Redis中ZSet灵活应用之场景分析
Redis是一款高性能的NoSQL数据库，而ZSet是Redis中常用的一种数据类型，它既可以实现有序的key-value存储，又能够实现集合操作，因此在实际的应用场景中有着广泛的应用。本文将介绍ZSet的基本原理，并结合实际场景分析其灵活应用。
一、ZSet的基本原理
Redis中的ZSet实际上就是有序集合，它是由一个无序集合和一个有序的分数列表组成的。无序集合用来存储成员，而分数列表则用来存储每个成员对应的分数。通过分数列表，ZSet可以实现成员的排序和统计，并且支持范围操作，如获取排名在某一范围内的成员、获取成员的排名等。
以下是使用Redis-cli添加ZSet的示例：
127.0.0.1:6379> ZADD zset 1 member1(integer) 1127.0.0.1:6379> ZADD zset 2 member2(integer) 1127.0.0.1:6379> ZRANGEBYSCORE zset 0 3 WITHSCORES1) "member1"2) "1"3) "member2"4) "2"
二、场景分析
1. 排行榜
ZSet在排行榜场景中的应用非常广泛，例如排名前十的用户、最高分数的用户等。在排行榜场景中，可以使用ZRANGE命令获取排名在某一范围内的成员列表，ZREVRANGE命令获取按照分数从大到小排序的前N个成员，ZSCORE命令获取某个成员的分数，ZINCRBY命令可以增加某个成员的分数。
以下是排行榜场景中使用ZSet的示例：
# 添加用户分数127.0.0.1:6379> ZADD user_scores 1000 user1(integer) 1# 增加用户分数127.0.0.1:6379> ZINCRBY user_scores 100 user1"1100"# 获取指定用户分数127.0.0.1:6379> ZSCORE user_scores user1"1100"# 获取分数排名前三十的用户127.0.0.1:6379> ZREVRANGE user_scores 0 29 WITHSCORES1) "user2"2) "2000"3) "user1"4) "1100"
2. 粉丝列表和关注列表
在社交应用场景中，ZSet可以用来实现粉丝列表和关注列表功能。用户关注其他用户时，可以将被关注用户加入关注列表，而自己则作为被关注用户加入粉丝列表。使用ZRANGE命令可以获取关注列表，使用ZREVRANGE命令可以获取粉丝列表。
以下是粉丝列表和关注列表场景中使用ZSet的示例：
# 添加关注关系127.0.0.1:6379> ZADD following:user1 1 user2(integer) 1# 获取用户关注的人127.0.0.1:6379> ZRANGE following:user1 0 -11) "user2"# 获取用户的粉丝127.0.0.1:6379> ZREVRANGE followers:user2 0 -11) "user1"
3. 秒杀活动
ZSet在秒杀活动场景中也有着广泛的应用。在秒杀活动中，为了保证唯一性，每个用户只能购买一件商品。因此，可以使用ZSet来记录已经购买的用户，使用ZADD命令将用户加入ZSet中，在添加过程中通过设置nx参数来保证唯一性，同时通过设置过期时间来限制购买时间。
以下是秒杀活动场景中使用ZSet的示例：
# 活动开始前将已经购买的用户清空127.0.0.1:6379> FLUSHALLOK# 用户A抢购商品127.0.0.1:6379> ZADD seckill:product1 1 userA nx(integer) 1# 用户B抢购商品127.0.0.1:6379> ZADD seckill:product1 1 userB nx(nil)
4. 推荐系统
在推荐系统中，ZSet也有着广泛的应用。通过将用户的浏览历史记录和喜好标签等信息加入ZSet中，可以使用ZINTERSTORE命令实现不同用户之间的交集操作，从而找到相似度高的用户或者物品，将其推荐给用户。
以下是推荐系统场景中使用ZSet的示例：
