初探redis：Docker安装redis，redis的数据结构、发布订阅
redis
redis（REmote DIctionary Server）,基于ANSI C语言编写的一个内存型NoSQL数据库（也可以持久化存储），性能极强，使用键值数据存储，提供多种语言的API。
之前的redis是单线程的（广义上来说，其实还有后台线程），因为所有命令都是串行的交给一个线程来处理，而最新的redis是支持多线程的。
redis的安装
之前使用传统的安装方式在Linux上安装redis，第一次搞得时候折腾了我几个小时。
这次就使用docker安装redis，方便快捷，
最后启动redis
通用命令
keys [pattern] 根据符号匹配查询，比如keys *查询所有
del key 删除指定key
exists key 判断key是否存在
type key 获取key的类型
expire key second 设置key的有效期，到期就删除
ttl 获取key的有效期（不存在返回-2，存在且没有有效期返回-1，否则返回剩余时间）
presist key 将有效期key转换为永久性key
五个基础数据结构
对于redis来说，key都是字符串，而value有五种基础类型。但是对于每个基础类型的数据结构，在其底层也有不同的内部编码（也就是底层的实现），就如同HashMap内部有链表和红黑树。
编码方式可以通过object encoding key 来查看
string
字符串类型，虽然是string类型，其实可以有多种类型，比如字符串、整数型。经常用于缓存，比如存储json数据等。
一个字符串类型最大不能超过512MB，这个大小通常是用不到的。字符串中数值类型也是有上限的，也就是Java中long类型的最大值（263-1，通常也是接触不到的）。
内部编码
- int：保存long类型的有符号整型，超出范围的数字则记为其他的字符串编码
- raw：保存长度大于44字节的字符串
- embstr：保存长度小于等于44字节的字符串
常见命令：
set key value 设置指定key的值
mset key1 value1 key2 value2... 批量设置key的值
get key 获取指定key的值
mget key1 key2 ... 批量获取key的值
incr key 数据类型自增1（非数据类型或超出范围会报错）
decr key 数据类型自减1
strlen key 返回指定key的字符串值的长度
hash
hash的存储类型，有些类似于Java中的HashMap结构，也就是一个哈希表结构。Hash中有field和value属性，也就是key-filed-value，可以将key-hash想象为HashMap<String，HashMap>结构。每个hash可以存储232-1个键值对。
value中只能存储string类型
内部编码
- ziplist（压缩列表）：ziplist是一种内存利用率很高的结构，是一块连续的内存块，采取的是时间换空间的思想。
- hashtable（散列表）：当ziplist中数据超过某些限制时，会转换为hashtable编码
当field-value键值对少，value长度小的时候，使用压缩列表编码（键值对默认最多512个，value默认最大长度64字节），这些阈值可以设置，当某个阈值被打破时，就会转换。
常见命令：
hset key field value 设置指定key对应的field-value键值对
hmset key field1 value1 field2 value2... 批量设置key的field-value键值对
hget key field 获取指定key的field的value
hmget key field1 field2 ... 批量获取key的field的value
hgetall key 获取key对应的所有field-value
hkeys key 获取key中的所有field
hvals key 获取ke中的所有value
hincrby key field increment 对应value增加increment
hlen key 返回指定key的字段的数量
hexists key field 判断key中是否有field字段
hdel key field 删除指定key的field
使用string也能存储对象数据（比如json），hash也能存储对象数据。不过string是整体的，要修改需要全部读取出来，修改后再写回。而hash可以针对某个字段单独修改。所以string作为缓存通常用于读操作频繁的业务，而hash常用于写操作频繁的业务。
list
列表存储结构，可以类比于Java中的Linkedlist结构，也就是一个链表结构，在list内部编码中，也有linkedlist编码。
