1.列举常见的关系型数据库和非关系型都有那些？
关系型数据库(需要有表结构)
mysql、oracle 、 spl、server、db2、sybase
非关系型数据库（是以key-value存储的，没有表结构）（NoSQL）
（1） MongoDB
MongoDB 是一个高性能，开源，无模式的文档型数据库，开发语言是C++。它在许多场景下可用于替代传统的关系型数据库或键/值存储方式。
（2） Redis
Redis 是一个开源的使用ANSI C语言编写、支持网络、可基于内存亦可持久化的日志型、Key-Value数据库，并提供多种语言的API。目前由VMware主持开发工作。
（3）mongo redis的区别
Mongo
它是一个内存数据库，数据都是放在内存里面的。
对数据的操作大部分都在内存中，但mongodb并不是单纯的内存数据库。
MongoDB 将数据存储为一个文档，数据结构由键值(key=>value)对组成。MongoDB 文档类似于 JSON 对象。字段值可以包含其他文档，数组及文档数组.
持久化方式：
mongodb的所有数据实际上是存放在硬盘的，所有要操作的数据通过mmap的方式映射到内存某个区域内。
然后，mongodb就在这块区域里面进行数据修改，避免了零碎的硬盘操
作。
redis：
它就是一个不折不扣的内存数据库了。
持久化方式：
redis所有数据都是放在内存中的，持久化是使用RDB方式或者aof方式。
无论数据还是索引都存放在硬盘中。到要使用的时候才交换到内存中。能够处理远超过内存总量的数据。
MYSQL
关系型数据库。
在不同的引擎上有不同 的存储方式。
查询语句是使用传统的 SQL 语句，拥有较为成熟的体系，成熟度很高。
开源数据库的份额在不断增加，MySQL 的份额页在持续增长。
缺点就是在海量数据处理的时候效率会显著变慢。
2.MySQL常见数据库引擎及比较？
‘Myisam’:
#支持全文索引
#查询速度相对较快
#支持表锁
#表锁：select * from tb for update;（锁：for update）
‘InnoDB’:
#支持事务
#支持行锁、表锁
#表锁：select * from tb for update;（锁：for update）
#行锁: select id ,name from tb where id=2 for update;（锁：for update）
3.简述数据三大范式？
#数据库的三大特性：
‘实体’:表
‘属性’：表中的数据(字段)
‘关系’：表与表之间的关系
#数据库设计三大范式：
‘第一范式(1NF)’
数据表中的每一列(每个字段)，必须是不可拆分的最小单元
也就是确保每一列的原子性。
‘第二范式(2NF)’
满足第一范式后(1NF)，要求表中的所有列，都必须依赖于主键，
而不能有任何一列 与主键没有关系，也就是说一个表只描述一件事。
‘第三范式(3NF)’
必须先满足第二范式(2NF)
要求：表中每一列只与主键直接相关而不是间接相关(表中每一列只能依赖于主键)
比如在设计一个订单数据表的时候，可以将客户编号作为一个外键和订单表建立相应的关系。
而不可以在订单表中添加关于客户其它信息（比如姓名、所属公司等）的字段。
数据库五大约束’
1.primary KEY:设置主键约束；
2.UNIQUE：设置唯一性约束，不能有重复值；
3.DEFAULT 默认值约束
4.NOT NULL：设置非空约束，该字段不能为空；
5. FOREIGN key :设置外键约束。
4.什么是事务？MySQL如何支持事务？
‘什么是事务’
事务由一个或多个sql语句组成一个整体；
在事务中的操作，要么都执行修改，要么都不执行，
只有在该事务中所有的语句都执行成功才会将修改加入到数据库中，否则回滚到上一步。
‘Mysql实现事务’
InnoDB支持事务，MyISAM不支持
# 启动事务：
# start transaction；
# update from account set money=money-100 where name='a';
# update from account set money=money+100 where name='b';
# commit；
'start transaction 手动开启事务，commit 手动关闭事务'
5.简述数据库设计中一对多和多对多的应用场景？
FK(一对多)
下拉框里面的数据就需要用FK关联另一张表
M2M（多对多）
多选的下拉框，或者checkbox
一对多关系、多对一关系和一对一关系至少都有一侧是单个实体,所以记录之间的联系通过外键实现,让外键指向这个实体。
6.如何基于数据库实现商城商品计数器？
7.常见SQL（必备）
