中真正的列表，由很多的列表元素 entry 构成。由于不同的元素类型、数值的不同，从而导致每个 entry 的长度不同。但与 zipList 的 entry 结构相比， listPack的 entry 结构发生了较大变化。
    其中最大的变化就是没有了记录前一个 entry 长度的 prevlength ，而增加了记录当前 entry 长度的 element-total-len 。而这个改变仍然可以实现 逆序遍历 ，但却避免了由于在列表中间修改或插入 entry 时引发的级联更新 。

    每个 entry 仍 由三部分构成：

• encoding： 该部分用于标志后面的 data 的具体类型。如果 data 为整数类型， encoding长度可能会是 1 、 2 、 3 、 4 、 5 或 9 字节。不同的字节长度，其标识位不同。如果 data为字符串类型，则 encoding 长度可能会是 1 、 2 或 5 字节。 data 字符串不同的长度，对应着不同的 encoding 长度。
• data：真正存储的数据。数据类型只能是整数类型或字符串类型。不同的数据占用的字
  节长度不同。
• element-total-len： 该部分用于记录当前 entry 的长度，用于实现 逆序遍历 。由于其特殊的记录方式，使其本身占有的字节数据可能会是 1 、 2 、 3 、 4 或 5 字节。

⭐️ 3.10.4、skipList

（1） 什么是 skipList

    skipList，跳跃列表，简称跳表 是一种 随机化 的数据结构，基于 并联 的 双向链表，实现简单，查找 效率较高 。简单 来说跳表也是链表的一种，只不过它在链表的基础上增加了跳跃功能。也 正是这个跳跃功能，使得在查找元素时，能够提供 较高的效率 。

（2） skipList 原理

    假设有一个带头尾结点的有序链表。

    在该链表中，如果要查找某个数据，需要从头开始逐个进行比较，直到找到包含数据的那个节点，或者找到第一个比给定数据大的节点，或者找到最后尾结点，后两种都属于没有找到的情况。同样，当我们要插入新数据的时候，也要经历同样的查找过程，从而确定插入位置。
    为了提升查找效率，在偶数结点上增加一个指针，让其指向下一个偶数结点。

    这样所有偶数结点就连成了一个新的链表（简称 高层链表），当然，高层链表包含的节点个数只是原来链表的一半。此时再想查找某个数据时，先沿着高层链表进行查找。 当遇到第一个比待查数据大的节点时，立即从该大节点的前一个节点回到原链表中进行查找。例如若想插入一个数据 20， 则先在（ 8，19，31，42 ）的链表中查找，找到第一个比 20 大的节点 31 ，然后再在高层链表中找到 31 节点的前一个节点 19 ，然后再在原链表中获取到其下一个节点值为 23 。比 20大，则将 20 插入到 19 节点与 23 节点之间。若插入的是 25 ，比节点23 大，则插入到 23 节点与 31 节点之间。
    该方式明显可以减少比较次数，提高查找效率。如果链表元素较多，为了进一步提升查找效率，可以将原链表构建为三层链表，或 再高层级链表。

    层级越高，查找效率就会越高 。

（3） 存在的问题

    这种对链表分层级的方式从原理上看确实提升了查找效率，但在实际操作时就出现了问题：由于固定序号的元素拥有固定层级，所以列表元素出现 增加或删除 的情况下，会导致列表整体元素层级大调整，但这样势必会大大降低系统性能。
    例如，对于划分两级的链表，可以规定奇数结点为高层级链表，偶数结点为低层级链表。对于划分三级的链表，可以按照节点序号与 3 取模结果进行划分。但如果插入了新的节点，或删除的原来的某些节点，那么定会按照原来的层级划分规则进行重新层级划分，那么势必会大大降低系统性能。

（4） 算法优化

    为了避免前面的问题， skipList 采用了 随机分配层级方式。即在确定了总层级后，每添加一个新的元素时会自动为其随机分配一个层级。这种随机性就解决了节点序号与层级间的固定关系问题。

