前记

我们讲到redis的数据类型，需要区分另一个词，redis存储数据的数据模型,我们知道，redis作为一款key-value键值对数据库，这里讲的key-value其实指的就是redis存储数据的数据模型,所有数据都是以这种Map对象模型保存数据的，而我们今天要将的数据类型，指的是value这个值的类型。 他一共有五种，分别是string字符串、list数组、hash散列、set集合、sorted set有序集合。

key健

Redis keys are binary safe, this means that you can use any binary sequence as a key, from a string like “foo” to the content of a JPEG file. The empty string is also a valid key.

在官方文档中提到redis的key是二进制的，所以他可以是各种二进制序列，如foo，甚至是图片文件，空字符串non-string value都可以作为存储数据的key健。

String类型

string字符串，它是一个动态字符串。redis自身定义了一种简单动态字符串(SDS, simple dynamic string)，SDS里，定义了字符串的长度，用作redis的默认字符串表示。它实际上是一个带有长度信息的字节数组。（查询长度的复杂度为O(1)）

特性

1. 他存储数据的长度不能超过512M，即2^(32-1)位bit。（大家可以算算具体有多少位，因为这个位数正是下面举例bitmap运用能得以实现的前提哦）
2. string存储方式有两种，当长度小于44字节时，会使用embstr编码存储，超过44字节，则使用raw编码存储。
3. 数据可以是任何类型的字符串，数值，jpg图片，或者序列化的对象等。

常用操作

赋值给key1

1
2

127.0.0.1:6379> set key1 23 # 赋值23给key1
OK

查询key1的值

1
2

127.0.0.1:6379> get key1 # 查询key1的值
"23"

如果key1的值是数值型的，可对数值型做操作，增1

1
2

127.0.0.1:6379> incr key1 # 23+1
(integer) 24

减1

1
2

127.0.0.1:6379> decr key1  # 24-1
(integer) 23

更多操作可到官网或网络上相关博客进行查询，研究。

应用实例

string类型的应用场景很广，将我们需要存储的数据存储下来，或者运用string字符串可以是数值等格式，进行计算等。
这里列举的场景主要是bitmap的运用，因为bitmap这种操作能极大提升一些场景的效率：使用bitmap做网站的访问记录和统计。我快速地说明这里实现的思路。
另一个应用是使用bitmap实现布隆过滤法，一种可防止缓存击穿的技术。网上的质量文章太多了，这里可以发挥下自己的主观能动性，上网查查。

bitmap 位图

bitmap实际上不是一种数据类型，他是基于String类型定义的一组面向位的操作，所以它的值也只有0和1,无法进行复杂的运算，但可以作为状态记录的载体。
如果我们是一台32位机,我们用一个字来记录一个对象的状态，占据的空间就是32bit，而如果用bitmap来记录状态，32bit其实可以记录32个对象的状态。由此可见，使用bitmap可以大大减少存储空间的使用，32倍的存储差距。常用的操作指令有setbit、getbit、bitcount。

将key的偏移offset位的值设置为value

1

setbit key offset value

查询key的偏移offset位的值

1

getbit key offset

查询key的字节索引为start位到字节索引为end位之间值为1的数量，默认统计key的所有bit位值为1的数量

这里注意的是start、end是字节索引index,不是偏移值

1
2

bitcount key [start] [end]
bitcount key1 0 1 #表示统计第0个Byte到第1个Byte的所有bit位为1的总数

下面👇就是bitmap的一个结构

场景分析

有一个用户量为50万的网站，网站首页会显示当天网站用户的访问人数，在网站的每篇文章里显示当前文章的点赞数。
此处有两个需求点：

• 统计当天上线人数
• 统计文章点赞数

我们用一个key=visit:date作为我们保存日期为date的访问量，每一位的0代表某一位用户未上线，1代表上线。
当用户id为288832的用户登录时，操作：

1

setbit visit:20210411 288832 1

当我们要查询用户id为288832的用户的登录情况时,操作：

1

getbit visit:20210411 288832

当我们要查询当天网站用户的登录情况时,操作：

1

bitcount visit:20210411

同理，计算某一篇文章的点赞数的实现和上面👆的思路一样的，不再赘叙。而这里，我们可以算算一个50万用户的网站，存储这些信息，需要多大的空间

大约只需60kB的空间。

拓展与思考

这里粗略补充一下冷数据和热数据的概念。

热数据和冷数据

前面列举了统计网站用户的上线人数，文章的点赞人数等，这些数据有什么特点呢？他们都是些我们经常操作的数据，更新特别频繁的数据，包括网站的注册人数，网站的浏览人数等，每次刷新网页或者用户每次登陆都会改变它，我们把这些数据成为热数据。（我们可以很通俗地理解为很热闹的数据😝）

有热数据，自然就有冷数据，冷数据一般指的是我们系统中不频繁操作，不频繁访问的数据，如一些业务和操作的日志数据。（冷淡的数据😬）

当然数据的冷和热一定程度上应该是相对的。比如上面实例中提到的上线人数，如果是当天的，我们需要实时计算，这时它属于热数据，但是昨天的，前天的上线数据，我们并不太关心，而在数据分析时才会用上，这些就是冷数据了。

一般来说，热数据对于效率的要求很高，而redis则很大的满足了效率的要求。

下一篇，我会抽空完成【快速了解redis】五种数据类型-List篇的文章，主要是讲List在消息队列的运用，以及拓展一下：redis的单线程