一、字符串（String）
核心类：RBucket、RAtomicLong
1. 基础操作
RBucket<String> bucket = redisson.getBucket("user:1:name");
bucket.set("码哥"); // 设置值
String name = bucket.get(); // 获取值
bucket.compareAndSet("码哥", "Bug终结者"); // 原子替换
bucket.delete(); // 删除键
2. 原子计数器
RAtomicLong counter = redisson.getAtomicLong("article:views:123");
counter.incrementAndGet(); // 自增1
counter.addAndGet(10); // 增加10
最佳实践：
- 用
RAtomicLong替代INCR命令，避免并发问题。 - 频繁更新的计数器可开启
writeBehind模式批量持久化。
二、哈希（Hash）
核心类：RMap
1. 对象存储
RMap<String, Object> userMap = redisson.getMap("user:1");
userMap.put("name", "张三");
userMap.put("age", 30);
userMap.expire(1, TimeUnit.HOURS); // 设置过期时间
// 批量操作
Map<String, Object> data = new HashMap<>();
data.put("email", "zhangsan@example.com");
data.put("city", "北京");
userMap.putAll(data);
// 获取所有字段
Map<String, Object> allFields = userMap.readAllMap();
2. 原子操作
userMap.computeIfPresent("age", (k, v) -> (Integer)v + 1); // 原子递增年龄
避坑指南：
- 大哈希使用
RMapCache支持本地缓存，减少网络开销。 - 避免频繁遍历整个哈希，优先用
getAll()或readAllMap()。
三、列表（List）
核心类：RList
1. 队列操作
RList<String> taskQueue = redisson.getList("task:queue");
taskQueue.add("任务A"); // 右侧插入
taskQueue.addFirst("紧急任务"); // 左侧插入
String task = taskQueue.remove(0); // 移除并获取第一个元素
// 分页查询
List<String> page = taskQueue.range(10, 20); // 获取第10到20个元素
2. 阻塞队列
RBlockingQueue<String> bq = redisson.getBlockingQueue("msg:queue");
bq.put("消息内容"); // 生产者插入
String msg = bq.take(); // 消费者阻塞获取
适用场景：
- 消息队列、最新N条记录（配合
trim()方法）。
四、集合（Set）
核心类：RSet
1. 去重集合
RSet<String> ipSet = redisson.getSet("active:ips");
ipSet.add("192.168.1.1");
boolean exists = ipSet.contains("192.168.1.1");
// 集合运算
RSet<String> todaySet = redisson.getSet("ips:20231001");
RSet<String> yesterdaySet = redisson.getSet("ips:20230930");
Set<String> repeatIps = todaySet.intersection(yesterdaySet); // 求交集
性能优化：
- 大数据集使用
RSetCache自动淘汰冷数据。
五、有序集合（Sorted Set）
核心类：RScoredSortedSet
1. 排行榜实现
RScoredSortedSet<String> rank = redisson.getScoredSortedSet("game:rank");
rank.add(1000, "玩家A"); // 分数为1000
rank.add(1500, "玩家B");
// 获取TOP3
Collection<String> top3 = rank.valueRangeReversed(0, 2);
// 查询玩家排名（从0开始）
int position = rank.rank("玩家B"); // 返回升序排名
int reversedRank = rank.revRank("玩家B"); // 返回降序排名
2. 范围查询
// 获取分数在[800, 1200]的玩家
Collection<String> players = rank.valueRange(800, true, 1200, true);
技巧：
- 使用
addAndGetRank()方法同时添加元素并获取排名。
六、地理空间（Geospatial）
核心类：RGeo
1. 存储与查询地理位置
RGeo<String> geo = redisson.getGeo("delivery:points");
geo.add(116.405285, 39.904989, "北京站");
geo.add(121.473701, 31.230416, "上海站");
// 查找北京站附近200km内的站点
List<GeoEntry> nearby = geo.radius(116.405285, 39.904989, 200, GeoUnit.KILOMETERS);
七、位图（Bitmap）
核心类：RBitSet
1. 用户签到统计
RBitSet signIn = redisson.getBitSet("user:1:signin:202310");
signIn.set(5); // 第5天签到（offset从0开始）
boolean isSigned = signIn.get(5);
// 统计本月签到天数
int count = signIn.cardinality();
优化建议：
- 按周/月拆分键，避免单个位图过大。
八、HyperLogLog
核心类：RHyperLogLog
1. UV统计
RHyperLogLog<String> uv = redisson.getHyperLogLog("uv:20231001");
uv.add("192.168.1.1");
uv.add("192.168.1.2");
long count = uv.count(); // 获取近似独立访客数
// 合并多日数据
RHyperLogLog<String> totalUv = redisson.getHyperLogLog("uv:total");
totalUv.mergeWith("uv:20231001", "uv:20231002");
注意：
- HyperLogLog 误差率约0.81%，适合大数据量去重统计。
九、流（Stream）
核心类：RStream
1. 消息流处理
RStream<String, String> stream = redisson.getStream("logs");
// 添加消息
String id = stream.add(StreamMessageId.NEW_ENTRY, Map.of("level", "ERROR", "msg", "DB连接失败"));
// 消费者组读取
StreamMessageId lastId = ...;
Map<StreamMessageId, Map<String, String>> messages = stream.readGroup("consumer-group", "consumer1", lastId, 10);
十、最佳实践总结
-
选择合适的数据结构
- 统计UV →
RHyperLogLog - 排行榜 →
RScoredSortedSet - 消息队列 →
RBlockingQueue或RStream
- 统计UV →
-
性能优化
- 批量操作：优先使用
addAll()、putAll()等方法减少网络开销。 - 本地缓存：对读多写少的数据启用
RMapCache或RSetCache。
- 批量操作：优先使用
-
资源管理
- 及时释放连接：使用
try-with-resources包裹需要关闭的对象。 - 设置合理TTL：通过
expire()避免数据无限增长。
- 及时释放连接：使用
-
事务与原子性
- 复杂操作使用
RBatch批量执行：RBatch batch = redisson.createBatch(); batch.getMap("user:1").fastPutAsync("name", "李四"); batch.getAtomicLong("counter").incrementAndGetAsync(); batch.execute();
- 复杂操作使用
最后忠告：
- 像使用
java.util包一样自然，但时刻记住数据在远程——网络延迟和分区容忍才是真正的Boss！