详见武沛齐博客：https://www.cnblogs.com/wupeiqi/articles/5729934.html
8.简述触发器、函数、视图、存储过程？
‘触发器’：
对数据库某个表进行【增、删、改】前后，自定义的一些SQL操作
‘函数’：
在SQL语句中使用的函数 #例如：select sleep(2)
聚合函数：max、sam、min、avg
时间格式化：date_format
字符串拼接：concat
自定制函数：(触发函数通过 select)
‘视图’：
对某些表进行SQL查询，将结果实时显示出来(是虚拟表)，只能查询不能更新
‘存储过程’：
将提前定义好的SQL语句保存到数据库中并命名；以后在代码中调用时直接通过名称即可
参数类型：in、out、inout
9.MySQL索引种类
单列
功能
普通索引：加速查找
唯一索引：加速查找 + 约束：不能重复（只能有一个空，不然就重复了）
主键（primay key）：加速查找 + 约束：不能重复 + 不能为空
多列
联合索引（多个列创建索引）-----> 相当于单列的普通索引
联合唯一索引 -----> 相当于单列的唯一索引
ps：联合索引的特点：遵循最左前缀的规则
其他词语：
·· - 索引合并，利用多个单例索引查询；（例如在数据库查用户名和密码，分别给用户名和密码建立索引）
- 覆盖索引，在索引表中就能将想要的数据查询到；
10.索引在什么情况下遵循最左前缀的规则？
联合索引
11.主键和外键的区别？
‘主键’
唯一标识一条记录
用来保证数据的完整性
主键只能有一个
‘外键’
表的外键是另一个表的主键，外键可以有重复的，可以是空值
用来和其他表建立联系用的
一个表可以有多个外键
‘索引’
该字段没有重复值，但可以有一个空值
提高查询速度
一个表可以有多个唯一索引
12.MySQL常见的函数？
'当前时间'
select now();
'时间格式化'
select DATE_FORMAT(NOW(), '%Y(年)-%m(月)-%d(日) %H(时):%i(分):%s(秒)')
'日期加减'
select DATE_ADD(DATE, INTERVAL expr unit)
select DATE_ADD(NOW(), INTERVAL 1 DAY) #当前日期加一天
\expr：正数(加)、负数(减)
\unit：支持毫秒microsecond、秒second、小时hour、天day、周week、年year
'类型转换'
cast( expr AS TYPE)
select CAST(123 AS CHAR)
'字符串拼接'
concat(str1,str2，……)
select concat('hello','2','world') --> hellow2world
'聚合函数'
avg() #平均值
count() #返回指定列/行的个数
min() #最小值
max() #最大值
sum() #求和
group_concat() #返回属于一组的列值，连接组合而成的结果
'数学函数'
abs() #绝对值
bin() #二进制
rand() #随机数
13.列举 创建索引但是无法命中索引的8种情况。
#使用'like ‘%xx’'
select * from tb1 where name like '%cn';
#使用'函数'
select * from tb1 where reverse(name)='zgc';
#使用'or'
select * from tb1 where nid=1 or email='[email protected]';
特别的：当or条件中有未建立索引的列才失效，一下会走索引
# select * from tb1 where nid=1 or name='zgc';
# select * from tb1 where nid=1 or email='[email protected]' and name='zgc';
#'类型不一致'
如果列是字符串类型，传入条件是必须用引号引起来，不然则可能会无法命中
select * from tb1 where name=666；
#含有'!= '
select * from tb1 where name != 'zgc';
特别的：如果是主键，还是会走索引
# select * from tb1 where nid != 123;
#含有'>'
select * from tb1 where name > 'zgc';
特别的：如果是主键或者索引是整数类型，则还是会走索引
# select * from tb1 where nid > 123;
# select * from tb1 where name > 123;
#含有'order by'
select email from tb1 order by name desc;
