redis学习笔记（六）
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。
- 消息队列：使用
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
- save的规则满足会触发rdb规则
- flushall清空会默认产生一个rdb文件
- 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
- 只要把rdb文件放到redis启动目录下就可以了
- 查看需要存放的位置:
config get dir
优点：
- 适合大规模的数据恢复
- 对数据的完整性要求不高
缺点：
- 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
- 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：
- 每一次修改都同步，文件的完整会更加好
- 每秒同步一次，可能会丢失一秒的数据
- 从不同步，效率最高
缺点：
- 相对于数据文件来说，aof远远打于rdb，修复的速度也比rdb慢
- 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
原文地址：https://blog.csdn.net/m0_63783672/article/details/142387156
免责声明：本站文章内容转载自网络资源，如本站内容侵犯了原著者的合法权益，可联系本站删除。更多内容请关注自学内容网（zxcms.com）！