redis精选04集（集合数据类型set、有序集合sortedset）

文章目录

redis精选04集（集合数据类型set、有序集合sortedset）
位图操作bitmap
Hash散列数据类型
集合数据类型（set）
有序集合（sortedset）

位图操作bitmap

定义

1、位图不是真正的数据类型，它是定义在字符串类型中
2、一个字符串类型的值最多能存储512M字节的内容，位上限：2^32
# 1MB = 1024KB
# 1KB = 1024Byte(字节)
# 1Byte = 8bit(位)

 000000000000000
    
 6月1日 6月2日 ...

强势点

可以实时的进行统计，极其节省空间。官方在模拟1亿2千8百万用户的模拟环境下，在一台MacBookPro上，典型的统计如“日用户数”的时间消耗小于50ms, 占用16MB内存

SETBIT 命令

说明：设置某位置上的二进制值
语法：SETBIT key offset value
参数：offset - 偏移量从0开始

value - 0或者1
示例：

# 默认扩展位以0填充
127.0.0.1:6379> SET mykey ab
OK
127.0.0.1:6379> GET mykey
"ab"
127.0.0.1:6379> SETBIT mykey 0 1
(integer) 0
127.0.0.1:6379> GET mykey
"\xe1b"
127.0.0.1:6379>

GETBIT 命令

说明：获取某一位上的值
语法：GETBIT key offset
示例：

127.0.0.1:6379> GETBIT mykey 3
(integer) 0
127.0.0.1:6379> GETBIT mykey 0
(integer) 1
127.0.0.1:6379>

BITCOUNT 命令

说明：统计键所对应的值中有多少个 1
语法：BITCOUNT key start end
参数：start/end 代表的是 字节索引
示例：

127.0.0.1:6379> SET mykey1 ab
OK
127.0.0.1:6379[4]> BITCOUNT mykey
(integer) 6
127.0.0.1:6379[4]> BITCOUNT mykey 0 0
(integer) 3

应用场景案例

# 网站用户的上线次数统计（寻找活跃用户）
	用户名为key，上线的天作为offset，上线设置为1
# 示例
	用户名为 user1:login 的用户，今年第1天上线，第30天上线
	SETBIT user1:login 0 1 
	SETBIT user1:login 29 1
	BITCOUNT user1:login

代码实现

r.setbit('user1:login', 0, 1)
r.bitcount('user1:login')

Hash散列数据类型

定义

1、由field和关联的value组成的键值对 redis_key {
    
    field:value,field1:value1}
2、field和value是字符串类型
3、一个hash中最多包含2^32-1个键值对

优点

1、节约内存空间 - 特定条件下 【1，字段小于512个，2：value不能超过64字节】

   hash:
   hk1  {
    
    'username':'guoxiaonao', 'age': '18'}
   
   string:
   hk1_username: 'guoxiaonao'
   hk1_age : '18'
    
    
   string:
   hk1 : 'guoxiaonao_18_性别_xxxxx'

2、可按需获取字段的值

缺点（不适合hash情况）

1，使用过期键功能：键过期功能只能对键进行过期操作，而不能对散列的字段进行过期操作
2，存储消耗大于字符串结构

基本命令操作

# 1、设置单个字段
HSET key field value
HSETNX key field value
# 2、设置多个字段
HMSET key field value field value
# 3、返回字段个数
HLEN key
# 4、判断字段是否存在（不存在返回0）
HEXISTS key field
# 5、返回字段值
HGET key field
# 6、返回多个字段值
HMGET key field filed
# 7、返回所有的键值对
HGETALL key
# 8、返回所有字段名
HKEYS key
# 9、返回所有值
HVALS key
# 10、删除指定字段
HDEL key field 
# 11、在字段对应值上进行整数增量运算
HINCRBY key filed increment
# 12、在字段对应值上进行浮点数增量运算
HINCRBYFLOAT key field increment

python操作hash

# 1、更新一条数据的属性，没有则新建
hset(name, key, value) 
# 2、读取这条数据的指定属性， 返回字符串类型
hget(name, key)
# 3、批量更新数据（没有则新建）属性,参数为字典
hmset(name, mapping)
# 4、批量读取数据（没有则新建）属性
hmget(name, keys)
# 5、获取这条数据的所有属性和对应的值，返回字典类型
hgetall(name)
# 6、获取这条数据的所有属性名，返回列表类型
hkeys(name)
# 7、删除这条数据的指定属性
hdel(name, *keys)