当根据索引排序时，选择的映射如果不是索引，则不走索引
特别的：如果对主键排序，则还是走索引：
# select * from tb1 order by nid desc;
#组合索引最左前缀
如果组合索引为：（name，email）
name and email #使用索引
name #使用索引
email #不使用索引
14.如何开启慢日志查询？
修改配置文件
slow_query_log = OFF 是否开启慢日志记录
long_query_time = 2 时间限制，超过此时间，则记录
slow_query_log_file = /usr/slow.log 日志文件
log_queries_not_using_indexes = OFF 为使用索引的搜索是否记录
下面是开启
slow_query_log = ON
long_query_time = 2
log_queries_not_using_indexes = OFF
log_queries_not_using_indexes = ON
注：查看当前配置信息：
show variables like ‘%query%’
修改当前配置：
set global 变量名 = 值
15.数据库导入导出命令（结构+数据）？
#导出：
mysqldump --no-defaults -uroot -p 数据库名字 > 导出路径
‘–no-defaults’:解决“unknown option --no-beep”报错
#导入：
1、mysqldump -uroot -p 数据库名称 < 路径
2、进入数据库； source + 要导入数据库文件路径
导出现有数据库数据：（当有提示出入密码。-p就不用加密码）
mysqldump -u用户名 -p密码 数据库名称 >导出文件路径 # 结构+数据
mysqldump -u用户名 -p密码 -d 数据库名称 >导出文件 路径 # 结构
导入现有数据库数据：
mysqldump -uroot -p密码 数据库名称 < 文件路径
16.数据库优化方案？
1、创建数据表时把固定长度的放在前面
2、将固定数据放入内存：choice字段(django中用到，1,2,3对应相应内容)
3、char不可变，varchar可变
4、联合索引遵循最左前缀(从最左侧开始检索)
5、避免使用 select *
6、读写分离：
#利用数据库的主从分离：主，用于删除、修改、更新；从，用于查
#实现：两台服务器同步数据
\原生SQL:select * from db.tb
\ORM：model.User.object.all().using(‘default’)
\路由：db router
7、分库
# 当数据库中的表太多，将某些表分到不同数据库，例如：1W张表时
# 代价：连表查询跨数据库，代码变多
8、分表
# 水平分表：将某些列拆分到另一张表，例如：博客+博客详情
# 垂直分表：将某些历史信息，分到另外一张表中，例如：支付宝账单
9、加缓存
# 利用redis、memcache(常用数据放到缓存里，提高取数据速度)
# 缓存不够可能会造成雪崩现象
10、如果只想获取一条数据
select * from tb where name = ‘zgc’ limit 1;
17.char和varchar的区别？
#char类型：定长不可变
存入字符长度大于设置长度时报错；
存入字符串长度小于设置长度时，用空格填充以达到设置字符串长度；
简单粗暴，浪费空间，存取速度快。
#varchar类型：可变
存储数据真实内容，不使用空格填充；
会在真实数据前加1-2Bytes的前缀，用来表示真实数据的bytes字节数；
边长、精准、节省空间、存取速度慢。
18.简述MySQL的执行计划？
查看有没有命中索引，让数据库帮看看运行速度快不快
explain select * from table;
#explain + SQL语句
#SQL在数据库中执行时的表现情况,通常用于SQL性能分析,优化等场景。
‘explain select * from rbac_userinfo where id=1;’
19.在对name做了唯一索引前提下，简述以下区别：
select * from tb where name = ‘Oldboy-Wupeiqi’
select * from tb where name = ‘Oldboy-Wupeiqi’ limit 1
是这样的的，用where条件过滤出符合条件的数据的同时，进行计数，
比如limit 1，那么在where过滤出第1条数据后，他就会直接把结果select出来返回给你，整个过程就结束了。没做唯一索引的话,前者查询会全表扫描,效率低些，limit 1,只要找到对应一条数据,就不继续往下扫描.
