API详解

Redis是基于内存的键值存储，支持多种数据结构，采用单线程非阻塞I/O实现高性能，提供RDB/AOF持久化，适用于缓存、消息队列及实时数据处理。

一、Redis 基础概念

0. 数据结构 Redis 支持以下核心数据结构：

   • String：字符串（文本、二进制数据、整数/浮点数）
   • Hash：键值对集合（适合存储对象）
   • List：有序元素集合（可重复）
   • Set：无序唯一元素集合
   • Sorted Set：有序唯一元素集合（按分值排序）
   • Stream：日志型数据结构（用于消息队列）
   • Bitmaps：基于字符串的位操作，节省内存（如用户签到统计）
   • HyperLogLog：基数统计（近似去重，误差率约 0.81%）
   • Geospatial (GEO) ：地理位置坐标（存储、计算距离）
   • JSON（需 Redis Stack）：支持 JSON 格式数据

1. 单线程模型 Redis 使用单线程处理命令，通过非阻塞 I/O 实现高并发。

2. 持久化

   • RDB：快照持久化（默认）。
   • AOF：追加日志文件持久化（更安全）。

---

二、安装与连接

1. 安装 Redis

# Linux (Ubuntu)
sudo apt-get install redis-server
​
# MacOS
brew install redis
​
# 启动 Redis 服务
redis-server

2. 连接 Redis

# 命令行客户端（Redis Shell）
redis-cli
​
# 测试连接
PING  # 返回 "PONG"
​
# Redis Shell 高级功能
redis-cli --scan --pattern "user:*"  # 模式匹配键
redis-cli --latency                  # 查看延迟
redis-cli --bigkeys                  # 分析大 Key

---

三、核心 API 详解

1. 通用命令

• 键管理：

  KEYS *          # 匹配所有键（生产环境慎用）
  DEL key         # 删除键
  EXISTS key      # 判断键是否存在
  EXPIRE key 10   # 设置键过期时间（秒）
  TTL key         # 查看剩余过期时间
  TYPE key        # 查看键的数据类型
  

• 慢查询分析：

  SLOWLOG GET 5    # 获取最近 5 条慢查询
  CONFIG SET slowlog-log-slower-than 1000  # 设置阈值（微秒）
  

---

2. String（字符串）

• 基本操作：

  SET key value       # 设置键值
  GET key             # 获取值
  INCR key            # 自增整数（原子操作）
  DECR key
  INCRBY key 5        # 按步长增减
  APPEND key "world"  # 追加字符串
  

• Bitmaps（位操作） ：

  SETBIT user:sign:2023 100 1  # 用户ID 100 在2023年签到
  GETBIT user:sign:2023 100    # 检查是否签到
  BITCOUNT user:sign:2023      # 统计总签到次数
  

使用场景：缓存、计数器、分布式锁、用户签到。

---

3. Hash（哈希表）

• 操作对象字段：

  HSET user:1 name "Alice" age 30  # 设置字段
  HGET user:1 name                # 获取字段值
  HGETALL user:1                  # 获取所有字段
  HDEL user:1 age                 # 删除字段
  HINCRBY user:1 age 1            # 字段自增
  

使用场景：存储对象（如用户信息）。

---

4. List（列表）

• 队列操作：

  LPUSH list1 "a"       # 左侧插入元素
  RPUSH list1 "b"       # 右侧插入元素
  LPOP list1            # 左侧弹出元素
  LRANGE list1 0 -1     # 获取所有元素
  

• 阻塞操作：

  BLPOP list1 10        # 阻塞式左弹出（超时10秒）
  

使用场景：消息队列、最新消息列表。

---

5. Set（集合）

• 唯一性操作：

  SADD tags "redis" "db"      # 添加元素
  SMEMBERS tags               # 获取所有元素
  SISMEMBER tags "redis"      # 判断元素是否存在
  SINTER tags1 tags2          # 求交集
  SUNION tags1 tags2          # 求并集
  

使用场景：标签系统、好友关系。

---

6. Sorted Set（有序集合）

• 按分值排序：

  ZADD rank 100 "Alice" 90 "Bob"   # 添加元素（分值）
  ZRANGE rank 0 -1 WITHSCORES      # 按升序获取元素
  ZREVRANGE rank 0 -1              # 按降序获取元素
  ZRANK rank "Alice"               # 获取排名
  

