制作一个有用户网站长沙百度百科

redis每种数据结构的应用场景

1. 字符串 (String)

• 应用场景 ：

  • 缓存：存储频繁访问的数据，如网页缓存、会话信息等。
  • 计数器：实现统计和计数功能，如访问计数、统计数据等。
  • 键值存储：简单的键值对存储，如用户配置信息、配置参数等。
  • 消息队列：使用 SET 和 GET 命令快速传递消息。

2. 哈希 (Hash)

• 应用场景
  • 对象存储：将复杂的数据对象存储为哈希结构，如用户信息、商品详情等。
  • 分组数据：组织和管理相关数据，如用户的属性信息、订单的各个字段等。
  • 小型数据集：适用于存储少量字段的对象，并且可以通过字段名快速访问。

3. 列表 (List)

• 应用场景
  • 消息队列：使用 LPUSH 和 BRPOP 命令实现队列功能，如任务队列、消息队列等。
  • 时间序列数据：存储有序的数据集合，如日志记录、时间序列数据等。
  • 历史记录：实现浏览记录、聊天记录等有序历史记录的功能。

4. 集合 (Set)

• 应用场景
  • 去重：使用集合的唯一性特征存储唯一元素，如用户标签、兴趣爱好等。
  • 集合运算：实现交集、并集、差集等操作，如推荐系统中的用户兴趣分析。
  • 成员管理：管理具有独特属性的集合，如社交网络中的好友列表等。

5. 有序集合 (Sorted Set)

• 应用场景
  • 排行榜：实现游戏中的排行榜、网站的热度榜单等，支持按分数排序和范围查询。
  • 时间序列数据：按时间戳排序的数据，如实时数据流、日志记录等。
  • 任务调度：按优先级调度任务，支持根据分数快速排序和检索。

6. 位图 (Bitmap)

• 应用场景
  • 统计分析：实现高效的布尔标记，如用户签到、活跃度统计等。
  • 压缩存储：节省存储空间，适用于大规模的数据集，如用户活跃状态的标记。
  • 位操作：进行快速的位级操作，如每日活跃用户统计。

7. 超日志 (HyperLogLog)

• 应用场景
  • 去重计数：实现大规模数据的基数统计，如唯一访客数、独立用户数等。
  • 数据分析：进行大数据量的统计分析，减少内存占用。

8. 地理空间索引 (Geo)

• 应用场景
  • 地理定位：存储地理位置数据，进行距离计算、位置查询等功能。
  • 位置服务：实现位置相关的服务，如附近的商家、用户位置跟踪等。

9. 流 (Stream)

• 应用场景
  • 日志记录：实时记录和处理日志数据，如系统日志、用户活动日志等。
  • 事件流处理：处理和分析实时事件流，如用户行为数据、传感器数据等。
  • 消息队列：实现高吞吐量的消息队列，支持持久化和消息消费。

十五、Redis.conf详解

redis配置文件

十六、Redis持久化

1、rdb：redis database

快照

dump.rdb文件

触发机制

1. save的规则满足会触发rdb规则
2. flushall清空会默认产生一个rdb文件
3. 退出redis，也会产生rdb文件

备份就自动生成一个dump.rdb文件

如何恢复

1. 只要把rdb文件放到redis启动目录下就可以了
2. 查看需要存放的位置:

 config get dir

优点：

1. 适合大规模的数据恢复
2. 对数据的完整性要求不高

缺点：

1. 需要一定的时间间隔进行操作，如果redis意外宕机了，这个最后一次修改数据就没有的了
2. fork进程的时候，会占用一定的内存空间

2、aof：append only file

appendonly.aof

记录所有写的操作。默认不开启，要手动配置。

重启redis就能生效。

如果这个aof文件有错误，这时候redis是启动不起来的，我们需要修复这个文件。

redis提供了一个工具：redis-check-aof --fix

如果文件正常，重启就可以直接恢复了

appendonly no 
appendfilename "appendonly.aof"
appendfsync everysec   #每秒执行一次
#rewrite 重写 

优点：

1. 每一次修改都同步，文件的完整会更加好
2. 每秒同步一次，可能会丢失一秒的数据
3. 从不同步，效率最高

缺点：

1. 相对于数据文件来说，aof远远打于rdb，修复的速度也比rdb慢
2. aof运行效率也比rdb慢，所以我们redis默认配置的就是rdb持久化