然而 name 字段添加唯一索引了,加不加limit 1,意义都不大;
20.1000w条数据，使用limit offset 分页时，为什么越往后翻越慢？如何解决？
#例如:
#limit 100000,20; 从第十万条开始往后取二十条,
#limit 20 offset 100000; limit后面是取20条数据,offset后面是从第10W条数据开始读
因为当一个数据库表过于庞大，LIMIT offset, length中的offset值过大，则SQL查询语句会非常缓慢
‘优化一’
先查看主键，再分页：
select * from tb where id in (select id from tb where limit 10 offset 30)
‘优化二’
记录当前页，数据、ID、最大值和最小值(用于where查询)
在翻页时，根据条件进行筛选，筛选完毕后，再根据 limit offset 查询
select * from(select * from tb where id > 2222) as B limit 10 offset 0;
\如果用户自己修改页码，也可能导致变慢，此时可以对 url 页码进行加密，例如rest framework
‘优化三’
可以按照当前业务需求，看是否可以设置只允许看前200页；
一般情况下，没人会咔咔看个几十上百页的；
21.什么是索引合并？
1、索引合并是把几个索引的范围扫描合并成一个索引。
2、索引合并的时候，会对索引进行并集，交集或者先交集再并集操作，以便合并成一个索引。
3、这些需要合并的索引只能是一个表的。不能对多表进行索引合并。
简单的说，索引合并，让一条sql可以使用多个索引。对这些索引取交集，并集，或者先取交集再取并集。
从而减少从数据表中取数据的次数，提高查询效率。
22.什么是覆盖索引？
#解释一：
就是select的数据列只用从索引中就能够取得，不必从数据表中读取，换句话说查询列要被所使用的索引覆盖。
#解释二：
索引是高效找到行的一个方法，当能通过检索索引就可以读取想要的数据，那就不需要再到数据表中读取行了。
如果一个索引包含了（或覆盖了）满足查询语句中字段与条件的数据就叫做覆盖索引。
#注意：MySQL只能使用B-Tree索引做覆盖索引
23.简述数据库读写分离？
#利用数据库的主从分离：主，用于删除、修改、更新；从，用于查
#实现：两台服务器同步数据（减轻服务器的压力）
原生SQL: select * from db.tb
ORM：model.User.object.all().using(‘default’)
路由：db router
24.简述数据库分库分表？（水平、垂直）
#1、分库
当数据库中的表太多，将某些表分到不同数据库，例如：1W张表时
代价：连表查询跨数据库，代码变多
#2、分表
水平分表：将某些列拆分到另一张表，例如：博客+博客详情
垂直分表：将某些历史信息，分到另外一张表中，例如：支付宝账单
25.redis和memcached比较？
#1.存储容量：
memcached超过内存比例会抹掉前面的数据，而redis会存储在磁盘
#2.支持数据类型：
memcached只支持string；
redis支持更多;如：hash、list、集合、有序集合
#3.持久化：
redis支持数据持久化，可以将内存中的数据保持在磁盘中，memcached无
#4.主从：
即master-slave模式的数据备份(主从)。
#5.特性
Redis在很多方面具备数据库的特征，或者说就是一个数据库系统
Memcached只是简单的K/V缓存
26.redis中数据库默认是多少个db 及作用？
#redis默认有16个db，db0~db15（可以通过配置文件支持更多，无上限）
#并且每个数据库的数据是隔离的不能共享
#可以随时使用SELECT命令更换数据库：redis> SELECT 1
#注意：
多个数据库之间并不是完全隔离的
比如FLUSHALL命令可以清空一个Redis实例中所有数据库中的数据。
26.python操作redis的模块？
https://www.jianshu.com/p/2639549bedc8
- 连接
- 直接连接：
import redis
r = redis.Redis(host='10.211.55.4', port=6379)
r.set('foo', 'Bar')
print r.get('foo')
- 连接池：
import redis
pool = redis.ConnectionPool(host='10.211.55.4', port=6379)
r = redis.Redis(connection_pool=pool)
r.set('foo', 'Bar')
print r.get('foo')
27.如果redis中的某个列表中的数据量非常大，如何实现循环显示每一个值？
①# 通过scan_iter分片取，减少内存压力
scan_iter(match=None, count=None)增量式迭代获取redis里匹配的的值
#match，匹配指定key
#count，每次分片最少获取个数
r = redis.Redis(connection_pool=pool)
for key in r.scan_iter(match='PREFIX_*', count=100000):
print(key)
②- 如果一个列表在redis中保存了10w个值，我需要将所有值全部循环并显示，请问如何实现？
一个一个取值，列表没有iter方法，但能自定义
def list_scan_iter(name,count=3):
start = 0
while True:
result = conn.lrange(name, start, start+count-1)
start += count
if not result:
break
for item in result:
yield item
for val in list_scan_iter('num_list'):
print(val)
场景：投票系统，script-redis
28.redis如何实现主从复制？以及数据同步机制？
#实现主从复制
‘创建6379和6380配置文件’
redis.conf：6379为默认配置文件，作为Master服务配置；
redis_6380.conf：6380为同步配置，作为Slave服务配置；
‘配置slaveof同步指令’
在Slave对应的conf配置文件中，添加以下内容：
slaveof 127.0.0.1 6379
#数据同步步骤：
(1)Slave服务器连接到Master服务器.
