之前利用springBoot中的缓存机制，使用Redis作为缓存容器，做了一个缓存的简单Demo，当然Redis不仅仅可以用来做缓存的容器，还有很多开发的实际场景中会用到Redis的特性，通过几天的学习，现将学习的成果整理分享给大家。希望大家也多多讨论，提供跟多的使用场景，来熟练掌握在springboot中的使用。

Redis的特性

Strings：Strings 数据结构是简单的key-value类型，value其实不仅是String，也可以是数字.

常用命令: set,get,decr,incr,mget 等。

常用方法：

获取字符串长度

往字符串append内容

设置和获取字符串的某一段内容

设置及获取字符串的某一位(bit)

批量设置一系列字符串的内容

Hashs：Redis Hash对应Value内部实际就是一个HashMap，常用命令：hget,hset,hgetall 等。

Lists：Redis list的实现为一个双向链表，即可以支持反向查找和遍历，更方便操作，不过带来了部分额外的内存开销，Redis内部的很多实现，包括发送缓冲队列等也都是用的这个数据结构。

常用命令：lpush,rpush,lpop,rpop,lrange等。

Sets：Sets 集合的概念就是一堆不重复值的组合。Redis还为集合提供了求交集、并集、差集等操作，可以非常方便的实现如共同关注、共同喜好、二度好友等功能。

常用命令：sadd,spop,smembers,sunion 等。

Sorted Sets：Redis sorted set的使用场景与set类似，区别是set不是自动有序的。sorted set可以通过用户额外提供一个优先级(score)的参数来为成员排序，并且是插入有序的，即自动排序。

常用命令：zadd,zrange,zrem,zcard等

下面就根据这几个特性，也就是Redis支持的数据类型，来完成以下场景的实现。

场景一：简单计数功能

Redis是一个很好的计数器，计数器是 Redis 的原子性自增操作可实现的最直观的模式了，它的想法相当简单：每当某个操作发生时，向 Redis 发送一个 INCR 命令。使用场景比如网站的访问数，注册用户数，文章的点赞数，高并发的秒杀活动，分布式序列号生成等等统计计数的功能实现。Redis 解决这类计数问题得心应手，相比关系数据库速度更快，消耗资源更少。还可以通过set()方法来重置计数。

// 简单计数
@Test
public void test1() {
try {
ValueOperations opsForValue = stringRedisTemplate.opsForValue();
//计数前打印
System.out.println(opsForValue.get("test1"));
for (int i = 0; i < 100; i++) {
//计数，第一个参数为key值，第二个参数为每次增加计数的单位
opsForValue.increment("test1", 1);
}
//计数后打印
System.out.println(opsForValue.get("test1"));
} catch (Exception e) {
e.printStackTrace();
}
}

场景二：按时间统计计数

有时候除了简单的计数外，比如注册用户数需要按日统计，处理方法比较简单，把日期带入计数器 key 就可以。以此类推，还可以按其他方式进行统计计数，只需要把统计的方式添加到key值就可以了

// 按时间计数
@Test
public void test2() {
//将日期添加到key值中
String key = "test2_" + new SimpleDateFormat("yyyy-MM-dd").format(new Date());
try {
ValueOperations opsForValue = stringRedisTemplate.opsForValue();
System.out.println(opsForValue.get(key));
for (int i = 0; i < 100; i++) {
opsForValue.increment(key, 1);
}
System.out.println(opsForValue.get(key));
} catch (Exception e) {
e.printStackTrace();
}
}

场景三：按模糊Key值查询

在按条件统计计数的时候，把时间加入到了key值中，有时候要只是查询某个对象的统计数时，就可以使用模糊Key值查询。

// 模糊K值查询
@Test
public void test3() {
try {
ValueOperations opsForValue = stringRedisTemplate.opsForValue();
//先获取前缀为test的Key值列表。
Set keys = stringRedisTemplate.keys("test*");
//遍历满足条件的Key值获取对应的value值
for (String a : keys) {
System.out.println(a + ":" + opsForValue.get(a));
}
} catch (Exception e) {
e.printStackTrace();
}
}

场景四：设置Key的有效时间(防止高并发访问)

