网站空间ip地址项目推广计划书

---

title: redis基础结构
date: 2025-03-04 08:39:12
tags: redis
categories: redis笔记

Redis入门

（NoSQL, Not Only SQL） 非关系型数据库

关系型数据库：以 表格 的形式存在，以 行和列 的形式存取数据，一系列的行和列被称为表，无数张表组成了 数据库。支持复杂的 SQL 查询，能够体现出数据之间、表之间的关联关系；也支持事务，便于提交或者回滚。

非关系型数据库：以 key-value 的形式存在，可以想象成电话本的形式，人名（key）对应电话号码（value）。不需要写一些复杂的 SQL 语句，不需要经过 SQL 的重重解析，性能很高；可扩展性也比较强，数据之间没有耦合性，需要新加字段就直接增加一个 key-value 键值对即可。

Redis 是 速度极快的、基于内存的，键值型 NoSQL 数据库。

为什么这么快？

• 完全基于内存操作。

• 使用非阻塞的 IO 多路复用机制。

• 数据结构简单，对数据操作也简单。

• 使用单线程，避免了上下文切换和竞争产生的消耗。

• 支持多种数据类型，包括 String、Hash、List、Set、ZSet 等。

IO 多路复用机制

Redis 使用的是 IO 多路复用机制 来处理 高并发请求，这使得它能在 单线程 模式下仍然保持高吞吐量。

---

🔹 Redis 为什么要用 IO 多路复用？

• Redis 是单线程的，但仍然能高效处理大量连接，这依赖于 IO 多路复用。
• 传统的 阻塞 IO 方式，每次只能处理一个连接，性能受限。
• 多路复用可以 同时监听多个客户端请求，只处理活跃连接，减少 CPU 空转。

---

🔹 Redis 的 IO 多路复用机制

Redis 采用 epoll（Linux）或 select（Windows） 作为 IO 多路复用技术，主要使用 aeEventLoop 事件处理机制：

1. 主线程通过 epoll/select/kqueue 监听多个客户端连接
2. 当某个连接有数据可读（如命令请求），Redis 触发相应的回调函数
3. 回调函数读取请求，处理命令，返回结果
4. 继续监听新的请求，不会阻塞在某个请求上

Redis 使用 事件驱动模型，主要有：

• 可读事件（AE_READABLE）：当客户端有数据可读时触发。
• 可写事件（AE_WRITABLE）：当客户端可以写数据时触发。
• 文件事件（File Event）：通过 epoll 监听 多个 socket 连接。
• 时间事件（Time Event）：用于定时任务（比如 key 过期检测）。

---

🔹 Redis 多路复用示意图

[多个客户端]│▼
[epoll/select 监听]│├── 客户端 A 可读 -> 触发回调 -> 读取数据├── 客户端 B 可写 -> 触发回调 -> 发送数据├── 客户端 C 可读 -> 触发回调 -> 读取数据│▼
[主线程执行 Redis 命令逻辑]

Redis的基础结构类型

Key结构

让 Redis 的 key 形成层级结构，使用 : 隔开：项目名:业务名:类型:id。

set blog:user:1 '{"id":1, "name":"Jack", "age":22}'
set blog:user:2 '{"id":2, "name":"Mike", "age":23}'
set blog:article:1 '{"id":1, "title":"Spring"}'

String类型

Key	Value
blog:user:1	‘{“id”:1, “name”:“Jack”, “age”:22}’
blog:user:2	‘{“id”:2, “name”:“Mike”, “age”:23}’

分配策略：

Java 的 String 是不可变的，无法修改。Redis 的 String 是动态的，可以修改的。Redis 的 String 在内部结构实现上类似于 Java 的 ArrayList，采用预分配冗余空间的方式来减少内存的频繁分配。如图所示，当前字符串实际分配的空间为 capacity，一般高于实际的字符串长度 len。当字符串长度小于 1M 时，扩容是对现有空间的成倍增长；如果长度超过 1M 时，扩容一次只会多增加 1M 的空间。String 的最大长度为 512M。

Hash结构

list结构

List 类似 Java 中的 LinkedList，可以看作一个双向链表（有序可重复）。使用 List 可以对链表的两端进行 push 和 pop 操作、读取单个或多个元素、根据值查找或删除元素、支持正向检索和反向检索。

栈：LPUSH + LPOP 或 RPUSH + RPOP。

队列：LPUSH + RPOP 或 RPUSH + LPOP。

Set结构

SADD key member [member ...] ：向 Set 中添加一个或多个元素。

SMEMBERS key ：获取指定 Set 中的所有元素。

SISMEMBER key member ：判断 Set 中是否存在指定元素。

SCARD key ：返回 Set 中的元素个数。

SREM key member [member ...] ：移除 Set 中的指定元素。

SINTER key [key ...] ：求 n 个 key 间的交集。

SDIFF key [key ...] ：求 n 个 key 间的差集。

SUNION key [key ...] ：求 n 个 key 间的并集。

Redis 的 Set 类似 HashSet，可以看作一个 value 为 null 的 HashMap；其特征也与 HashSet 类似：无序不可重复，支持 交集、并集、差集等功能。