    上图演示了列表在生成过程中为每个元素随机分配层级的过程。从这个 skiplist 的创建和插入过程可以看出，每一个节点的层级数都是随机分配的，而且新插入一个节点不会影响到其它节点的层级数。只需要修改插入节点前后的指针，而不需对很多节点都进行调整。这就降低了插入操作的复杂度。
    skipList指的就是除了最下面第 1 层链表之外，它会产生若干层稀疏的链表，这些链表里面的指针跳过了一些节点 ，并且越高层级的链表跳过的节点越多。在查找数据的时先在高层级链表中进行查找，然后逐层降低，最终可能会降到第 1 层链表来精确地确定数据位置。在这个过程中由于跳过了一些节点，从而加快了查找速度。

⭐️ 3.10.5、quickList

（1） 什么是 quickList

    quickList，快速列表 quickList 本身是一个双向无循环 链表，它的每一个节点都是一个 zipList 。从 Redis3.2 版本开始，对于 List 的底层实现，使用 quickList 替代了 zipList 和 linkedList 。
    zipList 与 linkedList 都存在有明显不足，而 quickList 则 对它们进行了改进 ：吸取了 zipList 和 linkedList 的优点，避开了它们的不足。
    quickList 本质上是 zipList 和 linkedList 的混合体 。 其 将 linkedList 按段切分，每一段使用 zipList 来紧凑存储 若干真正的数据元素 ，多个 zipList 之间使用双向指针串接起来。 当然，对于每个 zipList 中最多可存放多大容量的数据元素，在配置文件（redis.conf）中通过 list-max-ziplist-size 属性可以指定。

（2） 检索操作

    为了更深入的理解 quickList 的工作原理，通过对检索、插入、删除等操作的实现分析来加深理解。
    对于 List 元素的检索，都是以其索引 index 为依据的。 quickList 由一个个的 zipList 构成，每个 zipList 的 zllen 中记录的就是当前 zipList 中包含的 entry 的个数，即包含的真正数据元素的个数。根据要检索元素的 index ，从 quickList 的头节点开始，逐个对 zipList 的 zllen 做 sum求和，直到找到第一个求和后 sum 大于 index 的 zipList ，那么要检索的这个元素就在这个 zipList 中。

（3） 插入操作

    由于 zipList 是有大小限制的，所以在 quickList 中插入一个元素在逻辑上相对就比较复杂一些。假设要插入的元素的大小为 insertBytes ，而查找到的插入位置所在的 zipList 当前的大小为 zlBytes .

那么具体可分为下面几种情况:

• 情况一：当 insertBytes + zlBytes <= list-max-ziplist-size 时 直接插入到 zipList 中相应位置即可。
• 情况二：当 insertBytes + zlBytes > list-max-ziplist-size ，且插入的位置位于该 zipList 的首部位置，此时需要查看该 zipList 的前一个 zipList 的大小 prev_zlBytes 。
  • 若 insertBytes + prev_zlBytes <= list-max-ziplist-size 时，直接将元素插入到前一个 zipList 的尾部位置即可
  • 若 insertBytes + prev_zlBytes > list-max-ziplist-size 时，直接将元素自己 构建 为一个新的 zipList ，并连入 quickList 中
• 情况三：当 insertBytes + zlBytes > list-max-ziplist-size ，且插入的位置位于该 zipList 的尾部位置，此时需要查看该 zipList 的后一个 zipList 的大小 next_zlBytes 。
  • 若 insertBytes + next_zlBytes <= list-max-ziplist-size 时，直接将元素插入到后一个 zipList 的头部位置即可
  • 若 insertBytes + next_zlBytes > list-max-ziplist-size 时，直接将元素自己 构建 为一个新的 zipList ，并连入 quickList 中
• 情况四：当 insertBytes + zlBytes > list-max-ziplist-size ，且插入的位置位于该 zipList 的中间位置，则将当前 zipList 分割 为两个 zipList 连接入 quickList 中，然后将元素插入到分割后的前面 zipList 的尾部位置。

（4） 删除操作

    对于删除操作，只需要注意一点，在相应的 zipList 中删除元素后，该 zipList 中是否还有元素。如果没有其它元素了，则将该 zipList 删除，将其前后两个 zipList 相连接。

⭐️ 3.10.6、key与value 中元素的数量

    前面讲述的Redis 的各种特殊数据结构的设计，不仅极大提升了 Redis 的性能，并且还使得 Redis 可以支持的 key 的数量、集合 value 中可以支持的元素数量可以非常庞大。

• Redis 最多可以处理 $2^{32}$ 个 key （约 42 亿） ），并且在实践中经过测试，每个 Redis 实例至少可以处理 2.5 亿个 key 。
• 每个 Hash 、 List 、 Set 、 ZSet 集合都可以包含 $2^{32}$ 个元素。

