数据库系列文章：

关系型数据库:

• MySQL —— 基础语法大全
• MySQL —— 进阶

非关系型数据库:

• Redis 的安装与配置

三、Redis 基本命令（下）

3.8 benchmark 测试工具

⭐️ 3.8.1、简介
    在Redis 安装完毕后会自动安装一个 redis-benchmark 测试工具，其是一个压 力测试工具，用于测试 Redis 的性能。

    通过 redis-benchmark --help 命令可以查看到其用法：

• 其选项 options 非常多，下面通过例子来学习常用的 options 的用法。

⭐️ 3.8.2、测试1

（1） 命令解析

    以上命令中选项的意义：

• -h ：指定要测试的 Redis 的 IP ，若为本机，则可省略
• -p ：指定要测试的 Redis 的 port ，若为 6379 ，则可省略
• -c ：指定模拟有客户端的数量，默认值为 50
• -n ：指定这些客户端发出的请求的总量，默认值为 100000
• -d ：指定测试 get/set 命令时其操作的 value 的数据长度，单位字节，默认值为 3 。在测试其它命令时该指定没有用处。

    以上命令的意义是，使用 100 个客户端连接该 Redis ，这些客户端总共会发起 100000个请求， set/get 的 value 为 8 字节数据。

（2） 测试结果分析

    该命令会逐个测试所有Redis 命令，每个命令都会给出一份测试报告，每个测试报告由四部分构成：

A、 测试环境报告

• 首先就是测试环境：

B、 延迟百分比分布

• 这是按照百分比进行的统计报告：每完成一次剩余测试量的 50% 就给出一个统计数据。

C、 延迟的累积分布

• 这是按照时间间隔统计的报告：基本是每 0.1 毫秒统计一次。

D、 总述报告

• 这是总述性报告。

⭐️ 3.8.3、测试2

    以上命令中选项的意义：

• -t ：指定要测试的命令，多个命令使用逗号分隔，不能有空格
• -q ：指定仅给出总述性报告

3.9 简单动态字符串SDS

⭐️ 3.9.1、SDS简介
    无论是Redis 的 Key 还是 Value ，其基础数据类型都是字符串。例如 Hash 型 Value 的field 与 value 的类型、 List 型、 Set 型、 ZSet 型 Value 的元素的类型等都是字符串。虽然 Redis是使用标准 C 语言开发的，但并没有直接使用 C 语言中传统的字符串表示，而是自定义了一种字符串。这种字符串本身的结构比较简单，但功能却非常强大，称为 简单动态字符串，Simple Dynamic String ，简称 SDS 。

    注意，Redis 中的所有字符串并不都是 SDS ，也会出现 C 字符串。 C 字符串只会出现在字符串 “字面常量” 中，并且 该字符串不可能发生变更。

redisLog(REDIS_WARNNING, "sdfsfsafsafds");

⭐️ 3.9.2、SDS结构

    SDS不同于 C 字符串。 C 字符串本身是一个以双引号括起来，以空字符 '\0' 结尾的字符序列。但 SDS 是一个结构体，定义在 Redis 安装目录下的 src/sds.h 中：

struct sdshdr {
	//字节数组，用于保存字符串
	char buf[];
	// buf[]中已使用字节数量，称为 SDS 的长度
	int len;
	// buf[]中尚未使用的字节数量
	int free;
}

    例如执行 SET country "China" 命令时，键 country 与 值 China 都是 SDS 类型的，只不过一个是 SDS 的变量，一个是 SDS 的字面常量。

• China 在内存中的结构如下：

    通过以上结构可以看出， SDS 的 buf 值实际是一个 C 字符串，包含空字符 '\0' 共占 6 个字节。但 SDS 的 len 是不包含空字符 '\0' 的。

• 该结构与前面不同的是，这里有 3 字节未使用空间。

⭐️ 3.9.3、SDS的优势

    C字符串使用 Len+1 长度的字符数组来表示实际长度为 Len 的字符串，字符数组最后以空字符 '\0' 结尾，表示字符串结束。这种结构简单，但不能满足 Redis 对字符串 功能性、安全性 及 高效性 等的要求。

（1） 防止 字符串长度获取 性能瓶颈

    对于C 字符串，若要获取其长度，则必须要通过遍历整个字符串才可获取到的。对于超长字符串的遍历，会成为系统的 性能瓶颈。
    但，由于SDS 结构体中直接就存放着字符串的长度数据，所以对于获取字符串长度需要消耗的系统性能，与字符串本身长度是无关的，不会成为 Redis 的性能瓶颈。

（2） 保障二进制安全

    C字符串中只能包含符合某种编码格式的字符，例如 ASCII 、 UTF-8 等，并且除了字符串末尾外，其它位置是不能包含空字符 '\0' 的，否则该字符串就会被程序误解为提前结束。故而在图片、音频、视频、压缩文件、 office 文件等二进制数据的。
    但 SDS 不是以空字符 '\0' 作为字符串结束标志的，其是通过 len 属性来判断字符串是否结束的。所以，对于程序处理 SDS 中的字符串数据，无需对数据做任何限制、过滤、假设，只需读取即可。数据写入的是什么，读到的就是什么。