在value为list的结构下，存放的是一个有序的链表，可存储多个节点且允许有重复的节点，节点都是string类型，在链表头部和尾部都能进行操作（类似双端队列），且list都有索引。一个列表最多有232-1个节点。
内部编码
- ziplist：元素个数默认最多512个，value默认最大长度64字节。
- linkedlist（链表）：当ziplist中数据超过某些限制时，会转换为linkedlist编码
redis3.2之后提供了quicklist的内部编码，是结合了两种编码设计出来的结构，可以看看它的详细介绍
常见命令：
lpush key value1 value2... 从左边插入每个元素
rpush key value1 value2... 从右边插入每个元素
lrange key start stop 获取列表指定范围内的元素，所有下标可以为负（列表第一个元素下标为0或-len，最后一个元素下标为len-1或-1）
lindex key index 获取指定下标的元素
llen key 获取列表长度
lrem key count value 删除list中多少个值为value的元素，count<0，从右边删除|count|个；count>0，从左边删除count个；count=0，全删除
lpop key 弹出（删除）左边第一个元素
rpop key 弹出右边第一个元素
blpop key1 key2... timeout 阻塞等待一段时间，如果有数据就立刻从左边弹出，如果没有就等待时间截至或有数据来，类似于Java的阻塞队列
blpop key1 key2... timeout 从右边阻塞弹出
set
集合Set是string类型的无序集合，可类比于Java中的HashsSet。集合中的元素都是是唯一的，不能出现重复的元素。
他的存储结构和hash相同，仅用hash中的field来存储，不使用value。可以回想一下Java中也是如此设计，HashSet的内部实现也是利用的HashMap。集合中最多可容纳的元素数量为 232 - 1。
内部编码
- intset（整数集合）：集合中的元素必须都是整数，且元素个数默认最多为512个。
- hashtable：当intset的条件不满足时，就会使用hashtable作为set内部编码。
常见命令：
集合内操作：
sadd key member1 member2... 向集合中添加元素（已存在则添加失败）
srem key member... 删除集合中的元素
smembers key 获取集合中的所有元素
scard key 获取集合元素的个数
sismember key member 判断集合中是否存在元素
srandmember key count 随机获取集合中count个元素
spop key 随机弹出一个元素
集合间操作：
sinter key1 key2 获取两个集合的交集
sunion key1 key2 获取两个集合的并集
sdiff key1 key2 获取两个集合的差集（key1和key2有顺序）
zset
zset是有序集合（sorted set），可以联想Java中的TreeSet。和set一样，不能存放相同的元素。而不同的是，每个元素的顺序交给double类型的score来控制，通过score从小到大来排序，score是可以相同的。
zset中最多存放232-1个元素。
内部编码
- ziplist：集合中的元素个数默认最多为512个，且每个元素的值默认最长为64字节。
- skiplist（跳表）：当ziplist的条件不满足时，就会使用skiplist作为zset的内部实现。
跳表是解决链表过长导致的查询效率低下的问题，采取的是空间换时间的思想。跳表的查询和更新操作可以达到O(logn)。
比如这样一个简单模拟的单向跳表，往上建立多级索引，可以快速找到某个区间范围内的元素，这也是为什么redis要用跳表来实现zset。
常见命令：
集合内操作：
zadd key score1 member1 score1 member2... 往zset中添加元素和元素对应的分数，添加相同元素会失败，但会覆盖更新score
zrank key memeber 获取某个元素的索引
zrevrank key member 获取某个元素反向排序下的索引
zscore key member 获取某个元素的分数
zincrby key increment member 给集合中某个元素的分数增加increment
zrange key start stop [withscores] 通过索引获取指定范围内的元素（和分数）
zrangebyscore key min max [withscores] [limit] 根据分数范围查询（和分数）（限制查询结果）