3.11 BitMap 操作命令

⭐️ 3.11.1、BitMap简介

    BitMap是 Redis 2.2.0 版本中引入的一种新的数据类型。该数据类型本质上就是一个仅包含 0 和 1 的二进制字符串。而其所有相关命令都是对这个字符串二进制位的操作。用于描述该字符串的属性有三个： key 、 offset 、 bitValue 。

• key：BitMap 是 Redis 的 key-value 中的一种 Value 的数据类型，所以该 Value 一定有其对应的 key 。
• offset ：每个 BitMap 数据都是一个字符串，字符串中的每个字符都有其对应的索引，该索引从 0 开始计数。该索引就称为每个字符在该 BitMap 中的偏移量 offset 。这个 offset的值的范围是 $[0,2^{32}-1]$，即该 offset 的最大值为 $4G-1$ ，即 $4294967295$, $42$ 亿多 。
• bitValue ：每个 BitMap 数据中都是一个仅包含 0 和 1 的二进制字符串，每个 offset 位上的字符就称为该位的值 bitValue。 bitValue 的值非 0 即 1 。

⭐️ 3.11.2、setbit

• 格式： SETBIT key offset value
• 功能：为给定 key 的 BitMap 数据的 offset 位置设置值为 value 。其返回值为修改前该 offset 位置的 bitValue
• 说明：对于原 BitMap 字符串中不存在的 offset 进行赋值，字符串会 自动伸展 以确保它可以将 value 保存在指定的 offset 上。当字符串值进行伸展时，空白位置以 0 填充。 当然， 设置的 value 只能是 0 或 1 。不过需要注意的是， 对使用 较大 offset 的 SETBIT 操作来说，内存分配过程 可能 造成 Redis 服务器被阻塞。

⭐️ 3.11.3、getbit

• 格式：GETBIT key offset
• 功能：对 key 所储存的 BitMap 字符串值，获取指定 offset 偏移量上的位 值 bitValue 。
• 说明：当 offset 比字符串值的长度大，或者 key 不存在时，返回 0。

⭐️ 3.11.4、bitcount

• 格式：BITCOUNT key [start] [end]
• 功能：统计给定字符串中被设置为 1 的 bit 位的数量。一般情况下， 统计的范围是给定的整个 BitMap 字符串 。但也可以通过指定额外的 start 或 end 参数， 实现仅对指定字节范围内字符串进行统计包括 start 和 end 在内 。注意，这里的 start 与 end 的单位是字节，不是 bit ，并且从 0 开始计数。
• 说明：start 和 end 参数都可以使用负数值： -1 表示最后一个字节，-2 表示倒数第二个字节 ，以此类推。 另外，对于不存在的 key 被当成是空字符串来处理，因此对一个不存在的 key 进行 BITCOUNT 操作，结果为 0 。

⭐️ 3.11.5、bitpos

• 格式： BITPOS key bit [start] [end]
• 功能： 返回 key 指定的 BitMap 中第一个值为指定值 bit 非 0 即 1) 的二进制位的位置。pos ，即 position ，位置。 在默认情况下， 命令将检测整个 BitMap ，但用户也可以通过可选的 start 参数和 end 参数指定要检测的范围。
• 说明： start 与 end 的意义与 bitcount 命令中的相同。

⭐️ 3.11.6、bitop

• 格式： BITOP operation destkey key [key …]
• 功能： 对一个或多个 BitMap 字符串 key 进行二进制位操作，并将结果保存到 destkey 上。
• operation 可以是 AND 、 OR 、 NOT 、 XOR 这四种操作中的任意一种：
  • BITOP AND destkey key [key …] 对一个或多个 BitMap 执行 按位与操作 ，并将结果保存到 destkey 。
  • BITOP OR destkey key [key …] 对一个或多个 BitMap 执行 按位或操作 ，并将结果保存到 destkey 。
  • BITOP XOR destkey key [key …] 对一个或多个 BitMap 执行 按位异或操作 ，并将结果保存到 destkey 。
  • BITOP NOT destkey key 对给定 BitMap 执行 按位非操作 ，并将结果保存到 destkey 。
• 说明：
  • 除了 NOT 操作之外，其他操作都可以接受一个或多个 BitMap 作为输入。
  • 除了 NOT 操作外，其他对一个BitMap 的操作其实就是一个复制。
  • 如果参与运算的多个 BitMap 长度不同，较短的 BitMap 会以 0 作为补充位与较长BitMap运算，且运算结果长度与较长 BitMap 的相同。