# 用户A喜好标签为music、movie127.0.0.1:6379> ZADD user1:tags 1 music(integer) 1127.0.0.1:6379> ZADD user1:tags 2 movie(integer) 1# 用户B喜好标签为music、sports127.0.0.1:6379> ZADD user2:tags 1 music(integer) 1127.0.0.1:6379> ZADD user2:tags 3 sports(integer) 1# 找出喜好标签与用户A相似的用户127.0.0.1:6379> ZINTERSTORE similar_users 2 user1:tags user2:tags WEIGHTS 1 1(integer) 1# 获取喜好标签与用户A相似的前十个用户127.0.0.1:6379> ZREVRANGE similar_users 0 9 WITHSCORES1) "user2"2) "1"``` Redis中的ZSet是一种非常实用的数据类型，本文针对四个场景分别介绍了其灵活应用。在实际应用中，不同的场景需要根据具体情况灵活选择ZSet的命令来实现对数据的操作。
香港服务器首选树叶云，2H2G首月10元开通。树叶云（www.IDC.Net）提供简单好用，价格厚道的香港/美国云 服务器 和独立服务器。IDC+ISP+ICP资质。ARIN和APNIC会员。成熟技术团队15年行业经验。
Redis有哪些数据结构？
Redis有五种结构：1、String可以是字符串，整数或者浮点数，对整个字符串或者字符串中的一部分执行操作，对整个整数或者浮点执行自增(increment)或者自减(decrement)操作。 字符串命令：①get、获取存储在指定键中的值②set、设置存储在指定键中的值③del、删除存储在指定键中的值（这个命令可以用于所有的类型）2、list一个链表，链表上的每个节点都包含了一个字符串，虫链表的两端推入或者弹出元素，根据偏移量对链表进行修剪(trim)，读取单个或者多个元素，根据值查找或者移除元素。 列表命令：①rpush、将给定值推入列表的右端②lrange、获取列表在指定范围上的所有值③lindex、获取列表在指定范围上的单个元素④lpop、从列表的左端弹出一个值，并返回被弹出的值3、set包含字符串的无序收集器(unordered collection)、并且被包含的每个字符串都是独一无二的。 添加，获取，移除单个元素，检查一个元素是否存在于集合中，计算交集，并集，差集，从集合里面随机获取元素。 集合命令：①sadd、将给定元素添加到集合②smembers、返回集合包含的所有元素③sismember、检查指定元素是否存在于集合中④srem、检查指定元素是否存在于集合中，那么移除这个元素4、hash包含键值对无序散列表，添加，获取，移除当键值对，获取所有键值对。 散列命令：①hset、在散列里面关联起指定的键值对②hget、获取指定散列键的值③hgetall、获取散列包含的所有键值对④hdel、如果给定键存在于散列里面，那么移除这个键5、zset字符串成员(member)与浮点数分值(score)之间的有序映射，元素的排列顺序由分值的大小决定。 添加，获取，删除单个元素，根据分值范围(range)或者成员来获取元素。 有序集合命令：①zadd、将一个带有给定分值的成员添加到有序集合里面②zrange、根据元素在有序排列中所处的位置，从有序集合里面获取多个元素③zrangebyscore、获取有序集合在给定分值范围内的所有元素④zrem、如果指定成员存在于有序集合中，那么移除这个成员
启动spring boot报错，怎么解决
【解决办法】需要在启动类的@EnableAutoconfiguration或@SpringBootApplication中添加exclude = {}，排除此类的autoconfig。 启动以后就可以正常运行。 【原因】这个原因是maven依赖包冲突，有重复的依赖。 【Spring Boot】Spring Boot是由Pivotal团队提供的全新框架，其设计目的是用来简化新Spring应用的初始搭建以及开发过程。 该框架使用了特定的方式来进行配置，从而使开发人员不再需要定义样板化的配置。 通过这种方式，Spring Boot致力于在蓬勃发展的快速应用开发领域(rapid application development)成为领导者。
memcached和redis的区别