zrevrange key start stop [withscores] 通过索引获取指定范围内的元素（和分数），从高到低排序
zrevrangebyscore key min max [withscores] 根据分数范围查询（和分数），从高到低排序
zrem key member ... 删除指定的元素
zremrangebyrank key start stop 根据索引范围删除
zremrangebyscore min max 根据分数范围删除
zcard key 获取集合元素的个数
zcount key min max 获取分数范围内的元素个数
集合间操作：
zinterstore destination key1 key2... 将多个zset的交集存放在distination中
zunionstore destination key1 key2... 将多个zset的并集存放在distination中
高级数据类型
除了上面的基础数据结构外，redis还提供了其他的数据类型
BitMap
位图并不是redis提供的一种新型的数据结构，而是提供的操作二进制的方式。我们之前存储的string类型，在底层也是二进制数据。比如字符a，ASCII码中为97，转换为二进制就是0110 0001。
我们之前存储的最小单位都是字节，通过位图，我们就能操作更小的单位。
比如存储员工的性别，使用字节存储，M为男F为女，一个字节存储一个员工性比。
而使用位来存储，1为男0为女，1111 0000，就可以表示4个男性4个女性。这样能更加节省空间，不过数据操作更加复杂，这是时间换空间的思想。
在redis中，我们就可以通过操作bit来操作value
getbit key offset 获取key对应偏移量上的值
setbit key offset value 更新key对应偏移量上的值（1或0），比如{key1:a} setbit key1 6 1 这样key就更新为了c
bitop op destkey key1... 进行位运算，op=and、or、xor、not
bitcount key [start end] 获取指定key范围内的1的个数
HyperLogLog
HyperLogLog也不是一种新的数据结构，它的本质还是string，它的作用是用来进行基数统计，通常是统计独立用户数。
HyperLogLog可以说是一种算法，采用这种算法，利用很少的空间就能存储大量的元素数量，HyperLogLog只是计算元素基数，并不会存储数据本身。因此通常使用12kb就能存储264个不同元素的基数。不过它会有一定的误差（0.81%），对于大量的数据来说，并不精准，通常会有一定范围内的波动。
pfadd key element1 element2... 添加指定元素到hyperloglog
pfcount key... 估算给定的hyperloglog的基数值
pfmerge destkey sourcekey1 sourcekey2... 合并多个hyperloglog
Geo
Geo是基于zset的数据类型，它的作用也很单一，就是处理地理位置的计算。
比如存储几个不同的位置的坐标（经纬度），可以计算不同位置之间的距离，也可以计算某个坐标一定范围的其他坐标等。
需要处理地理位置的数据时，就可以用上这个数据类型的API。
Pipeline
redis也是基于客户端-服务器端模型，这和TCP协议有些类似，即请求/响应，客户端发出一个请求，服务器端完成命令后返回。在HTTP的长连接中就有流水线这种方式来提高服务效率，同样redis也具备这个功能，可以批量地传输命令。
如果一次传输，只携带一条命令，那么执行n条命令的时间就是：n次网络时间+n次命令时间。
而网络时间往往才是大头，因为redis的性能极强，处理一个命令的时间很短，所以我们需要减少网络时间的消耗。
redis本身提供有M命令，比如mset、mget这种一次批量处理命令，不过M命令并不能满足所有需求，pipeline的优势就体现出来了。。
比如我们要添加n条数据：
| 命令 | 时间 | 数据量 |
|---|---|---|
| n个命令 | n次网络时间+n次命令时间（Nx1） | 1次1条 |
| M命令 | 1次网络时间+1次命令时间（1xN） | 1次n条 |
| 流水线 | 1次网络时间+n次命令时间（Nx1） | 1次n条 |
不过M命令和流水线命令不同的是，M命令是限制了只有那几种M命令，是一个原子操作。
而流水线命令中，包括了各种若干个子命令，并不是原子的。
发布订阅
发布订阅是一种消息通信模式，可以类比于生产者-消费者模型，分别有这两种角色：
- 发布者：发布消息
- 订阅者：订阅消息
在redis中，有发布者、订阅者、频道。就像用阻塞队列来实现的生产者-消费者模型。
不过订阅者只能接收到订阅后的消息，订阅前的历史消息并不能收到。