大数据-40 Redis 类型集合 string list set sorted hash 指令列表 执行结果 附截图

本文涉及的产品
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
简介: 大数据-40 Redis 类型集合 string list set sorted hash 指令列表 执行结果 附截图

点一下关注吧!!!非常感谢!!持续更新!!!

目前已经更新到了:

Hadoop

HDFS

MapReduce

Hive

Flume

Sqoop

Zookeeper

HBase

Redis (正在更新)

章节内容

上一节我们完成了:


Redis 源码下载

Redis 编译、安装

Redis 配置修改

Redis 服务启动

背景介绍

这里是三台公网云服务器,每台 2C4G,搭建一个大数据的学习环境,供我学习。

之前已经在 VM 虚拟机上搭建过一次,但是没留下笔记,这次趁着前几天薅羊毛的3台机器,赶紧尝试在公网上搭建体验一下。


2C4G 编号 h121

2C4G 编号 h122

2C2G 编号 h123

string 类型

常见操作

应用场景

  • key和value是字符串
  • 普通的赋值
  • incr 用于乐观锁(incr递增数字)
  • setnx 用于分布式锁(当value不存在时赋值)

比如使用 setnx:

root@h121:/usr/redis/bin# ./redis-cli

127.0.0.1:6379> setnx name wzk # 设置值
(integer) 1
127.0.0.1:6379> setnx name wzk-2 # 值存在则无法设置
(integer) 0
127.0.0.1:6379> get name # 还是刚才的
"wzk"
127.0.0.1:6379> 

执行结果如下图:

list类型

list列表可以存储有序、可重复的元素,获取头部或者尾部附近的记录是最快的。

常见操作

表1

表2

应用场景

可以作为栈或者队列使用,列表有序。

可以用做各种表:比如用户表、商品表等:

127.0.0.1:6379> lpush list 1 2 3 9 4 5 # 生成列表
(integer) 6
127.0.0.1:6379> lrange list 1 10 # 遍历列表
1) "4"
2) "9"
3) "3"
4) "2"
5) "1"

127.0.0.1:6379> lpop list # 从左边取一个
"5"
127.0.0.1:6379> lpop list
"4"
127.0.0.1:6379> lpop list
"9"
127.0.0.1:6379> 

set 类型

Set:无序、唯一

常见操作

应用场景

适用于不能够重复且不需要顺序的场景

比如:关注的用户列表,进行随机抽奖

127.0.0.1:6379> sadd set:1 a b c d e f g # 写入set
(integer) 7
127.0.0.1:6379> smembers set:1 # 查看set中的值
1) "c"
2) "b"
3) "d"
4) "f"
5) "a"
6) "g"
7) "e"
127.0.0.1:6379> srandmember set:1 # 随机一个set中的值
"d"
127.0.0.1:6379> srandmember set:1
"e"
127.0.0.1:6379> srandmember set:1
"b"
127.0.0.1:6379> srandmember set:1
"e"
127.0.0.1:6379> srandmember set:1
"f"
127.0.0.1:6379> 

sortedset (zset)类型

SortedSet(ZSet)有序集合:元素本身是无序不重复的,每个元素关联一个分数,可按分数排序,分数可重复。

常见操作

表1

表2

应用场景

可以按照分数值排序,适用于各种排行榜。

比如:点击排行榜、销量排行榜、关注排行榜等等

127.0.0.1:6379> zadd hit 100 item1 20 item2 30 item3 # zset
(integer) 3
127.0.0.1:6379> zcard hit
(integer) 3
127.0.0.1:6379> zscore hit item3 
"30"
127.0.0.1:6379> zrevrange hit 0 -1 # 遍历zset
1) "item1"
2) "item3"
3) "item2"
127.0.0.1:6379> 

hash类型

Redis Hash 是一个 string 类型的 field 和 value 的映射表,它提供字段和字段值的映射。

常见操作

应用场景

对象的存储,表数据的映射

127.0.0.1:6379> hmset user01 name wzk age 18 password 123 # hash对象
OK
127.0.0.1:6379> hgetall user01 # 取出对象中的内容
1) "name"
2) "wzk"
3) "age"
4) "18"
5) "password"
6) "123"
127.0.0.1:6379> hget user01 name # 获取对象的名字
"wzk"
127.0.0.1:6379> 