medis与Memcached的区别传统MySQL+ Memcached架构遇到的问题 实际MySQL是适合进行海量数据存储的，通过Memcached将热点数据加载到cache，加速访问，很多公司都曾经使用过这样的架构，但随着业务数据量的不断增加，和访问量的持续增长，我们遇到了很多问题： 需要不断进行拆库拆表，Memcached也需不断跟着扩容，扩容和维护工作占据大量开发时间。 与MySQL数据库数据一致性问题。 数据命中率低或down机，大量访问直接穿透到DB，MySQL无法支撑。 4.跨机房cache同步问题。 众多NoSQL百花齐放，如何选择 最近几年，业界不断涌现出很多各种各样的NoSQL产品，那么如何才能正确地使用好这些产品，最大化地发挥其长处，是我们需要深入研究和思考的问题，实际归根结底最重要的是了解这些产品的定位，并且了解到每款产品的tradeoffs，在实际应用中做到扬长避短，总体上这些NoSQL主要用于解决以下几种问题 1.少量数据存储，高速读写访问。 此类产品通过数据全部in-momery 的方式来保证高速访问，同时提供数据落地的功能，实际这正是Redis最主要的适用场景。 2.海量数据存储，分布式系统支持，数据一致性保证，方便的集群节点添加/删除。 3.这方面最具代表性的是dynamo和bigtable 2篇论文所阐述的思路。 前者是一个完全无中心的设计，节点之间通过gossip方式传递集群信息，数据保证最终一致性，后者是一个中心化的方案设计，通过类似一个分布式锁服务来保证强一致性,数据写入先写内存和redo log，然后定期compat归并到磁盘上，将随机写优化为顺序写，提高写入性能。 free，auto-sharding等。 比如目前常见的一些文档数据库都是支持schema-free的，直接存储JSON格式数据，并且支持auto-sharding等功能，比如mongodb。 面对这些不同类型的NoSQL产品,我们需要根据我们的业务场景选择最合适的产品。 Redis适用场景，如何正确的使用 前面已经分析过，Redis最适合所有数据in-momory的场景，虽然Redis也提供持久化功能，但实际更多的是一个disk-backed的功能，跟传统意义上的持久化有比较大的差别，那么可能大家就会有疑问，似乎Redis更像一个加强版的Memcached，那么何时使用Memcached,何时使用Redis呢?如果简单地比较Redis与Memcached的区别，大多数都会得到以下观点： 1Redis不仅仅支持简单的k/v类型的数据，同时还提供list，set，zset，hash等数据结构的存储。 2Redis支持数据的备份，即master-slave模式的数据备份。 3Redis支持数据的持久化，可以将内存中的数据保持在磁盘中，重启的时候可以再次加载进行使用。 抛开这些，可以深入到Redis内部构造去观察更加本质的区别，理解Redis的设计。 在Redis中，并不是所有的数据都一直存储在内存中的。 这是和Memcached相比一个最大的区别。 Redis只会缓存所有的 key的信息，如果Redis发现内存的使用量超过了某一个阀值，将触发swap的操作，Redis根据“swappability = age*log(size_in_memory)”计 算出哪些key对应的value需要swap到磁盘。 然后再将这些key对应的value持久化到磁盘中，同时在内存中清除。 这种特性使得Redis可以 保持超过其机器本身内存大小的数据。 当然，机器本身的内存必须要能够保持所有的key，毕竟这些数据是不会进行swap操作的。 同时由于Redis将内存 中的数据swap到磁盘中的时候，提供服务的主线程和进行swap操作的子线程会共享这部分内存，所以如果更新需要swap的数据，Redis将阻塞这个 操作，直到子线程完成swap操作后才可以进行修改。 使用Redis特有内存模型前后的情况对比： VM off: 300k keys, 4096 bytes values: 1.3G used VM on:300k keys, 4096 bytes values: 73M used VM off: 1 million keys, 256 bytes values: 430.12M used VM on:1 million keys, 256 bytes values: 160.09M used VM on:1 million keys, values as large as you want, still: 160.09M used当 从Redis中读取数据的时候，如果读取的key对应的value不在内存中，那么Redis就需要从swap文件中加载相应数据，然后再返回给请求方。 这里就存在一个I/O线程池的问题。 在默认的情况下，Redis会出现阻塞，即完成所有的swap文件加载后才会相应。 这种策略在客户端的数量较小，进行 批量操作的时候比较合适。 但是如果将Redis应用在一个大型的网站应用程序中，这显然是无法满足大并发的情况的。 所以Redis运行我们设置I/O线程 池的大小，对需要从swap文件中加载相应数据的读取请求进行并发操作，减少阻塞的时间。 如果希望在海量数据的环境中使用好Redis，我相信理解Redis的内存设计和阻塞的情况是不可缺少的。
发表评论