Python代码hash散列

import redis

r = redis.Redis(host='127.0.0.1', port=6379, db=0)

#r.hset('pyh1', 'uname', 'wangweichao')
#r.hset('pyh1', 'age', 63)
# {b'uname': b'wangweichao', b'age': b'63'}
#print(r.hgetall('pyh1'))

#r.hmset('pyh2', {'uname':'guoxiaonao', 'age':18})
#print(r.hgetall('pyh2'))

print(r.hkeys('pyh2'))
print(r.hvals('pyh1'))

应用场景：用户维度数据统计

用户维度统计
   统计数包括：关注数、粉丝数、喜欢商品数、发帖数
   用户为key，不同维度为field，value为统计数
   比如关注了5人
	 HSET user:10000 fans 5
	 HINCRBY user:10000 fans 1

应用场景: 缓存 - redis+mysql+hash组合使用

mysql user表 username age desc sign

redis - user_guoxiaonao {desc:xxxx,sign:xxxx}

amysite1 应用user

user表 - username(11) age

1, 查看用户个人信息 - 加缓存 hash - /user/detail/用户id - GET

查看username 和 age

return username is %s age is %s

2，用户更新个人信息 - GET 查询字符串 /user/update/1?age=33

数据库更新 - 删除缓存

提示： redis连接对象直接在视图函数中初始化即可

视图函数中全局变量 r = redis.Redis…

原理

用户想要查询个人信息
1、到redis缓存中查询个人信息
2、redis中查询不到，到mysql查询，并缓存到redis
3、再次查询个人信息

代码实现

集合数据类型（set）

特点

1、无序、去重
2、元素是字符串类型
3、最多包含2^32-1个元素

基本命令

# 1、增加一个或者多个元素,自动去重；返回值为成功插入到集合的元素个数
SADD key member1 member2
# 2、查看集合中所有元素
SMEMBERS key
# 3、删除一个或者多个元素，元素不存在自动忽略
SREM key member1 member2
# 4、元素是否存在
SISMEMBER key member
# 5、随机返回集合中指定个数的元素，默认为1个
SRANDMEMBER key [count]
# 6、弹出成员
SPOP key [count]
# 7、返回集合中元素的个数，不会遍历整个集合，只是存储在键当中了
SCARD key
# 8、把元素从源集合移动到目标集合
SMOVE source destination member

# 9、差集(number1 1 2 3 number2 1 2 4 结果为3)
SDIFF key1 key2 
# 10、差集保存到另一个集合中
SDIFFSTORE destination key1 key2

# 11、交集
SINTER key1 key2
SINTERSTORE destination key1 key2

# 11、并集
SUNION key1 key2
SUNIONSTORE destination key1 key2

案例: 新浪微博的共同关注

# 需求: 当用户访问另一个用户的时候，会显示出两个用户共同关注过哪些相同的用户
# 设计: 将每个用户关注的用户放在集合中，求交集即可
# 实现:
	user001 = {
    
    'peiqi','qiaozhi','danni'}
	user002 = {
    
    'peiqi','qiaozhi','lingyang'}
  
user001和user002的共同关注为:
	SINTER user001 user002
	结果为: {
    
    'peiqi','qiaozhi'}

python操作set

import redis

r = redis.Redis(host='127.0.0.1', port=6379, db=0)

#r.sadd('pys1', 'Jack', 'qiaozhi')
#print(r.smembers('pys1'))

#print(r.spop('pys1'))