在redis中可以设置key值的有效时间，用户访问链接的时候，将用户的唯一信息比如ip地址等为key值，时间为value值，在redis中记录一下，在用户再次访问的时候，通过key值获取前一次访问的时间，比较时间的间隔，如果低于阀值，就拒绝这次请求，防止用户多次访问。这里只是写下在spring的RedisTemplate接口怎么使用。具体的逻辑实现自己搞定。

// 设置key值的有效时间
@Test
public void test4() {
try {
ValueOperations opsForValue = stringRedisTemplate.opsForValue();
opsForValue.set("test4", "test4");
System.out.println(opsForValue.get("test4"));
// TimeUnit.SECONDS:解释定时参数的单位
// MICROSECONDS 微秒 一百万分之一秒(就是毫秒/1000)
// MILLISECONDS 毫秒 千分之一秒
// NANOSECONDS 毫微秒 十亿分之一秒(就是微秒/1000)
// SECONDS 秒
// MINUTES 分钟
// HOURS 小时
// DAYS 天
if(stringRedisTemplate.expire("test4", 5, TimeUnit.SECONDS)){
System.out.println("设置过期时间成功,等待。。。。");
Thread.sleep(5001);
}
System.out.println(opsForValue.get("test4"));
} catch (Exception e) {
e.printStackTrace();
}
}

场景五：使用hashs存储获取修改java对象

在实际开发中，我们经常将一些结构化的信息打包成HashMap，在客户端序列化后存储为一个字符串的值，比如用户的昵称、年龄、性别、积分等，这时候在需要修改其中某一项时，通常需要将所有值取出反序列化后，修改某一项的值，再序列化存储回去。这样不仅增大了开销，也不适用于一些可能并发操作的场合(比如两个并发的操作都需要修改积分)。

而Redis的Hash结构可以使你像在数据库中Update一个属性一样只修改某一项属性值。因为Redis的Hash结构是以对象的名字作为redis的key值，以对象的唯一属性值作为hash的key值，以对象来作为redis的value值。结构图如下：

hashs存储结构图
// 使用hashs存储获取对象
@Test
public void test5(){
BeautifulPictures beautifulPictures = beautifulPicturesService.selectById(1);
HashOperations hash = redisTemplate.opsForHash();
hash.put("test5",beautifulPictures.getId(),beautifulPictures);
System.out.println(hash.get("test5", beautifulPictures.getId()));
}

场景六：使用lists有序存储读取

适用于获取最近N个操作的数据。

//使用lists存储读取 有序
@Test
public void test6(){
ListOperations list = stringRedisTemplate.opsForList();
list.leftPush("test6", "1");
list.leftPush("test6", "2");
list.leftPush("test6", "3");
list.leftPush("test6", "4");
list.leftPush("test6", "5");
list.leftPush("test6", "6");
list.leftPush("test6", "7");
//保持链表只有3位
list.trim("test6", 0, 2);
System.out.println(list.range("test6", 0, list.size("test6")-1));
}

场景七：使用sets存储读取 无序 去重 求差集，交集，并集

//使用set存储读取 无序 去重 求差集，交集，并集
@Test
public void test7(){
SetOperations set = stringRedisTemplate.opsForSet();
set.add("test7_1", "2", "1","2","3","4","4","3");
set.add("test7_2", "2", "6","2","3","7","6","5");
System.out.println("全部成员"+set.members("test7_1"));
System.out.println("差集"+set.difference("test7_1", "test7_2"));
System.out.println("交集"+set.intersect("test7_1", "test7_2"));
System.out.println("并集"+set.union("test7_1", "test7_2"));
}
场景八：Sorted Set 存取数据 排序
//Sorted Set 存取数据 排序 相比sets 保存时多一个权重参数score，相当于按照此参数来排序
@Test
public void test8(){
ZSetOperations zSet = stringRedisTemplate.opsForZSet();
zSet.add("test8", "use1", 9);
zSet.add("test8", "use2", 1);
zSet.add("test8", "use3", 5);
zSet.add("test8", "use4", 9);
//对应的score值增加
//zSet.incrementScore("test8", "use1", 1);
System.out.println(zSet.reverseRange("test8", 0, zSet.size("test8")-1));
}