Comment appliquer les 5 types de données dans Redis

MySql+Memcached problème d'architecture

MySQL actuel est adapté au stockage massif de données Oui , les données chaudes sont chargées dans le cache via Memcached pour accélérer l'accès. Cependant, à mesure que la quantité de données commerciales continue d'augmenter et que le nombre de visites continue de croître, nous avons rencontré de nombreux problèmes : #🎜. 🎜 #

　1. MySQL doit supprimer continuellement les bases de données et les tables, et Memcached doit également continuer à se développer. Les travaux d'expansion et de maintenance prennent beaucoup de temps de développement.

　2. Problèmes de cohérence des données des bases de données Memcached et MySQL.

3. Le taux de réussite des données Memcached est faible ou la machine est en panne Un grand nombre d'accès pénètrent directement dans la base de données, ce que MySQL ne peut pas prendre en charge.

　4. Problème de synchronisation du cache entre les salles de machines.

　

De nombreuses fleurs NoSQL s'épanouissent, comment choisir

Ces dernières années, de nombreux produits NoSQL différents ont émergé dans l'industrie, alors comment Utiliser correctement ces produits et maximiser leurs avantages sont des questions que nous devons étudier et réfléchir en profondeur. En dernière analyse, le plus important est de comprendre le positionnement de ces produits, de comprendre les compromis de chaque produit et de les utiliser de manière appropriée. applications réelles.Pour maximiser les points forts et éviter les faiblesses, en général, ces NoSQL sont principalement utilisés pour résoudre les problèmes suivants

　1. Petite quantité de stockage de données, accès en lecture et en écriture à grande vitesse. De tels produits garantissent un accès à haut débit en conservant toutes les données en mémoire, tout en fournissant la fonction d'atterrissage des données. En fait, il s'agit du principal scénario applicable de Redis. [Recommandations associées : didacticiel vidéo Redis]

　2. Stockage massif de données, prise en charge du système distribué, garantie de cohérence des données et ajout/suppression pratique de nœuds de cluster.

3. Les idées les plus représentatives à cet égard sont les deux papiers dynamo et bigtable. La première est une conception totalement sans centre. Les informations de cluster sont transmises entre les nœuds par le biais de potins, et les données assurent la cohérence finale. La seconde est une conception de solution centralisée qui garantit une forte cohérence grâce à un service de verrouillage distribué et à l'écriture des données dans la mémoire et au rétablissement du journal. d'abord, puis les comparez et les fusionnez régulièrement sur le disque, en optimisant les écritures aléatoires en écritures séquentielles pour améliorer les performances d'écriture.

4. Structure en mode libre, partitionnement automatique, etc. Par exemple, certaines bases de données de documents courantes prennent actuellement en charge les données sans schéma, stockent directement les données au format json et prennent en charge le partage automatique et d'autres fonctions, telles que mongodb.

Redis est le plus adapté à tous les scénarios de données en mémoire. Bien que Redis fournisse également des fonctions de persistance, il s'agit en fait davantage d'une fonction sauvegardée sur disque, ce qui est assez différent de la persistance au sens traditionnel. , alors vous pourriez avoir des questions. Il semble que Redis ressemble plus à une version améliorée de Memcached, alors quand utiliser Memcached et quand utiliser Redis ?

Si vous comparez simplement la différence entre Redis et Memcached , la plupart d'entre eux obtiendront les avis suivants :

1. Redis prend non seulement en charge les données simples de type k/v, mais fournit également le stockage de structures de données telles que la liste, l'ensemble, le zset et le hachage.

2. Redis prend en charge la sauvegarde des données, c'est-à-dire la sauvegarde des données en mode maître-esclave.
3. Redis prend en charge la persistance des données, qui peut conserver les données en mémoire sur le disque et peut être rechargée pour être utilisée lors du redémarrage.