⭐️ 3.11.7、应用场景
    由于 offset 的取值范围很大，所以其一般应用于 大数据量 的二值性统计。例如平台活跃用户统计（二值：访问或未访问）、支持率统计（二值：支持或不支持）、员工考勤统计（二值：上班或未上班）、图像二值化（二值：黑或白）等。
    不过，对于数据量较小的二值性统计并不适合 BitMap ，可能使用 Set 更为合适。当然，具体多少数据量适合使用 Set ，超过多少数据量适合使用 BitMap ，这需要根据具体场景进行具体分析。

    例如，一个平台要统计日活跃用户数量。
    如果使用 Set 来统计，只需上线一个用户，就将其用户 ID 写入 Set 集合即可，最后只需统计出 Set 集合中的元素个数即可完成统计。即 Set 集合占用内存的大小与上线用户数量成正比。假设用户 ID 为 m 位 bit 位，当前活跃用户数量为 n ，则该 Set 集合的大小最少应该是 $m\ast n$ 字节。
    如果使用 BitMap 来统计，则需要先定义出一个 BitMap ，其占有的 bit 位至少为注册用户数量。只需上线一个用户，就立即使其中一个 bit 位置 1 ，最后只需统计出 BitMap 中 1 的个数即可完成统计。即 BitMap 占用内存的大小与注册用户数量成正比，与上线用户数量无关。假设平台具有注册用户数量为 N ，则 BitMap 的长度至少为 N 个 bit 位，即 N/8 字节。

    何时使用 BitMap 更合适？

• 令 $m\ast n$ 字节 = N/8 字节，即 $n=N/8/m=N/(8\ast m)$ 时，使用Set 集合与使用 BitMap 所占内存大小相同。
• 以淘宝为例，其用户 ID 长度为 11 位 ( m)，其注册用户数量为 8 亿 ( N)，当活跃用户数量为 $8亿/(8\ast 11)=0.09亿=9\ast 10^6=900万$，使用 Set与 BitMap 占用的内存是相等的。但淘宝的日均活跃用户数量为 8 千万，所以淘宝使用 BitMap更合适。

3.12 HyperLogLog 操作命令

⭐️ 3.12.1、HyperLogLog简介
    HyperLogLog 是 Redis 2.8.9 版本中引入的一种新的数据类型，其意义是 hyperlog log ，超级日志记录。该数据类型可以简单理解为一个 set 集合，集合元素为字符串。但实际上HyperLogLog 是一种 基数计数概率算法 ，通过该算法可以利用极小的内存完成独立总数的统计。其所有相关命令都是对这个“ set 集合”的操作。

    HyperLogLog算法是由法国人 Philippe Flajolet 博士研究出来的， Redis的作者 Antirez 为了纪念 Philippe Flajolet 博士 对 组合数学和基数计算 算法分析的研究，在设计 HyperLogLog 命令的时候使用了 Philippe Flajolet姓名的英文首字母 PF 作为前缀。遗憾的是 Philippe Flajolet 博士于 2011年 3 月 22 日因病在巴黎辞世。

    HyperLogLog算法是一个纯数学算法，我们这里不做研究。

⭐️ 3.12.2、pfadd

• 格式： PFADD key element [element …]
• 功能： 将任意数量的元素 添加 到指定的 HyperLogLog 集合里面。如果内部存储被修改了返回 1 ，否则返回 0 。

⭐️ 3.12.3、pfcount

• 格式： PFCOUNT key [key …]
• 功能：该命令 作用于单个 key 时，返回给定 key 的 HyperLogLog 集合 的 近似基数 ；该命令作用于多个 key 时，返回所有给定 key 的 HyperLogLog 集合 的并集的近似基数；如果 key 不存在， 则 返回 0 。

⭐️ 3.12.4、pfmerge

• 格式： PFMERGE destkey sourcekey [sourcekey …]
• 功能： 将多个 HyperLogLog 集合 合并 为一个 HyperLogLog 集合，并存储到 destkey 中合并后的 HyperLogLog 的基数接近于所有 sourcekey 的 HyperLogLog 集合 的 并集。

