啧啧，面试官又开始为难人了，Redis做缓存难道不香吗，非要问我还能做什么。当代孔乙己有木有，非要问茴香豆中“茴”字的四种写法。吐槽完毕，接下来咱们好好研究研究“Redis还能做什么”，争取在下次面试的时候秒他。

### 1、登录鉴权用户登录鉴权，以及对应的登录验证码或token到期失效，是系统最为常见的功能之一。而Redis key的超时失效功能，则非常适合于这种业务场景。

对应操作如下： ``` redis> setex captchalogin|13436669876 60 3456 "OK" redis> get captchalogin|13436669876 "3456" redis> get captchalogin|13436669876 (nil) redis> setex tokencheck|12345 86400 54321 "OK" redis> get tokencheck|12345 "54321" ``` 以上实现场景为：（1）系统登录场景，用户输入手机号后，点击发送短信验证码，通过Redis存储前缀 + 手机号作为key，验证码作为value，并设置60秒过期时间。（2）用户在60秒内进行登录验证，则可以从Redis中获取到验证码，验证相同则登录成功，超过60秒则获取不到验证码值，登录失败。（3）用户登录后生成token，Redis存储前缀 + token作为key，用户ID作为value，并设置为一天过期。（4）接下来可以通过token进行鉴权，并获取对应的用户ID。 ### 2、计数器计数器是一种非常常见的业务场景，类似于知乎的帖子点赞、收藏，电商的库存扣减等。但在高并发场景下，用MySQL数据库去硬扛这种读写压力是比较吃力的，Redis的INCR、DECR、INCRBY、DECRBY相关命令，则恰好解决了这个问题。我们以知乎点赞场景进行举例：

对应操作如下： ``` redis> set article1 0 //初始化，将article1的点赞数设置为0 "OK" redis> incr article1 //article1被点赞一次 (integer) 1 redis> decr article1 //article1被取消点赞一次 (integer) 0 redis> incrby article1 2 //通过incrby，可以实现article1被点赞N次 (integer) 2 redis> decrby article1 2 //通过decrby，可以实现article1被取消点赞N次 (integer) 0 ``` ### 3、粉丝关注粉丝关注场景本身还好，但涉及到计算共同粉丝，单方粉丝之类的会比较麻烦，这时就轮到Redis Set数据类型粉墨登场了。 Set是一个无序的天然去重的集合，即：Key-Set。此外，Set还提供了求交集、求并集等一系列直接操作集合的方法，非常适合于求共同或单方好友、粉丝、爱好之类的业务场景，实现起来特别方便。

对应操作如下： ``` redis> SADD Tony Mary //Mary成为了Tony的粉丝 (integer) 1 redis> SADD Tony Lynn //Lynn成为了Tony的粉丝 (integer) 1 redis> SMEMBERS Tony //Tony的粉丝列表 1) "Mary" 2) "Lynn" redis> SADD Tom Mary //Mary成为了Tom的粉丝 (integer) 1 redis> SADD Tom Eric //Eric成为了Tom的粉丝 (integer) 1 redis> SMEMBERS Tom //Tom的粉丝列表 1) "Mary" 2) "Eric" redis> SINTER Tony Tom //Tony和Tom的共同粉丝 1) "Mary" redis> SUNION Tony Tom //Tony和Tom的所有粉丝 1) "Mary" 2) "Lynn" 3) "Eric" redis> SDIFF Tony Tom //Tony的粉丝，但不是Tom的粉丝 1) "Lynn" redis> SDIFF Tom Tony //Tom的粉丝，但不是Tony的粉丝 1) "Eric" ``` ### 4、排行榜 Zset（SortedSet），是Set的可排序版，是通过增加一个排序属性score来实现的，适用于排行榜和时间线之类的业务场景，且在高并发场景下具备非常优秀的性能。 ZSet在排行榜场景中，具备高性能的原因有二： - 用空间换时间的预计算思想。 - 优秀的底层数据结构，通过skiplist（跳表）+ dict（哈希表）+ listpack实现的。

对应操作如下： ``` redis> ZADD 家电全品类 5.5 海尔 //添加了海尔电器和5.5亿销售额 (integer) 1 redis> ZADD 家电全品类 4.5 美的 //添加了美的电器和4.5亿销售额 (integer) 1 redis> ZADD 家电全品类 3.2 小米 //添加了小米电器和3.2亿销售额 (integer) 1 redis> ZADD 家电全品类 2.7 格力 //添加了格力电器和2.7亿销售额 (integer) 1 redis> ZCARD 家电全品类 //家电全品类的数量 (integer) 4 redis> ZSCORE 家电全品类格力 //获取格力的销售额 "2.7" redis> ZREVRANGE 家电全品类 0 -1 WITHSCORES //家电全品类的倒序输出 1) "海尔" 2) "5.5" 3) "美的" 4) "4.5" 5) "小米" 6) "3.2" 7) "格力" 8) "2.7" redis> ZRANGE 家电全品类 0 -1 WITHSCORES //家电全品类的正序输出 1) "格力" 2) "2.7" 3) "小米" 4) "3.2" 5) "美的" 6) "4.5" 7) "海尔" 8) "5.5" redis> ZINCRBY 家电全品类 2.2 格力 //为格力增加2.2亿销售额 "4.9" redis> ZREVRANGE 家电全品类 0 -1 WITHSCORES //增加销售额后的排行榜变化 1) "海尔" 2) "5.5" 3) "格力" 4) "4.9" 5) "美的" 6) "4.5" 7) "小米" 8) "3.2" ``` ### 5、防刷防刷：用户在极短时间内，频繁发起请求去调用系统中的某个接口，该情况下我们需要对其进行限制。举例如下：我们限制用户每秒钟只能下单一次，若用户在一秒钟内连续三次下单，这时只有第一个下单是成功的，其他两个我们会通过Redis的过期时间机制，对其进行限制。