Utilisez un schéma pour comprendre comment ces différents types de données sont décrits dans la gestion de la mémoire interne de Redis :

Tout d'abord , Redis Un objet redisObject est utilisé en interne pour représenter toutes les clés et valeurs. Les informations principales de redisObject sont comme indiqué dans la figure ci-dessus : le type représente le type de données spécifique d'un objet valeur et le codage est la manière dont les différents types de données sont stockés à l'intérieur. redis, tel que : type =string signifie que la valeur est stockée sous forme de chaîne ordinaire, alors l'encodage correspondant peut être brut ou entier. S'il s'agit d'un entier, cela signifie que le redis réel stocke et représente la chaîne en interne selon le numérique. classe Bien sûr, le principe est que la chaîne Elle peut être représentée par une valeur numérique, telle que des chaînes telles que "123" et "456".

Le champ vm nécessite une explication particulière ici. Ce n'est que lorsque la fonction de mémoire virtuelle de Redis est activée que ce champ peut réellement allouer de la mémoire. Cette fonction est désactivée par défaut. D'après la figure ci-dessus, nous pouvons constater que Redis utilise redisObject pour représenter toutes les données clé/valeur, ce qui constitue un gaspillage de mémoire. Bien entendu, ces coûts de gestion de la mémoire visent principalement à fournir une interface de gestion unifiée pour différents types de données de Redis. l'auteur actuel fournit également Diverses méthodes nous aident à économiser autant que possible l'utilisation de la mémoire, dont nous parlerons en détail plus tard.

Redis prend en charge 5 types de données  : string (string), hash (hash), list (list), set (set) et zset (ensemble trié : collection ordonnée) .

　① string est le type de redis le plus basique. Vous pouvez le comprendre exactement comme le même type que Memcached. Une clé correspond à une valeur. En fait, la valeur n’est pas seulement une chaîne, mais aussi un nombre. Le type de chaîne est binaire sécurisé. Cela signifie que la chaîne de redis peut contenir n'importe quelle donnée. Par exemple, des images jpg ou des objets sérialisés. Le type de chaîne est le type de données le plus basique de Redis. La valeur du type de chaîne peut stocker jusqu'à 512 Mo.

　Commandes couramment utilisées : get, set, incr, decr, mget, etc.

Scénarios d'application : la chaîne est le type de données le plus couramment utilisé, et le stockage clé/valeur ordinaire peut être classé dans cette catégorie, ce qui signifie que les fonctions actuelles de Memcached peuvent être pleinement réalisées et plus efficaces. Redis fournit également des fonctions telles que la persistance planifiée, les journaux d'opérations et la réplication. En plus de fournir les mêmes opérations get, set, incr, decr et autres que Memcached, Redis fournit également les opérations suivantes :

• Obtenir la longueur de la chaîne

• Ajouter du contenu à la chaîne

• Définir et obtenir caractères Une certaine section de la chaîne

• Définir et obtenir un certain morceau de la chaîne

• Définir le contenu d'une série de chaînes par lots

Scénario d'utilisation : Application générale de cache clé-valeur. Comptages réguliers : nombre de publications sur Weibo, nombre de fans.

Méthode d'implémentation : la chaîne est stockée par défaut dans redis en tant que chaîne, qui est référencée par redisObject. Lors de la rencontre d'opérations incr, decr et autres, elle sera convertie en un type numérique pour le calcul. redisObject est un entier.

redis 127.0.0.1:6379> SET name "runoob"
"OK"redis 127.0.0.1:6379> GET name
"runoob"

　Dans l'exemple ci-dessus, nous avons utilisé les commandes SET et GET de Redis. La clé est le nom et la valeur correspondante est runoob.

Remarque : Une clé peut stocker jusqu'à 512 Mo.

　② Redis hash est une collection de paires clé-valeur (clé => valeur). Le hachage Redis est une table de mappage de champs et de valeurs de type chaîne. Le hachage est particulièrement adapté au stockage d'objets.

　Commandes couramment utilisées : hget, hset, hgetall, etc.

Scénario d'application : Donnons un exemple simple pour décrire le scénario d'application de Hash. Par exemple, nous souhaitons stocker des données d'objet d'informations utilisateur, comprenant les informations suivantes :

　 L'ID utilisateur est la clé à rechercher, et le L'objet utilisateur à valeur stockée contient le nom et l'âge, l'anniversaire et d'autres informations. S'il est stocké à l'aide d'une structure clé/valeur normale, il existe deux méthodes de stockage principales :

　　La première méthode utilise l'ID utilisateur comme clé de recherche et l'encapsule. d'autres informations dans un objet pour la sérialisation. L'inconvénient de cette méthode est qu'elle augmente la surcharge de sérialisation/désérialisation, et lorsqu'une des informations doit être modifiée, l'objet entier doit être récupéré et l'opération de modification doit protéger la concurrence. , et CAS est introduit et d'autres questions complexes.