相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
相关文章
|
13天前
|
存储 NoSQL Redis
6)深度解密 Redis 的集合(Set)
6)深度解密 Redis 的集合(Set)
23 1
|
16天前
|
存储 JSON NoSQL
redis基本数据结构(String,Hash,Set,List,SortedSet)【学习笔记】
这篇文章是关于Redis基本数据结构的学习笔记,包括了String、Hash、Set、List和SortedSet的介绍和常用命令。文章解释了每种数据结构的特点和使用场景,并通过命令示例演示了如何在Redis中操作这些数据结构。此外,还提供了一些练习示例,帮助读者更好地理解和应用这些数据结构。
redis基本数据结构(String,Hash,Set,List,SortedSet)【学习笔记】
|
2月前
|
缓存 NoSQL Redis
【Azure Redis 缓存】Azure Cache for Redis 是否记录具体读/写(Get/Set)或删除(Del)了哪些key呢?
【Azure Redis 缓存】Azure Cache for Redis 是否记录具体读/写(Get/Set)或删除(Del)了哪些key呢?
|
18小时前
|
消息中间件 缓存 NoSQL
大数据-49 Redis 缓存问题中 穿透、雪崩、击穿、数据不一致、HotKey、BigKey
大数据-49 Redis 缓存问题中 穿透、雪崩、击穿、数据不一致、HotKey、BigKey
8 2
|
1月前
|
存储 大数据 数据挖掘
【数据新纪元】Apache Doris:重塑实时分析性能,解锁大数据处理新速度,引爆数据价值潜能!
【9月更文挑战第5天】Apache Doris以其卓越的性能、灵活的架构和高效的数据处理能力,正在重塑实时分析的性能极限,解锁大数据处理的新速度,引爆数据价值的无限潜能。在未来的发展中,我们有理由相信Apache Doris将继续引领数据处理的潮流,为企业提供更快速、更准确、更智能的数据洞察和决策支持。让我们携手并进,共同探索数据新纪元的无限可能!
92 11
|
2月前
|
存储 分布式计算 大数据
MaxCompute 数据分区与生命周期管理
【8月更文第31天】随着大数据分析需求的增长,如何高效地管理和组织数据变得至关重要。阿里云的 MaxCompute(原名 ODPS)是一个专为海量数据设计的计算服务,它提供了丰富的功能来帮助用户管理和优化数据。本文将重点讨论 MaxCompute 中的数据分区策略和生命周期管理方法,并通过具体的代码示例来展示如何实施这些策略。
119 1
|
2月前
数据平台问题之在数据影响决策的过程中,如何实现“决策/行动”阶段
数据平台问题之在数据影响决策的过程中,如何实现“决策/行动”阶段
|
2月前
|
存储 监控 安全
大数据架构设计原则:构建高效、可扩展与安全的数据生态系统
【8月更文挑战第23天】大数据架构设计是一个复杂而系统的工程,需要综合考虑业务需求、技术选型、安全合规等多个方面。遵循上述设计原则,可以帮助企业构建出既高效又安全的大数据生态系统,为业务创新和决策支持提供强有力的支撑。随着技术的不断发展和业务需求的不断变化,持续优化和调整大数据架构也将成为一项持续的工作。
|
2月前
|
分布式计算 DataWorks 关系型数据库
DataWorks产品使用合集之ODPS数据怎么Merge到MySQL数据库
DataWorks作为一站式的数据开发与治理平台,提供了从数据采集、清洗、开发、调度、服务化、质量监控到安全管理的全套解决方案,帮助企业构建高效、规范、安全的大数据处理体系。以下是对DataWorks产品使用合集的概述,涵盖数据处理的各个环节。
|
2月前
|
消息中间件 数据采集 JSON
大数据 - DWD&DIM 行为数据
大数据 - DWD&DIM 行为数据
45 1