对应操作如下： ``` redis> set createorder|userid|1234 “” EX 1 NX //userid为1234的用户第一次下单成功，设置一秒钟过期时间 "OK" redis> set createorder|userid|1234 “” EX 1 NX //userid为1234的用户一秒钟内第二次下单，结果不成功 (nil) redis> set createorder|userid|1234 “” EX 1 NX //userid为1234的用户超过一秒钟再次下单，结果成功 "OK" ``` ### 6、消息队列 Redis可以通过list数据结构实现消息队列的功能，这样可以在电商秒杀，或者在线教育集中约课等高并发写场景下，提供消峰功能。

对应操作如下： ``` redis> lpush mybooks java //往mybooks list中填充java，实现生产者功能 (integer) 1 redis> lpush mybooks mysql //往mybooks list中填充mysql，实现生产者功能 (integer) 2 redis> lpush mybooks redis //往mybooks list中填充redis，实现生产者功能 (integer) 3 redis> rpop mybooks //往mybooks list中取出java，实现消费者功能 "java" redis> rpop mybooks //往mybooks list中取出mysql，实现消费者功能 "mysql" redis> rpop mybooks //往mybooks list中取出redis，实现消费者功能 "redis" ``` ### 7、浏览器历史记录每当我们访问一个新的网页，浏览器就会自动存储下来，当我们点击“后退”按钮时，最近一次访问的网页就会展示出来。我们可以通过Redis list来实现栈功能，进而实现浏览器历史记录场景。

对应操作如下： ``` redis> lpush mybrowser sohu //浏览sohu (integer) 1 redis> lpush mybrowser sina //浏览sina (integer) 2 redis> lpush mybrowser baidu //浏览baidu (integer) 3 redis> lpop mybrowser //后退 "baidu" redis> lpop mybrowser //后退 "sina" redis> lpop mybrowser //后退 "sohu" ``` ### 8、分布式锁单机模式下，我们可以用synchronized来轻松实现锁机制，但在分布式集群场景下，则需要用分布式锁来代替synchronized。通过Redis来实现分布式锁，是一种非常高效的方式。

对应操作如下： ``` redis> set mytasklock “tony” ex 10 nx //获取分布式锁成功，加锁人为tony，过期时间为10秒 "OK" redis> set mytasklock “tom” ex 10 nx //获取分布式锁失败，加锁人为tom (nil) redis> del mytasklock //释放分布式锁 (integer) 1 //该步骤需要通过lua脚本实现原子性操作——“如果加锁人为tony，则释放锁” ``` 当然，目前主流的分布式锁解决方案是通过Redisson来实现的，相比于上述方案，Redisson解决了锁的可重入和续期问题。 ### 9、用户签到用户签到、用户出勤、当天活跃用户等场景，虽然我们用Redis Set数据结构也可以实现，但用户量级庞大的情况下，会极大占用内存空间。这种情况下，非常适合Redis BitMap数据结构，通过其bit位来进行状态存储。

对应操作如下： ``` redis> setbit userid|1234|202312 0 1 //用户1234，在2023年12月1日签到（偏移量从0开始，所以减1） (integer) 0 redis> setbit userid|1234|202312 1 1 //用户1234，在2023年12月2日签到 (integer) 0 redis> setbit userid|1234|202312 3 1 //用户1234，在2023年12月4日签到 (integer) 0 redis> getbit userid|1234|202312 3 //查询用户1234，在2023年12月4日是否签到 (integer) 1 redis> getbit userid|1234|202312 2 //查询用户1234，在2023年12月3日是否签到 (integer) 0 redis> bitcount userid|1234|202312 //查询用户1234，在2023年12月的签到天数 (integer) 3 ``` ### 10、网站UV统计假设如下场景，某大型网站需要统计每个网页每天的UV（Unique Visitor）数据，与PV（Page View）的不同点在于，UV需要进行去重操作，同一个用户一天内的多次访问一个网页，只能计数一次。如果我们通过Redis Set存储用户ID的方式进行解决，非常耗费内存空间。这时，我们可以使用HyperLogLog。 Redis HyperLogLog 提供不精确的去重计数方案，标准误差是 0.81%，但仅仅占用12k的内存空间，非常适用于大型网站UV统计这种空间消耗巨大，但数据不需要特别精确的业务场景。

对应操作如下： ``` redis> pfadd page1 user1 //user1访问page1，uv计数+1 (integer) 1 redis> pfadd page1 user1 //user1再次访问page1，uv不计数 (integer) 0 redis> pfadd page1 user2 //user2访问page1，uv计数+1 (integer) 1 redis> pfadd page1 user3 //user3访问page1，uv计数+1 (integer) 1 redis> pfadd page1 user4 //user4访问page1，uv计数+1 (integer) 1 redis> pfcount page1 //获取page1的uv (integer) 4 redis> pfadd page2 user1 //user1访问page2，uv计数+1 (integer) 1 redis> pfadd page2 user5 //user5访问page2，uv计数+1 (integer) 1 redis> pfadd page2 user6 //user6访问page2，uv计数+1 (integer) 1 redis> pfcount page2 //获取page2的uv (integer) 3 redis> pfmerge page1and2 page1 page2 //将page1和page2merge成一个 "OK" redis> pfcount page1and2 //获取page1and2的uv (integer) 6 ``` ### 结语把上述10种Redis适用场景都记下来，以后再遇到这个面试题，秀一把自己，我想面试官会颤抖的。另外，如果大家需要这类面试资料，可私信我无套路领取。