　　La deuxième méthode consiste à stocker autant de paires clé-valeur qu'il y a de membres dans l'objet d'information utilisateur, et à utiliser l'ID utilisateur + le nom de l'attribut correspondant comme identifiant unique pour obtenir la valeur de l'attribut correspondant. , bien que la séquence soit omise. Minimisez les problèmes de surcharge et de concurrence, mais les ID utilisateur sont stockés à plusieurs reprises. S'il existe une grande quantité de ces données, le gaspillage de mémoire est toujours très considérable.

　 Ensuite, le Hash fourni par Redis résout très bien ce problème. Le Hash de Redis stocke en fait la valeur en interne sous forme de HashMap, et fournit une interface pour un accès direct aux membres de cette Map, comme indiqué ci-dessous :

Autrement dit, la clé est toujours l'ID utilisateur et la valeur est une carte. La clé de cette carte est le nom de l'attribut du membre et la valeur est la valeur de l'attribut. les données peuvent être effectuées directement via la clé de sa carte interne (appelée interne dans Redis). La clé de la carte est le champ), c'est-à-dire que vous pouvez utiliser les données d'attribut correspondantes via la clé (ID utilisateur) + le champ (étiquette d'attribut). Il n'est pas nécessaire de stocker les données à plusieurs reprises et cela ne posera pas de problèmes de sérialisation et de contrôle des modifications simultanées. Le problème est très bien résolu.

　 Il convient de noter ici que Redis fournit une interface (hgetall) pour obtenir directement toutes les données d'attribut. Cependant, s'il y a de nombreux membres de la carte interne, cela implique l'opération de parcourir toute la carte interne en raison du seul. Modèle threadé de Redis, cette opération de traversée peut prendre du temps et les autres demandes des clients peuvent ne pas répondre du tout, ce qui nécessite une attention particulière.

Scénario d'utilisation : stockez certaines données modifiées, telles que les informations utilisateur, etc.

Méthode d'implémentation : Comme mentionné ci-dessus, la valeur correspondante de Redis Hash est en fait un HashMap. En fait, il existe deux implémentations différentes lorsque le Hash a relativement peu de membres, Redis utilisera une méthode similaire à un tableau unidimensionnel pour. stockez-le de manière compacte afin d'économiser de la mémoire.Au lieu d'utiliser la vraie structure HashMap, l'encodage de la valeur correspondante redisObject est zipmap. Lorsque le nombre de membres augmente, il sera automatiquement converti en un véritable HashMap, et l'encodage est ht.

redis> HSET myhash field1 "Hello" field2 "World"
"OK"
redis> HGET myhash field1
"Hello"
redis> HGET myhash field2
"World"

　　实例中我们使用了 Redis HMSET, HGET 命令，HMSET 设置了两个 field=>value 对, HGET 获取对应 field 对应的 value。每个 hash 可以存储 2³² -1 键值对（40多亿）。

　　③ Redis list 列表是简单的字符串列表，按照插入顺序排序。你可以添加一个元素到列表的头部（左边）或者尾部（右边）。

　　常用命令：lpush（添加左边元素）,rpush,lpop（移除左边第一个元素）,rpop,lrange（获取列表片段，LRANGE key start stop）等。

　　应用场景：Redis list的应用场景非常多，也是Redis最重要的数据结构之一，比如twitter的关注列表，粉丝列表等都可以用Redis的list结构来实现。

　　　　List 就是链表，相信略有数据结构知识的人都应该能理解其结构。使用List结构，我们可以轻松地实现最新消息排行等功能。List的另一个应用就是消息队列，
可以利用List的PUSH操作，将任务存在List中，然后工作线程再用POP操作将任务取出进行执行。Redis还提供了操作List中某一段的api，你可以直接查询，删除List中某一段的元素。