ZSet

Redis 的 ZSet 是一个可排序的 Set 集合，类似 ZSet。ZSet 的每一个元素都带有一个 score 属性，可以基于 score 属性对元素排序。

ZADD key [score member ...] ：以 score 为权重向 ZSet 中添加一个或多个元素，如果存在则更新 score。

ZREM key member [member ...] ：删除 ZSet 中的指定元素。

ZCARD key ：返回 ZSet 中的元素个数。

ZSCORE key member ：获取 ZSet 中指定元素的 score 值。

ZADD key [score member ...] ：以 score 为权重向 ZSet 中添加一个或多个元素，如果存在则更新 score。

ZREM key member [member ...] ：删除 ZSet 中的指定元素。

ZCARD key ：返回 ZSet 中的元素个数。

ZSCORE key member ：获取 ZSet 中指定元素的 score 值。

ZRANGEBYSCORE key min max ：按照 score 排序后，获取 指定 score 范围 内的元素。

ZINTER numberKeys key [key ...] ｜ ZDIFF numberKeys key [key ...] ｜ ZUNION numberKeys key [key ...] ：求 n 个 Zset 的交集、差集、并集。

Redis 基础结构及其操作指令总结

基础结构	描述	常用指令	示例
String（字符串）	最基本的数据结构，可以存储字符串、整数或浮点数	SET、GET、INCR、DECR、APPEND、MSET、MGET	SET key value，GET key
List（列表）	有序集合，允许重复元素，底层为双向链表	LPUSH、RPUSH、LPOP、RPOP、LRANGE	LPUSH mylist A B C，LRANGE mylist 0 -1
Set（集合）	无序集合，不允许重复元素	SADD、SREM、SMEMBERS、SISMEMBER	SADD myset A B C，SMEMBERS myset
Hash（哈希）	类似于对象，存储键值对	HSET、HGET、HGETALL、HDEL	HSET user name "Alice"，HGET user name
ZSet（有序集合）	具有权重（score）的集合，元素按分数排序	ZADD、ZRANGE、ZREM、ZSCORE	ZADD myzset 1 A 2 B，ZRANGE myzset 0 -1
Bitmap（位图）	位级别的存储，用于高效存储和操作二进制数据	SETBIT、GETBIT、BITCOUNT	SETBIT mybitmap 10 1，GETBIT mybitmap 10
HyperLogLog	近似去重计数结构，适用于大数据计数	PFADD、PFCOUNT	PFADD myhll A B C，PFCOUNT myhll
Geo（地理位置）	存储经纬度并计算地理距离	GEOADD、GEODIST、GEORADIUS	GEOADD mygeo 120.0 30.0 "place1"，GEODIST mygeo place1 place2
Stream（流）	可持久化的消息队列结构	XADD、XLEN、XREAD	XADD mystream * name "Alice"，XREAD COUNT 1 STREAMS mystream 0

这些结构和指令在不同的应用场景中有不同的优势，比如 String 适用于缓存数据，List 适用于消息队列，Set 适用于去重，ZSet 适用于排行榜，Hash 适用于存储对象，Bitmap 适用于用户签到或活跃记录，HyperLogLog 适用于大规模数据去重统计，Geo 适用于地理位置存储，Stream 适用于事件流和消息队列。

java客户端连接redis

使用Jedis

1.导入依赖

<dependency><groupId>redis.clients</groupId><artifactId>jedis</artifactId><version>3.8.0</version>
</dependency>

2.建立连接

public class JedisTest {private Jedis jedis;@BeforeEachvoid setUp(){//1.建立连接jedis = new Jedis("192.168.200.130",6379);//2.设置密码jedis.auth("1234");//3.选择库jedis.select(0);}@Testvoid testString(){String result = jedis.set("name", "小明");System.out.println("result= " + result);String name = jedis.get("name");System.out.println("name= "+name);}@AfterEachvoid tearDown(){if(jedis!=null){jedis.close();}}}

3.jedis连接池

public class JedisConnectFactory {private static final JedisPool jedisPool;static{//配置连接池JedisPoolConfig poolConfig = new JedisPoolConfig();poolConfig.setMaxTotal(8);poolConfig.setMaxIdle(8);poolConfig.setMinIdle(0);poolConfig.setMaxWait(Duration.ofMillis(1000));jedisPool = new JedisPool(poolConfig,"192.168.200.130",6379,1000,"1234");}public static Jedis getJedis(){return jedisPool.getResource();}}

1） JedisConnectionFacotry：工厂设计模式是实际开发中非常常用的一种设计模式，我们可以使用工厂，去降低代的耦合，比如Spring中的Bean的创建，就用到了工厂设计模式

2）静态代码块：随着类的加载而加载，确保只能执行一次，我们在加载当前工厂类的时候，就可以执行static的操作完成对 连接池的初始化

3）最后提供返回连接池中连接的方法.