# r.sadd('pys2', 'a', 'b')
# r.sadd('pys3', 'b', 'c')
# r.sadd('pys4', 'b', 'c', 'd')
# print(r.sinter('pys2', 'pys3', 'pys4'))
print(r.sunionstore('pys5', 'pys2', 'pys3', 'pys4'))
print(r.smembers('pys5'))

有序集合（sortedset）

特点

1、有序、去重
2、元素是字符串类型
3、每个元素都关联着一个浮点数分值(score)，并按照分值从小到大的顺序排列集合中的元素（分值可以相同）
4、最多包含2^32-1元素

示例

一个保存了水果价格的有序集合

分值	2.0	4.0	6.0	8.0	10.0
元素	西瓜	葡萄	芒果	香蕉	苹果

一个保存了员工薪水的有序集合

分值	6000	8000	10000	12000
元素	lucy	tom	jim	jack

一个保存了正在阅读某些技术书的人数

分值	300	400	555	666	777
元素	核心编程	阿凡提	本拉登	阿姆斯特朗	比尔盖茨

有序集合常用命令

# 在有序集合中添加一个成员 返回值为 成功插入到集合中的元素个数
zadd key score member
# 查看指定区间元素（升序)
zrange key start stop [withscores]
# 查看指定区间元素（降序）
zrevrange key start stop [withscores]
# 查看指定元素的分值
zscore key member

# 返回指定区间元素
# offset : 跳过多少个元素
# count : 返回几个
# 小括号 : 开区间  zrangebyscore fruits (2.0 8.0
zrangebyscore key min max [withscores] [limit offset count]
# 每页显示10个成员,显示第5页的成员信息: 
# limit 40 10    (m-1)*n  n
# MySQL: 每页显示10条记录,显示第5页的记录
# limit 40,10
# limit 2,3   显示: 第3 4 5条记录

# 删除成员
zrem key member
# 增加或者减少分值
zincrby key increment member
# 返回元素排名
zrank key member
# 返回元素逆序排名
zrevrank key member
# 删除指定区间内的元素
zremrangebyscore key min max
# 返回集合中元素个数
zcard key
# 返回指定范围中元素的个数
zcount key min max
zcount salary 6000 8000 
zcount salary (6000 8000# 6000<salary<=8000
zcount salary (6000 (8000#6000<salary<8000               
# 并集
zunionstore destination numkeys key [weights 权重值] [AGGREGATE SUM|MIN|MAX]
# zunionstore salary3 2 salary salary2 weights 1 0.5 AGGREGATE MAX
# 2代表集合数量,weights之后 权重1给salary,权重0.5给salary2集合,算完权重之后执行聚合AGGREGATE
                     
# 交集：和并集类似，只取相同的元素
zinterstore destination numkeys key1 key2 weights weight AGGREGATE SUM(默认)|MIN|MAX

python操作sorted set

import redis

r = redis.Redis(host='127.0.0.1', port=6379, db=0)

r.zadd('pyz1',{
    
    'tom':6000, 'jim':3000, 'jack':12000})
#[(b'jim', 3000.0), (b'tom', 6000.0), (b'jack', 12000.0)]
#print(r.zrange('pyz1', 0, -1, withscores=True))
#print(r.zrangebyscore('pyz1',3000, 12000,start=1, num=2))

#print(r.zrank('pyz1','jim'))
#[(b'jim', 3000.0), (b'tom', 6000.0), (b'jack', 12000.0)]
#print(r.zcount('pyz1', '(6000', 12000))


#r.zadd('pyz2', {'jim':8000,'gxn':10000})
r.zinterstore('pyz3', ('pyz1','pyz2'), aggregate='max')
print(r.zrange('pyz1', 0, -1, withscores=True))
print(r.zrange('pyz2', 0, -1, withscores=True))
print(r.zrange('pyz3', 0, -1, withscores=True))

在此，小编非常实诚的感谢您能看完该文章，如果对您的技术学习有所帮助，希望您能献上宝贵的三连击【点赞、收藏、分享】，您的鼓励、评论和建议是我最大动力！我是互联网行业中顽强拼搏的阿k！奥利给