⭐️ 3.12.5、应用场景
    HyperLogLog 可对数据量超级庞大的日志数据 做不精确的去重计数统计。当然，这个不精确的度在 Redis 官方给出的误差是0.81% 。这个误差对于大多数超大数据量场景是被允许的。对于平台上每个页面每天的 UV 数据 (独立访客数p)，非常适合使用 HyperLogLog 进行记录。

3.13 Geospatial 操作命令

⭐️ 3.13.1、Geospatial简介

    Geospatial，地理空间。
    Redis 在 3.2 版本中引入了 Geospatial 这种新的数据类型。该类型 本质上仍是一种集合，只不过集合元素比较特殊，是一种由三部分构成的 数据结构 ，这种数据结构称为空间元素：

• 经度： longitude 。有效经度为 [-180, 180] 。正的表示东经，负的表示西经。
• 纬度： latitude 。有效纬度为 [-85.05112878, 85.05112878] 。正的表示北纬，负的表示南纬。
• 位置名称： 为该经纬度所标注的位置所命名的名称，也称为该 Geospatial 集合的空间元素名称。

    通过该类型可以设置、查询某地理位置的经纬度，查询某范围内的空间元素，计算两空间元素间的距离等。

⭐️ 3.13.2、geoadd

• 格式：GEOADD key longitude latitude member [longitude latitude member …]
• 功能：将一到多个空间元素 添加 到指定的空间集合中。
• 说明： 当用户尝试输入一个超出范围的经度或者纬度时，该命令会返回一个错误。

⭐️ 3.13.3、geopos

• 格式： GEOPOS key member [member …]
• 功能：从指定的地理空间中返回指定元素的位置，即经纬度。
• 说明： 因为 该命令接受可变数量元素作为输入，所以即使用户只给定了一个元素，命令也会返回数组。

⭐️ 3.13.4、geodist

• 格式： GEODIST key member1 member2 [unit]
• 功能： 返回两个给定位置之间的距离。 其中 unit 必须是以下单位中的一种：
  • m 米 ，默认
  • km ：千米
  • mi 英里
  • ft ：英尺
• 说明： 如果两个位置之间的其中一个不存在， 那么命令返回空值。 另外， 在计算距离时会假设地球为完美的球形， 在极限情况下， 这一假设最大会造成 0.5% 的误差。

⭐️ 3.13.5、geohash

• 格式： GEOHASH key member [member …]
• 功能： 返回一个或多个位置元素的 Geohash 值。
• 说明： GeoHash 是一种地址编码方法。他能够把二维的空间经纬度数据==编码==成一个字符串。该值主要用于底层应用或者调试， 实际中的作用并不大。

⭐️ 3.13.6、georadius

• 格式： GEORADIUS key longitude latitude radius m|km|ft|mi [WITHCOORD] [WITHDIST] [WITHHASH] [ASC|DESC] [COUNT]
• 功能： 以给定的经纬度为中心，返回指定地理空间中包含的所有位置元素中，与中心距离不超过给定半径的元素。返回时还可携带额外的信息：
  • WITHDIST ：在返回位置元素的同时，将位置元素与中心之间的距离也一并返回。 距离的单位和用户给定的范围单位保持一致。
  • WITHCOOR ：将位置元素的经维度也一并返回。
  • WITHHAS ：将位置元素的 Geohash 也一并返回，不过这个 hash 以整数形式表示。

    命令默认返回未排序的位置元素。

• 通过以下两个参数，用户可以指定被返回位置元素的排序方式：
  • ASC ：根据中心的位置，按照从近到远的方式返回位置元素。
  • DESC ：根据中心的位置，按照从远到近的方式返回位置元素。
• 说明： 在默认情况下， 该命令会返回所有匹配的位置元素。虽然用户可以使用 COUNT <count> 选项去获取前 N 个匹配元素，但因为命令在内部可能会需要对所有被匹配的元素进行处理，所以在对一个非常大的区域进行搜索时，即使使用 COUNT 选项去获取少量元素， 该 命令的执行速度也可能会非常慢。