使用场景：排行榜、延时队列。

---

7. Stream（流）

• 消息队列操作：

  XADD mystream * field1 value1   # 添加消息（自动生成ID）
  XREAD COUNT 2 STREAMS mystream 0 # 读取消息
  XGROUP CREATE mystream mygroup 0 # 创建消费者组
  

使用场景：消息队列（类似 Kafka）。

---

8. HyperLogLog

• 基数统计：

  PFADD visits:2023 "user1" "user2"  # 添加元素
  PFCOUNT visits:2023               # 统计独立用户数
  PFMERGE visits:all visits:2022 visits:2023  # 合并统计
  

特点：12KB 内存可统计约 2^64 个元素，误差率 0.81%。

---

9. Geospatial (GEO)

• 地理位置操作：

  GEOADD cities 116.40 39.90 "Beijing"   # 添加坐标
  GEODIST cities "Beijing" "Shanghai" km  # 计算距离
  GEORADIUS cities 116 39 100 km         # 查询半径内城市
  

使用场景：附近地点搜索、配送范围计算。

---

四、高级功能

1. Pipeline（管道）

• 批量执行命令，减少网络往返：

  # 命令行示例
  (echo -en "PING\r\nPING\r\nPING\r\n"; sleep 1) | nc localhost 6379
  
  # Python 示例
  pipe = r.pipeline()
  pipe.set("a", 1).get("a").incr("counter")
  result = pipe.execute()  # 结果按顺序返回 [True, b'1', 1]
  

  性能提升：非事务模式管道可提升 5-10 倍吞吐量。

---

2. 事务与 Lua 脚本

• 事务（原子操作） ：

  MULTI
  SET key1 10
  INCR key1
  EXEC
  

• Lua 脚本（原子 + 复杂逻辑） ：

  EVAL "return redis.call('GET', KEYS[1])" 1 key1
  # 预加载脚本
  SCRIPT LOAD "return redis.call('SET', KEYS[1], ARGV[1])"
  EVALSHA <sha1_hash> 1 key1 value1
  

优势：避免竞态条件，自定义原子命令。

---

3. 发布订阅

• 消息广播机制：

  SUBSCRIBE news          # 订阅频道
  PUBLISH news "hello"    # 发布消息
  PSUBSCRIBE news.*       # 模式订阅
  

局限：消息不持久化，消费者离线会丢失消息（推荐用 Stream 替代）。

---

五、性能优化与监控

1. 慢查询分析

• 配置与查看：

  # 设置慢查询阈值（单位：微秒，默认 10000）
  CONFIG SET slowlog-log-slower-than 1000
  # 查看最近 10 条慢查询
  SLOWLOG GET 10
  

2. 内存优化

• 避免大 Key：单 Key 数据不超过 1MB。
• 使用高效数据结构：如 HyperLogLog 替代 Set 统计 UV。

3. 连接池（Python 示例）

from redis import ConnectionPool

pool = ConnectionPool(host='localhost', port=6379, max_connections=10)
r = redis.Redis(connection_pool=pool)

---

六、客户端示例（Python）

使用 redis-py 库：

import redis

# 连接 Redis
r = redis.Redis(host='localhost', port=6379, db=0)

# Bitmaps 操作
r.setbit("user:sign:2023", 100, 1)  # 用户 100 签到
print(r.getbit("user:sign:2023", 100))  # 输出 1

# GEO 操作
r.geoadd("cities", (116.40, 39.90, "Beijing"))
print(r.geodist("cities", "Beijing", "Shanghai", "km"))

# HyperLogLog 操作
r.pfadd("visits:2023", "user1", "user2")
print(r.pfcount("visits:2023"))  # 输出 2

---

七、最佳实践

0. Pipeline 批量操作：减少网络延迟对性能的影响。

1. Lua 脚本替代事务：处理复杂原子逻辑更灵活。

2. 合理选择数据结构：

   • 统计独立用户数 → HyperLogLog
   • 地理位置计算 → GEO
   • 标记用户行为 → Bitmaps

3. 监控工具：

   • redis-cli --bigkeys 分析大 Key
   • INFO 命令查看服务器状态
   • RedisInsight（可视化监控）

---

通过结合 Redis 丰富的数据结构、原子操作和高级功能（如 Lua、Pipeline），开发者可以高效解决高并发场景下的缓存、实时统计、消息队列等问题。同时，合理使用慢查询分析和性能优化策略，能进一步提升系统稳定性。