使用springDataRedis连接

1.导入依赖

        <!--Redis依赖--><dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-data-redis</artifactId></dependency><!--连接池依赖--><dependency><groupId>org.apache.commons</groupId><artifactId>commons-pool2</artifactId></dependency>

2.配置连接信息

spring:redis:host: 192.168.200.130port: 6379password: 1234database: 0lettuce:pool:max-active: 8 #最大连接数max-idle: 8 #最大空闲连接min-idle: 0 #最小空闲连接max-wait: 100 #连接等待时间

3.直接注入RedisTemplate出现的问题

// 自动注入的 `RedisTemplate` 需要加上泛型
@Resource
private RedisTemplate redisTemplate;@Test
public void test() {redisTemplate.opsForValue().set("k1", "v1");Map<String, String> map = new HashMap<>();map.put("k2", "v2");map.put("k3", "v3");map.put("k4", "v4");map.put("k5", "v5");redisTemplate.opsForValue().multiSet(map);redisTemplate.opsForValue().multiGet(Arrays.asList("k1", "k2", "k3", "k4")).forEach(System.out::println);  // v1 v2 v3 v4 v5
}//结果
# 在 Redis 中查看通过 RedisTemplate 插入的数据
> keys *
1) "\xac\xed\x00\x05t\x00\x02k1"
2) "\xac\xed\x00\x05t\x00\x02k2"
3) "\xac\xed\x00\x05t\x00\x02k3"
4) "\xac\xed\x00\x05t\x00\x02k4"
5) "\xac\xed\x00\x05t\x00\x02k5"> get "\xac\xed\x00\x05t\x00\x02k1"
"\xac\xed\x00\x05t\x00\x02v1"

RedisTemplate 存在的问题

通过以上操作可以发现：RedisTemplate 可以将任意类型的数据写入到 Redis 中，在写入前会将其序列化为字节形式存储，底层默认采用 ObjectOutputStream 序列化。

4.因此我们要重写他的序列化工具

导入 jackson-databind 依赖，并编写配置类 RedisTemplateConfig。

@Configuration
public class RedisTemplateConfig {@Beanpublic RedisTemplate<String, Object> redisTemplate(RedisConnectionFactory redisConnectionFactory) {// 创建 RedisTemplate 对象RedisTemplate<String, Object> redisTemplate = new RedisTemplate<>();// 设置连接工厂redisTemplate.setConnectionFactory(redisConnectionFactory);// 设置序列化工具GenericJackson2JsonRedisSerializer jsonRedisSerializer = new GenericJackson2JsonRedisSerializer();// Key 和 HashKey 采用 String 序列化（StringRedisSerializer）redisTemplate.setKeySerializer(RedisSerializer.string());redisTemplate.setHashKeySerializer(RedisSerializer.string());// Value 和 HashValue 采用 JSON 序列化（GenericJackson2JsonRedisSerializer）redisTemplate.setValueSerializer(jsonRedisSerializer);redisTemplate.setHashValueSerializer(jsonRedisSerializer);return redisTemplate;}
}

// 自动注入的 `RedisTemplate` 需要加上泛型
@Autowired
private RedisTemplate<String, Object> redisTemplate;@Test
public void test() {redisTemplate.opsForValue().set("k1", "v1");redisTemplate.opsForValue().set("user:1", new User("Jack", 21));
}

通过以上的方法能够解决数据序列化时 可读性差、内存占用大 的问题。

但是 JSON 的序列化方式仍然存在一些问题：为了反序列化时知道对象的类型，JSON 序列化器会将类的 class 类型写入 JSON 结果，存入 Redis 中，会带来额外的内存开销。

5.使用StringRedisTemplate

为了节省内存空间，Spring 提供了一个 StringRedisTemplate，它的 key 和 value 的序列化方式默认就是 String，统一使用 String 序列化器。

当需要存储 Java 对象时，手动完成对象的序列化和反序列化。

1. 使用 StringRedisTemplate。
2. 写入数据到 Redis 中，手动将对象序列化为 JSON。
3. 从 Redis 中读取数据，手动将读取到的 JSON 反序列化为对象。

@Autowired
private StringRedisTemplate stringRedisTemplate;private static final ObjectMapper objectMapper = new ObjectMapper();@Test
public void ttt() throws JsonProcessingException {User user = new User("Michael", 27);// 手动序列化String json = objectMapper.writeValueAsString(user);// 写入数据stringRedisTemplate.opsForValue().set("user:1", json);// 读取数据String data = stringRedisTemplate.opsForValue().get("user:1");// 反序列化User deserializedUser = objectMapper.readValue(data, User.class);System.out.println(deserializedUser);
}
//结果
{"username": "Michael","age": 27
}