　　实现方式：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。

　　Redis的list是每个子元素都是String类型的双向链表，可以通过push和pop操作从列表的头部或者尾部添加或者删除元素，这样List即可以作为栈，也可以作为队列。 获取越接近两端的元素速度越快，但通过索引访问时会比较慢。

使用场景：

　　消息队列系统：使用list可以构建队列系统，使用sorted set甚至可以构建有优先级的队列系统。比如：将Redis用作日志收集器，实际上还是一个队列，多个端点将日志信息写入Redis，然后一个worker统一将所有日志写到磁盘。

　　取最新N个数据的操作：记录前N个最新登陆的用户Id列表，超出的范围可以从数据库中获得。

//把当前登录人添加到链表里
ret = r.lpush("login:last_login_times", uid)
//保持链表只有N位
ret = redis.ltrim("login:last_login_times", 0, N-1)
//获得前N个最新登陆的用户Id列表
last_login_list = r.lrange("login:last_login_times", 0, N-1)

比如微博：

我们在Redis中使用了常驻缓存来存储最新的微博ID，并且该缓存会一直更新。但是我们做了限制不能超过5000个ID，因此我们的获取ID函数会一直询问Redis。只有在start/count参数超出了这个范围的时候，才需要去访问数据库。我们的系统不会像传统方式那样“刷新”缓存，Redis实例中的信息永远是一致的。SQL数据库（或是硬盘上的其他类型数据库）只是在用户需要获取“很远”的数据时才会被触发，而主页或第一个评论页是不会麻烦到硬盘上的数据库了。

redis 127.0.0.1:6379> lpush runoob redis
(integer) 1
redis 127.0.0.1:6379> lpush runoob mongodb
(integer) 2
redis 127.0.0.1:6379> lpush runoob rabitmq
(integer) 3
redis 127.0.0.1:6379> lrange runoob 0 10
1) "rabitmq"
2) "mongodb"
3) "redis"
redis 127.0.0.1:6379>

　　列表最多可存储 2³² - 1 元素 (4294967295, 每个列表可存储40多亿)。

　　④ Redis set是string类型的无序集合。集合是通过hashtable实现的，概念和数学中个的集合基本类似，可以交集，并集，差集等等，set中的元素是没有顺序的。所以添加，删除，查找的复杂度都是O(1)。

　　sadd 命令：添加一个 string 元素到 key 对应的 set 集合中，成功返回1，如果元素已经在集合中返回 0，如果 key 对应的 set 不存在则返回错误。

　　常用命令：sadd,spop,smembers,sunion 等。

　　应用场景：Redis set对外提供的功能与list类似是一个列表的功能，特殊之处在于set是可以自动排重的，当你需要存储一个列表数据，又不希望出现重复数据时，set是一个很好的选择，并且set提供了判断某个成员是否在一个set集合内的重要接口，这个也是list所不能提供的。

　　Set 就是一个集合，集合的概念就是一堆不重复值的组合。利用Redis提供的Set数据结构，可以存储一些集合性的数据。

可以将一个微博用户的所有关注者和粉丝分别存储为集合。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，对上面的所有集合操作，你还可以使用不同的命令选择将结果返回给客户端还是存集到一个新的集合中。

　　实现方式： set 的内部实现是一个 value永远为null的HashMap，实际就是通过计算hash的方式来快速排重的，这也是set能提供判断一个成员是否在集合内的原因。

　　使用场景：

　　①交集，并集，差集：(Set)

//book表存储book名称
set book:1:name    ”The Ruby Programming Language”
set book:2:name     ”Ruby on rail”
set book:3:name     ”Programming Erlang”
//tag表使用集合来存储数据，因为集合擅长求交集、并集
sadd tag:ruby 1
sadd tag:ruby 2
sadd tag:web 2
sadd tag:erlang 3
//即属于ruby又属于web的书？
inter_list = redis.sinter("tag.web", "tag:ruby") 
//即属于ruby，但不属于web的书？
inter_list = redis.sdiff("tag.ruby", "tag:web") 
//属于ruby和属于web的书的合集？
inter_list = redis.sunion("tag.ruby", "tag:web")