(2)Slave服务器发送同步(SYCN)命令.
(3)Master服务器备份数据库到文件.
(4)Master服务器把备份文件传输给Slave服务器.
(5)Slave服务器把备份文件数据导入到数据库中.
29.redis中的sentinel的作用？
帮助我们自动在主从之间进行切换
检测主从中 主是否挂掉，且超过一半的sentinel检测到挂了之后才进行进行切换。
如果主修复好了，再次启动时候，会变成从。
启动主redis:
redis-server /etc/redis-6379.conf 启动主redis
redis-server /etc/redis-6380.conf 启动从redis
在linux中：
找到 /etc/redis-sentinel-8001.conf 配置文件，在内部：
- 哨兵的端口 port = 8001
- 主redis的IP，哨兵个数的一半/1
找到 /etc/redis-sentinel-8002.conf 配置文件，在内部：
- 哨兵的端口 port = 8002
- 主redis的IP, 1
启动两个哨兵
30.如何实现redis集群？
#基于【分片】来完成。
- 集群是将你的数据拆分到多个Redis实例的过程
- 可以使用很多电脑的内存总和来支持更大的数据库。
- 没有分片，你就被局限于单机能支持的内存容量。
#redis将所有能放置数据的地方创建了 16384 个哈希槽。
#如果设置集群的话，就可以为每个实例分配哈希槽：
- 192.168.1.20【0-5000】
- 192.168.1.21【5001-10000】
- 192.168.1.22【10001-16384】
#以后想要在redis中写值时：set k1 123
- 将k1通过crc16的算法转换成一个数字，然后再将该数字和16384求余，
- 如果得到的余数 3000，那么就将该值写入到 192.168.1.20 实例中。
#集群方案：
- redis cluster：官方提供的集群方案。
- codis：豌豆荚技术团队。
- tweproxy：Twiter技术团队。
31.redis中默认有多少个哈希槽？
#redis中默认有 16384 个哈希槽。
32.简述redis的有哪几种持久化策略及比较？
#RDB：每隔一段时间对redis进行一次持久化。
- 缺点：数据不完整
- 优点：速度快
#AOF：把所有命令保存起来，如果想重新生成到redis，那么就要把命令重新执行一次。
- 缺点：速度慢，文件比较大
- 优点：数据完整
-
33.列举redis支持的过期策略。
#数据集（server.db[i].expires）
a、voltile-lru： #从已设置过期时间的数据集中，挑选最近频率最少数据淘汰
b、volatile-ttl： #从已设置过期时间的数据集中，挑选将要过期的数据淘汰
c、volatile-random：#从已设置过期时间的数据集中，任意选择数据淘汰
d、allkeys-lru： #从数据集中，挑选最近最少使用的数据淘汰
e、allkeys-random： #从数据集中，任意选择数据淘汰
f、no-enviction(驱逐)：#禁止驱逐数据
34.MySQL 里有 2000w 数据，redis 中只存 20w 的数据，如何保证 redis 中都是热点数据？
相关知识：redis 内存数据集大小上升到一定大小的时候，就会施行数据淘汰策略（回收策略）。redis 提供 6种数据淘汰策略：
volatile-lru：从已设置过期时间的数据集（server.db[i].expires）中挑选最近最少使用的数据淘汰
volatile-ttl：从已设置过期时间的数据集（server.db[i].expires）中挑选将要过期的数据淘汰
volatile-random：从已设置过期时间的数据集（server.db[i].expires）中任意选择数据淘汰
allkeys-lru：从数据集（server.db[i].dict）中挑选最近最少使用的数据淘汰
allkeys-random：从数据集（server.db[i].dict）中任意选择数据淘汰
no-enviction（驱逐）：禁止驱逐数据
36.如何基于redis实现消息队列？
#通过发布订阅模式的PUB、SUB实现消息队列
#发布者发布消息到频道了，频道就是一个消息队列。
#发布者：
import redis
conn = redis.Redis(host='127.0.0.1',port=6379)
conn.publish('104.9MH', "hahahahahaha")
#订阅者：
import redis
conn = redis.Redis(host='127.0.0.1',port=6379)
pub = conn.pubsub()
pub.subscribe('104.9MH')
while True:
msg= pub.parse_response()
print(msg)
对了，redis 做消息队列不合适
业务上避免过度复用一个redis，用它做缓存、做计算，还做任务队列，压力太大，不好。
37.如何基于redis实现发布和订阅？以及发布订阅和消息队列的区别？
#发布和订阅，只要有任务就所有订阅者每人一份。
发布者： #发布一次
import redis
conn = redis.Redis(host='127.0.0.1',port=6379)
conn.publish('104.9MH', "hahahahahaha")
订阅者： #'while True'一直在接收
import redis
conn = redis.Redis(host='127.0.0.1',port=6379)
pub = conn.pubsub()
pub.subscribe('104.9MH')
while True:
msg= pub.parse_response()
print(msg)
38.什么是codis及作用？
Codis 是一个分布式 Redis 解决方案, 对于上层的应用来说,
连接到 Codis-Proxy(redis代理服务)和连接原生的 Redis-Server 没有明显的区别,
上层应用可以像使用单机的 Redis 一样使用, Codis 底层会处理请求的转发, 不停机的数据迁移等工作,
所有后边的一切事情, 对于前面的客户端来说是透明的, 可以简单的认为后边连接的是一个内存无限大的 Redis 服务.
