集合型別（set）
sadd key element #向集合key新增element（如果element存在，新增失敗） o(1)
srem key element #從集合中的element移除掉 o(1)
scard key #計算集合大小
sismember key element #判斷element是否在集合中
srandmember key count #從集合中隨機取出count個元素，不會破壞集合中的元素 (抽獎)
spop key #從集合中隨機彈出一個元素
smembers key #獲取集合中所有元素 ，無序，小心使用，會阻塞住
sdiff user:1:follow user:2:follow #計算user:1:follow和user:2:follow的差集
sinter user:1:follow user:2:follow #計算user:1:follow和user:2:follow的交集
sunion user:1:follow user:2:follow #計算user:1:follow和user:2:follow的並集
sdiff|sinter|suion + store destkey... #將差集，交集，並集結果儲存在destkey集合中
sdiffstore xxx number1 number2
SUNIONSTORE myset myset1 myset2
### 總結
### 實戰
抽獎系統 ：透過spop來彈出使用者的id，活動取消，直接刪除
點贊，點踩，喜歡等，使用者如果點了贊，就把使用者id放到該條記錄的集合中
標籤：給使用者/文章等新增標籤，sadd user:1:tags 標籤1 標籤2 標籤3
給標籤新增使用者，關注該標籤的人有哪些
共同好友：集合間的操作
# 總結4
sadd:可以做標籤相關
spop/srandmember:可以做隨機數相關
sadd/sinter：社交相關
有序集合(zset)
#### 特點 有一個分值欄位，來保證順序
key score value
user:ranking 1 lqz
user:ranking 99 lqz2
user:ranking 88 lqz3
#集合有序集合
集合：無重複元素，無序，element
有序集合：無重複元素，有序，element+score
#列表和有序集合
列表：可以重複，有序，element
有序集合：無重複元素，有序，element+score
# API使用 zset
zadd key score element #score可以重複，可以多個同時新增，element不能重複 o(logN)
zrem key element #刪除元素，可以多個同時刪除 o(1)
zscore key element #獲取元素的分數 o(1)
zincrby key increScore element #增加或減少元素的分數 o(1)
zcard key #返回元素總個數 o(1)
zrank key element #返回element元素的排名（從小到大排）
zrange key 0 -1 #返回排名，不帶分數 o(log(n)+m) n是元素個數，m是要獲取的值
zrange player:rank 0 -1 withscores #返回排名，帶分數
zrangebyscore key minScore maxScore #返回指定分數範圍內的升序元素 o(log(n)+m) n是元素個數，m是要獲取的值
zrangebyscore user:1:ranking 90 210 withscores #獲取90分到210分的元素
zcount key minScore maxScore #返回有序集合內在指定分數範圍內的個數 o(log(n)+m)
zremrangebyrank key start end #刪除指定排名內的升序元素 o(log(n)+m)
zremrangebyrank user:1:rangking 1 2 #刪除升序排名中1到2的元素
zremrangebyscore key minScore maxScore #刪除指定分數內的升序元素 o(log(n)+m)
zremrangebyscore user:1:ranking 90 210 #刪除分數90到210之間的元素
# 其他操作
zrevrank #從高到低排序
zrevrange #從高到低排序取一定範圍
zrevrangebyscore #返回指定分數範圍內的降序元素
zinterstore #對兩個有序集合交集
zunionstore #對兩個有序集合求並集
# 實戰
排行榜：音樂排行榜，銷售榜，關注榜，遊戲排行榜
慢查詢（排查reids慢的問題）
# MySQL 中的 7 種日誌介紹
# 生命週期
客戶端編寫命令 get name---》透過網路 ---》到服務端---》服務端執行命令【查詢，修改。。】---》返回資料透過網路返回給客戶端
我們配置一個時間，如果查詢時間超過了我們設定的時間，我們就認為這是一個慢查詢.
慢查詢發生在第三階段
客戶端超時不一定慢查詢，但慢查詢是客戶端超時的一個可能因素
# 兩個配置 配置慢查詢
-只要是超過慢查詢時間的命令，都會被記錄
-後期透過記錄分析，哪些命令是慢的，儘量在生成環境中避免
-慢查詢是一個佇列，裡面記錄了，超過你設定時間的命令
- 透過兩個配置：
slowlog-log-slower-than 慢於多少微秒的都會被記錄
slowlog-max-len 佇列長度是多少
-配置檔案直接配置
# 設定記錄所有命令
config set slowlog-log-slower-than 0
# 最多記錄100條
config set slowlog-max-len 100
# 持久化到本地配置檔案
config rewrite
-檢視慢查詢佇列
slowlog get 100
slowlog len #獲取慢查詢佇列長度
slowlog reset #清空慢查詢佇列
# 總結：
開啟慢查詢記錄後---》只要超過某個時間的命令，都會被記錄到慢查詢佇列中
後期我們可以透過慢查詢佇列中的命令，最佳化程式，提高redis使用效率
pipline與事務
# redis 其實不支援事務，但是可以透過pipline來模擬事務，pipline只支援單例項redis，如果做叢集，沒有pipiline
# redis 支援事務嗎？
不支援，可以透過pipline實現，但是叢集環境不能用pipline
### python客戶端實現
import redis
pool = redis.ConnectionPool(host='10.0.0.111', port=6379)
r = redis.Redis(connection_pool=pool)
# pipe = r.pipeline(transaction=False)
#建立pipeline
pipe = r.pipeline(transaction=True)
#開啟事務
pipe.multi()