　　②获取某段时间所有数据去重值

　　这个使用Redis的set数据结构最合适了，只需要不断地将数据往set中扔就行了，set意为集合，所以会自动排重。

sadd key member

redis 127.0.0.1:6379> sadd runoob redis
(integer) 1
redis 127.0.0.1:6379> sadd runoob mongodb
(integer) 1
redis 127.0.0.1:6379> sadd runoob rabitmq
(integer) 1
redis 127.0.0.1:6379> sadd runoob rabitmq
(integer) 0
redis 127.0.0.1:6379> smembers runoob
1) "redis"
2) "rabitmq"
3) "mongodb"

　　注意：以上实例中 rabitmq 添加了两次，但根据集合内元素的唯一性，第二次插入的元素将被忽略。集合中最大的成员数为 2³² - 1(4294967295, 每个集合可存储40多亿个成员)。

　　⑤ Redis zset 和 set 一样也是string类型元素的集合,且不允许重复的成员。

　　zadd 命令：添加元素到集合，元素在集合中存在则更新对应score。

　　常用命令：zadd,zrange,zrem,zcard等

　　使用场景：Redis sorted set的使用场景与set类似，区别是set不是自动有序的，而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。当你需要一个有序的并且不重复的集合列表，那么可以选择sorted set数据结构，比如twitter 的public timeline可以以发表时间作为score来存储，这样获取时就是自动按时间排好序的。和Set相比，Sorted Set关联了一个double类型权重参数score，使得集合中的元素能够按score进行有序排列，redis正是通过分数来为集合中的成员进行从小到大的排序。zset的成员是唯一的,但分数(score)却可以重复。比如一个存储全班同学成绩的Sorted Set，其集合value可以是同学的学号，而score就可以是其考试得分，这样在数据插入集合的时候，就已经进行了天然的排序。另外还可以用Sorted Set来做带权重的队列，比如普通消息的score为1，重要消息的score为2，然后工作线程可以选择按score的倒序来获取工作任务。让重要的任务优先执行。

　　实现方式：Redis sorted set的内部使用HashMap和跳跃表(SkipList)来保证数据的存储和有序，HashMap里放的是成员到score的映射，而跳跃表里存放的是所有的成员，排序依据是HashMap里存的score,使用跳跃表的结构可以获得比较高的查找效率，并且在实现上比较简单。

zadd key score member

redis 127.0.0.1:6379> zadd runoob 0 redis
(integer) 1
redis 127.0.0.1:6379> zadd runoob 0 mongodb
(integer) 1
redis 127.0.0.1:6379> zadd runoob 0 rabitmq
(integer) 1
redis 127.0.0.1:6379> zadd runoob 0 rabitmq
(integer) 0
redis 127.0.0.1:6379> > ZRANGEBYSCORE runoob 0 1000
1) "mongodb"
2) "rabitmq"
3) "redis"

各个数据类型应用场景：

类型	简介	特性	场景
String(字符串)	二进制安全	可以包含任何数据,比如jpg图片或者序列化的对象,一个键最大能存储512M	---
Hash(字典)	键值对集合,即编程语言中的Map类型	适合存储对象,并且可以像数据库中update一个属性一样只修改某一项属性值(Memcached中需要取出整个字符串反序列化成对象修改完再序列化存回去)	存储、读取、修改用户属性
List(列表)	链表(双向链表)	增删快,提供了操作某一段元素的API	1、最新消息排行等功能(比如朋友圈的时间线) 2、消息队列
Set(集合)	哈希表实现,元素不重复	1、添加、删除、查找的复杂度都是O(1) 2、为集合提供了求交集、并集、差集等操作	1、共同好友 2、利用唯一性,统计访问网站的所有独立ip 3、好友推荐时,根据tag求交集,大于某个阈值就可以推荐
Sorted Set(有序集合)	将Set中的元素增加一个权重参数score,元素按score有序排列	数据插入集合时,已经进行天然排序	1、排行榜 2、带权重的消息队列

Redis实际应用场景

　　Redis在很多方面与其他数据库解决方案不同：它使用内存提供主存储支持，而仅使用硬盘做持久性的存储；它的数据模型非常独特，用的是单线程。你可以在开发环境中使用Redis的功能，而不必切换到Redis。