39.什么是twemproxy及作用？
#什么是Twemproxy
是Twtter开源的一个 Redis 和 Memcache 代理服务器，
主要用于管理 Redis 和 Memcached 集群，减少与Cache服务器直接连接的数量。
他的后端是多台REDIS或memcached所以也可以被称为分布式中间件。
#作用
通过代理的方式减少缓存服务器的连接数。
自动在多台缓存服务器间共享数据。
通过配置的方式禁用失败的结点。
运行在多个实例上，客户端可以连接到首个可用的代理服务器。
支持请求的流式与批处理，因而能够降低来回的消耗。
40.写代码实现redis事务操作。
import redis
pool = redis.ConnectionPool(host='10.211.55.4', port=6379)
conn = redis.Redis(connection_pool=pool)
#pipe = r.pipeline(transaction=False)
pipe = conn.pipeline(transaction=True)
#开始事务
pipe.multi()
pipe.set('name', 'zgc')
pipe.set('role', 'haha')
pipe.lpush('roless', 'haha')
#提交
pipe.execute()
'注意'：咨询是否当前分布式redis是否支持事务
41.redis中的watch的命令的作用？
#用于监视一个或多个key
#如果在事务执行之前这个/些key被其他命令改动，那么事务将被打断
42.基于redis如何实现商城商品数量计数器？
'通过redis的watch实现'
import redis
conn = redis.Redis(host='127.0.0.1',port=6379)
#conn.set('count',1000)
val = conn.get('count')
print(val)
with conn.pipeline(transaction=True) as pipe:
# 先监视，自己的值没有被修改过
conn.watch('count')
# 事务开始
pipe.multi()
old_count = conn.get('count')
count = int(old_count)
print('现在剩余的商品有:%s',count)
input("问媳妇让不让买？")
pipe.set('count', count - 1)
# 执行，把所有命令一次性推送过去
pipe.execute()
数据库的锁
43.简述redis分布式锁和redlock的实现机制。
https://www.cnblogs.com/bigtreei/p/9127672.htm#_label0
44.什么是一致性哈希？Python中是否有相应模块？
#一致性哈希一致性hash算法（DHT）可以通过减少影响范围的方式，解决增减服务器导致的数据散列问题，从而解决了分布式环境下负载均衡问题；
如果存在热点数据，可以通过增添节点的方式，对热点区间进行划分，将压力分配至其他服务器，重新达到负载均衡的状态。# 模块：hash_ring
Python模块–hash_ring，即Python中的一致性hash
45.如何高效的找到redis中所有以oldboy开头的key？
redis 有一个keys命令。
#语法：KEYS pattern
#说明：返回与指定模式相匹配的所用的keys。
该命令所支持的匹配模式如下：
1、?：用于匹配单个字符。例如，h?llo可以匹配hello、hallo和hxllo等；
2、：用于匹配零个或者多个字符。例如，hllo可以匹配hllo和heeeello等；
2、[]：可以用来指定模式的选择区间。例如h[ae]llo可以匹配hello和hallo，但是不能匹配hillo。同时，可以使用“/”符号来转义特殊的字符
#注意
KEYS 的速度非常快，但如果数据太大，内存可能会崩掉，
如果需要从一个数据集中查找特定的key，最好还是用Redis的集合结构(set)来代替。