pipe.set('name', 'lqz')
#其他程式碼，可能出異常
pipe.set('role', 'nb')
pipe.execute()
####### 原生redis操作，模擬事務##########
# 0 開啟兩個客戶端
# 在第一個客戶端執行 mutil 開啟事務，放到管道中一次性執行
multi # 開啟事務
set name lqz
set age 18
exec
# 在第二個客戶端去查詢，如果第一個客戶端沒有執行exec ，查詢不到第一個事務未提交的資料
# 隔離級別---》讀已提交級別
########## 原生redis 透過watch+pipline(multi) 模擬樂觀鎖##########
### 0 開啟兩個客戶端
### 1 第一個客戶端上 在開啟事務之前，先watch
wathc age # 看了一眼，是10
multi
decr age # 它有可能被別人操作了
exec
# 另一臺機器
multi
decr age
exec # 先執行，上面的執行就會失敗(樂觀鎖，被wathc的事務不會執行成功)
#### 整合到python專案中實現基於redis利用redis的樂觀鎖，實現秒殺系統的資料同步（基於watch實現），
import redis
from threading import Thread
def choose(name, conn):
# conn.set('count',10)
with conn.pipeline() as pipe:
# 先監視，自己的值沒有被修改過
conn.watch('count')
# 事務開始
pipe.multi()
old_count = conn.get('count')
count = int(old_count)
# input('我考慮一下')
# time.sleep(random.randint(1, 2))
if count > 0: # 有庫存
pipe.set('count', count - 1)
# 執行，把所有命令一次性推送過去
ret = pipe.execute()
print(ret)
if len(ret) > 0:
print('第%s個人搶購成功' % name)
else:
print('第%s個人搶購失敗' % name)
if __name__ == '__main__':
conn = redis.Redis(host='10.0.0.111', port=6379,password='654321')
for i in range(100):
t = Thread(target=choose, args=(i, conn))
t.start()
釋出訂閱
# 釋出者釋出了訊息，所有的訂閱者都可以收到，就是生產者消費者模型（後訂閱了，無法獲取歷史訊息）
# 如果是訊息佇列
生產者生產了一條訊息---》只會有一個消費者消費
# 如果是釋出定義---》釋出訂閱---》觀察者模式
生產者生產了一條訊息---》所有訂閱生產者的消費者都會收到訊息
# 實際操作
-釋出者釋出訊息
publish channel01 "hello world"
-訂閱者01訂閱頻道 channel01
subscribe channel01
-訂閱者02訂閱頻道 channel01
subscribe channel01
# 實際用途
-只要設計到，一個人發生變化，其他人都收到通知的情況，就可以使用釋出訂閱
-如何用，python？
員工1 ，員工2 關注了 張三
張三傳送一篇文章---》文章儲存到資料庫了---》訊號繫結一個函式--》在函式中釋出訊息
conn.publish('user_zhangsan_new_article','文章id')
啟動一個程式---》等待別人釋出訊息---》只要別人釋出了訊息---》取出頻道--》去mysql檢視哪些員工訂閱了這個頻道---[員工1 ，員工2]--->發郵件通知
bitmap
# 操作位元位
c i g
01100011 01101001 01100111
set hello big #放入key位hello 值為big的字串
getbit hello 0 #取點陣圖的第0個位置，返回0
getbit hello 1 #取點陣圖的第1個位置，返回1 如上圖
# 我們可以直接操縱位
setbit key offset value #給點陣圖指定索引設定值
setbit hello 7 1 #把hello的第7個位置設為1 這樣，big就變成了cig
# 獨立使用者統計---》統計日活---》使用者量足夠大--》節約記憶體
-10億使用者 使用者id1 2 3 10億
-統計日活，只要使用者登入，只要使用者登入，就把使用者id放到集合中
-晚上只需要統計一下 集合大小---》就能統計出日活
-使用集合儲存---》1--》32位--》1億使用者 5千萬左右---》需要 200MB空間
int8個位元位表示範圍 -128--127之間
int16
int32 個位元位表示範圍 -2的31次方---2的31次方 2147483648
-使用點陣圖---》12.5MB空間
HyperLogLog
基於HyperLogLog演算法：極小的空間完成獨立數量統計,極小記憶體實現去重
pfadd urls "www.baidu.com" "www.cnblogs.com" "www.lqz.com"
pfcount urls
pfadd urls 值 # 返回0表示在，返回1 表示不在
# 總結
百萬級別獨立使用者統計，百萬條資料只佔15k
錯誤率 0.81%
無法取出單條資料，只能統計個數
geo
# GEO（地理資訊定位）：儲存經緯度，計算兩地距離，範圍等
# 經緯度如何獲取？
-不是後端做的
-手機端---》手機有定位--》申請了定位---》手機端能拿到經緯度---》提供介面--->提交到後端
-web端---》js獲取經緯度---》提供介面---》提交到後端
# 後端只需要儲存
geoadd key longitude latitude member #增加地理位置資訊
geoadd cities:locations 116.28 39.55 beijing #把北京地理資訊天津到cities:locations中
geoadd cities:locations 117.12 39.08 tianjin
geoadd cities:locations 114.29 38.02 shijiazhuang
geoadd cities:locations 118.01 39.38 tangshan
geoadd cities:locations 115.29 38.51 baoding
# 統計兩個經緯度距離
geodist cities:locations beijing baoding km
# 統計北京方圓 100公里內的城市
georadiusbymember cities:locations beijing 100 km