　　转向Redis当然也是可取的，许多开发者从一开始就把Redis作为首选数据库；但设想如果你的开发环境已经搭建好，应用已经在上面运行了，那么更换数据库框架显然不那么容易。另外在一些需要大容量数据集的应用，Redis也并不适合，因为它的数据集不会超过系统可用的内存。所以如果你有大数据应用，而且主要是读取访问模式，那么Redis并不是正确的选择。

　　然而我喜欢Redis的一点就是你可以把它融入到你的系统中来，这就能够解决很多问题，比如那些你现有的数据库处理起来感到缓慢的任务。这些你就可以通过Redis来进行优化，或者为应用创建些新的功能。在本文中，我就想探讨一些怎样将Redis加入到现有的环境中，并利用它的原语命令等功能来解决 传统环境中碰到的一些常见问题。在这些例子中，Redis都不是作为首选数据库。

1、显示最新的项目列表

　　下面这个语句常用来显示最新项目，随着数据多了，查询毫无疑问会越来越慢。

SELECT * FROM foo WHERE ... ORDER BY time DESC LIMIT 10

　　在Web应用中，“列出最新的回复”之类的查询非常普遍，这通常会带来可扩展性问题。这令人沮丧，因为项目本来就是按这个顺序被创建的，但要输出这个顺序却不得不进行排序操作。

　　类似的问题就可以用Redis来解决。举个例子，我们的一个Web应用需要展示用户最新发布的20条评论。如果要查看更多的评论，可以单击最新评论旁边的“显示全部”链接。

我们假设数据库中的每条评论都有一个唯一的递增的ID字段。我们可以使用分页来制作主页和评论页，使用Redis的模板，每次新评论发表时，我们会将它的ID添加到一个Redis列表：

LPUSH latest.comments <ID>

　　我们将列表裁剪为指定长度，因此Redis只需要保存最新的5000条评论：

LTRIM latest.comments 0 5000

每次我们需要获取最新评论的项目范围时，我们调用一个函数来完成（使用伪代码）：

FUNCTION get_latest_comments(start, num_items):  
    id_list = redis.lrange("latest.comments",start,start+num_items - 1)  
    IF id_list.length < num_items  
        id_list = SQL_DB("SELECT ... ORDER BY time LIMIT ...")  
    END  
    RETURN id_list  
END

　　这里我们做的很简单。在Redis中我们的最新ID使用了常驻缓存，这是一直更新的。由于我们设置了5000个ID的限制，因此获取ID函数会持续向Redis查询。只有在start/count参数超出了这个范围的时候，才需要去访问数据库。我们的系统不会像传统方式那样“刷新”缓存，Redis实例中的信息永远是一致的。SQL数据库（或是硬盘上的其他类型数据库）只是在用户需要获取“很远”的数据时才会被触发，而主页或第一个评论页是不会麻烦到硬盘上的数据库了。

2、删除与过滤

　　我们可以使用LREM来删除评论。如果删除操作很少，可以直接跳过评论入口并报告该评论已被删除。

redis 127.0.0.1:6379> LREM KEY_NAME COUNT VALUE

　　有些时候你想要给不同的列表附加上不同的过滤器。如果限制了过滤器的数量，你可以为每个不同的过滤器使用独立的Redis列表。Redis可以使用很少的内存来处理数百万条项目，因为每个列表只有5000个项目。