⭐️ 3.13.7、georadiusbymember

• 格式： GEORADIUSBYMEMBER key member radius m|km|ft|mi [WITHCOORD] [WITHDIST] [WITHHASH] [ASC|DESC] [COUNT count]
• 功能： 这个命令和 GEORADIUS 命令一样，都可以找出位于指定范围内的元素，但该命令的中心点是由 位置元素 形式给定的，而不是像 GEORADIUS 那样，使用输入的经纬度来指定中心点。
• 说明：返回结果中也是包含中心点位置元素的。

⭐️ 3.13.8、应用场景
    Geospatial 的意义是地理位置，所以其主要应用地理位置相关的计算。

例如，微信发现中的 附近 功能，添加朋友中 雷达加朋友 功能； QQ 动态中的 附近 功能；钉钉中的 签到功能 等。

3.14 发布/订阅命令

⭐️ 3.14.1、消息系统

    发布/订阅 ，即 pub/sub ，是一种消息通信模式：发布者 也称为 消息生产者，生产和发送消息到存储系统； 订阅者 也称为 消息消费者，从存储系统 接收和消费 消息。 这个 存储系统 可以是 文件系统 FS 、消息中间件 MQ 、数据管理系统 DBMS ，也可以是 Redis 。整个消息发布者、订阅者与存储系统称为消息系统。
    消息系统中的订阅者订阅了某类消息后，只要存储系统中存在该类消息，其就可不断的接收并消费这些消息。当存储系统中没有该消息后，订阅者的接收、消费阻塞。而当发布者将消息写入到存储系统后，会立即唤醒订阅者。当存储系统放满时，不同的发布者具有不同的处理方式：有的会阻塞发布者的发布，等待可用的存储空间；有的则会将多余的消息丢失。
    当然，不同的消息系统消息的发布订阅方式也是不同的。例如 RocketMQ 、 Kafka 等消息中间件构成的消息系统中，发布/订阅的消息都是以主题 Topic 分类的。而Redis 构成的消息系统中，发布/订阅的消息都是以频道 Channel 分类的。

⭐️ 3.14.2、subscribe

• 格式: SUBSCRIBE channel [channel …]
• 功能: Redis 客户端 通过一个 subscribe 命令 可以 同时订阅 任意数量的频道。 在输出了订阅了主题后，命令处于阻塞状态，等待相关频道的消息。

⭐️ 3.14.3、psubscribe

• 格式： PSUBSCRIBE pattern [pattern …]
• 功能： 订阅 一个或多个符合给定模式的频道。
• 说明：这里的 模式 只能使用通配符 * 。

例如， it* 可以匹配所有以 it 开头的频道 ，像 it.news 、it.blog 、 it.tweets 等； news.* 可以 匹配所有以 news. 开头的频道 ，像 news.global.today 、news.it 等。

⭐️ 3.14.4、publish

• 格式： PUBLISH channel message
• 功能： Redis 客户端通过一条 publish 命令 可以 发布 一个频道的消息。返回值为接收到该消息的订阅者数量。

⭐️ 3.14.5、unsubscribe

• 格式： UNSUBSCRIBE [channel [channel …]]
• 功能： Redis 客户端 退订 指定的频道。
• 说明： 如果没有频道被指定，也就是 一个无参数的UNSUBSCRIBE 命令被执行，那么客户端使用 SUBSCRIBE 命令订阅的所有频道都会被退订。在这种情况下，命令会返回一个信息，告知客户端所有被退订的频道。

⭐️ 3.14.6、punsubscribe

• 格式： PUNSUBSCRIBE [pattern [pattern …]]
• 功能： 退订 一个或多个符合给定模式的频道。
• 说明：这里的 模式 只能使用 通配符 。 如果没有频道被指定， 其效果与 SUBSCRIBE 命令相同， 客户端 将退订所有订阅的频道。

⭐️ 3.14.7、pubsub

• 格式： PUBSUB <subcommand> [argument [argument …]]
• 功能： PUBSUB 是一个 查看 订阅与发布系统状态的内省命令集 ，它由数个不同格式的子命令组成， 下面分别介绍这些子命令的用法 。

（1） pubsub channels

• 格式： PUBSUB CHANNELS [pattern]
• 功能： 列出 当前所有的活跃频道。活跃频道指的是那些至少有一个订阅者的频道 。
• 说明： pattern 参数是可选的。 如果不给出 pattern 参数，将会列出订阅/发布系统中的所有活跃频道。如果给出 pattern 参数，那么只列出和给定模式 pattern 相匹配的那些活跃频道。 pattern 中只能使用通配符 。(只包含 psubscribe 订阅的频道)

