1 mset、mget、msetnx
批量处理字符串更新、获取、加锁
场景：文章的标题、内容、作者等多个key 批量发布和查看（对于这种可以直接用序列化反序列化。。）
2 strlen、getrange
统计文章字数、预览文章(截取文章)
场景：博客字数统计和文章预览
3 append
拼接字符串
场景：日志拼接(也是很少用)
4 hset、hget
场景：记录生成次数
5 lindex、lset、linsert、ltrim、lrem、lpush
- 获取list指定下标元素：lindex mylist 0 "bar"
- 更新list指定下标元素：lset mylist 0 "bar"
- 插入list指定前后的元素：linsert key BEFORE|AFTER pivot value
- 删除list除了某个范围外的所有数据：ltrim mylist 1 -1 // -1表示最后一个元素，即除了[1, 最后一个]，其余都删掉
- 删除list指定范围元素：lrem mylist 1 -1 // 删除[1, 最后一个]元素
- 添加list元素：lpush list "bar"
6 lpush、brpop
用redis实现类型MQ功能，lpush key value, brpop key // brpop是阻塞式，有数据就弹出
7 sadd、scard
加入集合、统计集合元素个数
场景：uv统计(统计当前去重后的用户数量 - 不用hyperloglog条件下)
8 srem、sismember、smembers、sinter、sdiff
删除集合元素、判断是否存在集合中、返回集合所有元素、取两个集合交集、取两个集合差集
场景：可结合7中的两个来 对标签进行管理
场景二：朋友圈点赞。sadd添加点赞的好友、srem取消点赞、sismember判断是否被某人点赞(sismember moment_like_users::1 10086，1是朋友圈ID，10086是用户ID)、smember获取点赞的所有用户、scard统计点赞数量
场景三：投票。同《场景二》
场景四：类似微博的社交关系。需要sadd每次维护关注和被关注集合，然后取关srem移除这两个集合。对于千万级关注量的，就需要维护关注、被关注的计数器，并且只存储部分关注id
场景五：微博关注与推荐关注。首先微博关注上线是 2000 ，所以取两个用户共同关注的（也可以用sdiff取差集 - 推荐关注(就是朋友关注了我没关注的)），直接取交集即可(sinter)。
场景六：为商品搜索构建反向索引。sadd给对应关键词添加一个集合，sinter取关键词的交集返回。其实就是为每一个关键词赋予一个集合，但是这样反向的关键词量级可能会比较大。
-----------------------------------
void addProduct(long produceId, List<String> kws) {
for (String kw : kws) jedis.sadd("kw::" + kw + "::products", String.valueOf(produceId));
}
Set<String> searchProduct(List<String> kws) {
List<String> kwsList = new ArrayList<>();
for (String kw : kws) kwsList.add("kw::" + kw + "::products");
return jedis.sinter(kwsList.toArray(new String[kwsList.size()]))
}
-----------------------------------
9 srandommember、spop
随机从集合返回几个元素、随机从集合弹出几个元素
场景：网站上的抽奖程序。sadd加入待抽奖名单，smembers返回所有待抽奖人，scard返回待抽奖人数，srandommember返回随机抽中的名单
- smembers可能出现的性能问题？如果集合里面数据量超过千万级别，调用该命令会造成线程长时间阻塞，所以需要把集合拆分成多个小集合来处理。
10 zadd、zscore、zrem、zincrby、zrevrank、zrevrange
- 添加有序集合元素：zadd key score value
- 获取当前元素的分数：score key member [member ...]
- 删除有序集合中指定的元素：zrem key member
- 增加有序集合元素分数：zincrby key increment member
- 获取当前元素在集合中的排序：zrevrank key member
- 获取递增或递减分数的范围的数据：
-- ZRANGE salary 0 -1 WITHSCORES # 递增排列
-- ZREVRANGE salary 0 -1 WITHSCORES # 递减排列
场景：实现音乐网站的排行榜程序
11 pfadd、pfcount、pfmerge
- 添加元素：pfadd key element [element ...]
- 统计去重后的数据结果：pfcount key
- 合并多个HyperLogLog：pfmerge destKey sourceKey1 sourceKey2
场景：HyperLogLog统计访问UV(去重)，上亿用户统计也只占用12kb，标准误差率0.81%。
场景2：周活跃用户数、月活跃用户数、年活跃用户数的统计。为每一天、月建立一个hyperloglog，然后pfmerge合并出周、月、年的统计。
12 setbit、getbit、bitcount
- 设置对应偏移量的值：setbit key offset [value] // value是0或1
- 获取对应偏移量的值：getbit key offset
- 统计当前位图的1的个数：bitcount key
场景：基于位图统计用户访问UV。比如记录用户id=10086：setbit visit_uv 10086 1 // 如果一个位不够统计，那就两个位
13 geoadd、geopos、geodist、georadius、georadiusbymember、geohash
- 存储地理位置：geoadd key 经度 纬度 member [经度 纬度 member]
- 获取地理位置：geopos key member [member]
- 返回两个给定位置之间距离：geodist key member1 member2 [m|km|ft|mi] // 最后一个参数是单位，米、千米、英尺、英里
- 返回给定坐标下一定范围距离的所有位置元素：georadius key 经度 纬度 radius m|km|ft|mi [WITHCOORD] [WITHDIST] [WITHHASH] [COUNT count] [ASC|DESC] [STORE key] [STOREDIST key]
-- 举例：GEORADIUS Sicily 15 37 200 km WITHDIST
- 返回给定元素一定范围距离的所有位置元素：georadiusbymember key member radius m|km|ft|mi [WITHCOORD] [WITHDIST] [WITHHASH] [COUNT count] [ASC|DESC] [STORE key] [STOREDIST key]
- 获取一个或多个位置元素的 geohash 值：geohash key member [member ...]
场景：基于GeoHash的你与商铺距离计算的程序。
场景2：查找附近的人。用georadiusbymember即可找到其在一定范围的用户
14 pipeline
管道命令批量传输