3、排行榜相关

　　另一个很普遍的需求是各种数据库的数据并非存储在内存中，因此在按得分排序以及实时更新这些几乎每秒钟都需要更新的功能上数据库的性能不够理想。

　　典型的比如那些在线游戏的排行榜，比如一个Facebook的游戏，根据得分你通常想要：

　　　　 - 列出前100名高分选手

　　　　 - 列出某用户当前的全球排名

　　这些操作对于Redis来说小菜一碟，即使你有几百万个用户，每分钟都会有几百万个新的得分。

　　模式是这样的，每次获得新得分时，我们用这样的代码：

 ZADD leaderboard  <score>  <username>

　　你可能用userID来取代username，这取决于你是怎么设计的。

　　得到前100名高分用户很简单：ZREVRANGE leaderboard 0 99。

　　用户的全球排名也相似，只需要：ZRANK leaderboard 。

4、按照用户投票和时间排序

　　排行榜的一种常见变体模式就像Reddit或Hacker News用的那样，新闻按照类似下面的公式根据得分来排序：

　　score = points / time^alpha

随着用户投票，新闻会被逐渐展示出来，但时间的因素会逐渐使新闻消失。下面是我们的模式，当然算法由你决定。

　　模式是这样的，开始时先观察那些可能是最新的项目，例如首页上的1000条新闻都是候选者，因此我们先忽视掉其他的，这实现起来很简单。

　　每次新的新闻贴上来后，我们将ID添加到列表中，使用LPUSH + LTRIM，确保只取出最新的1000条项目。

这项后台任务会获取该列表，并连续计算其中每一篇新闻的最终得分。计算结果由ZADD命令按照新的顺序填充生成列表，老新闻则被清除。这里的关键思路是排序工作是由后台任务来完成的。

5、处理过期项目

　　另一种常用的项目排序是按照时间排序。我们使用unix时间作为得分即可。

　　模式如下：

我们会将每个新项目添加到排序集合中，这个集合在我们的非Redis数据库中。我们使用的是时间相关属性，包括current_time和time_to_live。

　　　　- 另一项后台任务使用ZRANGE…SCORES查询排序集合，取出最新的10个项目。如果发现unix时间已经过期，则在数据库中删除条目。

6、计数

　　Redis是一个很好的计数器，这要感谢INCRBY和其他相似命令。

　　我相信你曾许多次想要给数据库加上新的计数器，用来获取统计或显示新信息，但是最后却由于写入敏感而不得不放弃它们。

　　好了，现在使用Redis就不需要再担心了。有了原子递增（atomic increment），你可以放心的加上各种计数，用GETSET重置，或者是让它们过期。

　　例如这样操作：

INCR user:<id> EXPIRE 

user:<id> 60

　　你可以计算出最近用户在页面间停顿不超过60秒的页面浏览量，当计数达到比如20时，就可以显示出某些条幅提示，或是其它你想显示的东西。

7、特定时间内的特定项目

　　另一项对于其他数据库很难，但Redis做起来却轻而易举的事就是统计在某段特点时间里有多少特定用户访问了某个特定资源。比如我想要知道某些特定的注册用户或IP地址，他们到底有多少访问了某篇文章。

　　每次我获得一次新的页面浏览时我只需要这样做：

SADD page:day1:<page_id> <user_id>

　　当然你可能想用unix时间替换day1，比如time()-(time()%3600*24)等等。

　　想知道特定用户的数量吗？只需要使用

SCARD page:day1:<page_id>

　　需要测试某个特定用户是否访问了这个页面？

SISMEMBER page:day1:<page_id>

8、实时分析正在发生的情况，用于数据统计与防止垃圾邮件等

　　我们只做了几个例子，但如果你研究Redis的命令集，并且组合一下，就能获得大量的实时分析方法，有效而且非常省力。使用Redis原语命令，更容易实施垃圾邮件过滤系统或其他实时跟踪系统。

9、Pub/Sub

Redis的发布/订阅功能极为简单，稳定可靠且高效。支持模式匹配，能够实时订阅与取消频道。

10、队列

　　你应该已经注意到像list push和list pop这样的Redis命令能够很方便的执行队列操作了，但能做的可不止这些：比如Redis还有list pop的变体命令，能够在列表为空时阻塞队列。

　　现代的互联网应用大量地使用了消息队列（Messaging）。除了用于系统内部组件之间的通信，消息队列还被用于系统与其他服务之间的交互。消息队列的使用可以增加系统的可扩展性、灵活性和用户体验。非基于消息队列的系统，其运行速度取决于系统中最慢的组件的速度（注：短板效应）。而基于消息队列可以将系统中各组件解除耦合，这样系统就不再受最慢组件的束缚，各组件可以异步运行从而得以更快的速度完成各自的工作。

　　此外，当服务器处在高并发操作的时候，比如频繁地写入日志文件。可以利用消息队列实现异步处理。从而实现高性能的并发操作。

11、缓存

　　Redis的缓存部分值得写一篇新文章，我这里只是简单的说一下。Redis能够替代memcached，让你的缓存从只能存储数据变得能够更新数据，因此你不再需要每次都重新生成数据了。

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!