（2） pubsub numsub

• 格式： PUBSUB NUMSUB [channel-1 … channel-N]
• 功能： 返回给定频道的订阅者数量。不给定任何频道则返回一个空列表。(只包含 psubscribe 订阅的频道)

（3） pubsub numpat

• 格式： PUBSUB NUMPAT
• 功能：查询当前 Redis 所有 客户端订阅的所有 频道模式 的数量总和。(只包含 psubscribe 订阅的频道)

3.15 Redis 事务

    Redis的事务的本质是 一组命令的批处理 。这组命令在执行过程中会被顺序地、一次性全部执行完毕，只要没有出现语法错误，这组命令在执行期间是不会被中断。

⭐️ 3.15.1、Redis 事务特性

    Redis的事务 仅保证了数据的一致性， 不具有像 DBMS 一样的 ACID 特性。

• 这组命令中的某些命令的执行失败不会影响其它命令的执行，不会引发回滚。 即 不具备原子性。
• 这组命令通过 乐观锁机制 实现了简单的隔离性。没有复杂的隔离级别。
• 这组命令的执行结果是被写入到内存的，是否持久取决于 Redis 的持久化策略，与 事务无关。

⭐️ 3.15.2、Redis 事务实现

（1） 三个命令

    Redis事务通过三个命令进行控制。

• muti: 开启事务
• exec: 执行事务
• discard: 取消事务

（2） 基本使用

    下面是定义并执行事务的用法：

• 事务执行后，再访问事务中定义的变量，其值是修改过后的。

    下面是定义但取消事务的举例：

• 事务取消后，事务中的命令是没有执行的。

⭐️ 3.15.3、Redis 事务异常处理

（1）语法错误

    当事务中的命令出现语法错误时，整个事务在 exec 执行时会被取消。

• exec 的提示是 exec 被忽略，事务被取消，因为之前的错误。此时访问 age 的值，发现其仍为 19 ，并没有变为事务中设置的 20 。

（2）执行异常

    如果事务中的命令没有语法错误，但在执行过程中出现异常，该异常不会影响其它命令的执行。

• 以上事务中这条命令在执行时出现异常。因为 score 并非是整型，无法被增加 20 的操作。但该异常并不会影响其前后命令的正确执行。查看 score 的值，发现是执行成功的结果。

⭐️ 3.15.4、Redis 事务隔离机制

（1）为什么需要隔离机制

    在 并发场景 下可能会出现多个客户端对同一个数据进行修改的情况。

• 例如：有两个客户端 C左与 C右， C左 需要申请 40 个资源， C右 需要申请 30 个资源。它们首先查看了当前拥有的资源数量，即 resources 的值。它们查看到的都是 50 ，都感觉资源数量可以满足自己的需求，于是修改资源数量，以占有资源。但结果却是资源出现了“超卖”情况。

• 为了解决这种情况， Redis 事务通过 乐观锁机制 实现了多线程下的执行隔离。

（2）隔离的实现

    Redis通过 watch 命令再配合事务实现了多线程下的执行隔离。

• 以上两个客户端执行的时间顺序为：

（3）实现原理

    其内部的执行过程如下：

1. 当某一客户端对 key 执行了 watch 后，系统就会为该 key 添加一个 version 乐观锁，并初始化 version 。例如初值为 1.0 。
2. 此后客户端 C左将对该 key 的修改语句写入到了事务命令队列中，虽未执行，但其将该 key 的 value 值与 version 进行了读取 并保存到了当前客户端缓存。此时读取并保存的是 version 的 初值 1.0 。
3. 此后客户端 C右 对该 key 的值进行了修改，这个修改不仅修改了 key 的 value 本身，同时也增加了 version 的值，例如使其 version 变为了 2.0 ，并将该 version 记录到了该 key 信息中。
4. 此后客户端 C左 执行 exec ，开始执行事务中的命令。不过，其在执行到对该 key 进行修改的命令时，该命令首先对当前客户端缓存中保存的 version 值与当前 key 信息中的 version 值。如果缓存 version 小于 key 的 version ，则说明客户端缓存的 key 的 value 已经过时，该写操作如果执行可能会破坏数据的一致性。所以该写操作不执行。

注：仅供学习参考，如有不足，欢迎指正！