（3） 减少内存再分配次数

    SDS 采用了 空间预分配策略 与 惰性空间释放策略 来避免内存再分配问题。
    空间预分配策略是指，每次SDS 进行空间扩展时，程序不但为其分配所需的空间，还会为其分配额外的未使用空间（以空间换时间），以减少内存再分配次数。而额外分配的未使用空间大小取决于空间扩展后 SDS 的 len 属性值。

• 如果 len 属性值 小于 1M ，那么分配的未使用空间 free 的大小与 len 属性值 相同。
• 如果 len 属性值 大于等于 1M ，那么分配的未使用空间 free 的大小固定是 1M 。

    SDS对于空间释放采用的是惰性空间释放策略。该策略是指， SDS 字符串长度如果缩短，那么多出的未使用空间将暂时不释放，而是增加到 free 中。以使后期扩展 SDS 时减少内存再分配次数。
    如果要释放 SDS 的未使用空间，则可通过 sdsRemoveFreeSpace() 函数来释放。

（4） 兼容 C 函数

    Redis 中提供了很多的 SDS 的 API ，以方便用户对 Redis 进行二次开发。为了能够兼容 C 函数， SDS 的底层数组 buf[] 中的字符串仍以空字符 '\0' 结尾。

    现在要比较的双方，一个是SDS ，一个是 C 字符串，此时可以通过 C 语言函数

strcmp(sds_str->buf, c_str)

⭐️ 3.9.4、常用的SDS操作函数

下表列出了一些常用的SDS 操作函数及其功能描述。

函数	功能描述
sdsnew()	使用指定的 C 字符串创建一个 SDS
sdsempty()	创建一个不包含任何字符串数据的SDS
sdsdup()	创建一个指定 SDS 的副本
sdsfree()	释放指定的SDS
sdsclear()	清空指定 SDS 的字符串内容
sdslen()	获取指定SDS 的已使用空间 len 值
sdsavail()	获取指定 SDS 的未使用空间 free 值
sdsMakeRoomFor()	使指定的SDS 的 free 空间增加指定的大小
sdsRemoveFreeSpace()	释放指定 SDS 的 free 空间
sdscat()	将指定的C 字符串拼接到指定 SDS 字符串末尾
sdscatsds()	将指定的 SDS 的字符串拼接到另一个指定 SDS 字符串末尾
sdscpy()	将指定的C 字符串复制到指定的 SDS 中，覆盖原 SDS 字符串内容
sdsgrouzero()	扩展 SDS 字符串到指定长度。这个扩展是使用空字符 '\0' 填充
sdsrange()	截取指定SDS 中指定范围内的字符串
sdstrim()	在指定 SDS 中删除所有指定 C 字符串中出现的所有字符
sdsemp()	对比两个给定的SDS 字符串是否相同
sdstolow()	将指定 SDS 字符串中的所有字母变为小写
sdstoupper()	将指定SDS 字符串中的所有字母变为大写

3.10 集合的底层实现原理

    Redis 中对于 Set 类型的底层实现，直接采用了 hashTable 。但对于 Hash 、 ZSet 、 List 集合的底层实现进行了特殊的设计，使其保证了 Redis 的高性能。

⭐️ 3.10.1、两种实现的选择

    对于 Hash 与 ZSet 集合，其底层的实现实际有两种：压缩列表 zipList ，与跳跃列表 skipList 。

    这两种实现对于用户来说是透明的，但用户写入不同的数据，系统会自动使用不同的实现。只有同时满足以配置文件 redis.conf 中相关集合 元素数量阈值 与 元素大小阈值 两个条件，使用的就是压缩列表 zipList ，只要有一个条件不满足使用的就是跳跃列表 skipList 。例如，对于
ZSet 集合中这两个条件如下：

• 集合元素个数小于 redis.conf 中 zset-max-ziplist-entries 属性的值，其默认值为 128
• 每个集合元素大小都小于 redis.conf 中 zset-max-ziplist-value 属性的值，其默认值为 64 字节

⭐️ 3.10.2、zipList

（1） 什么是 zipList

    zipList，通常称为压缩列表 是一个经过 特殊编码 的用于 存储 字符串或整数 的 双向链表。
其底层数据结构由三部分构成： head 、 entries 与 end 。这三部分在内存上是连续存放的。

（2） head

    head 又由三部分构成：

• zlbytes 占 4 个字节，用于存放 zipList 列表整体数据结构所占的字节数，包括 zlbytes 本身的长度。
• zltail 占 4 个字节，用于存放 zipList 中最后一个 entry 在整个数据结构中的偏移量（字节）。该数据的存在可以快速定位列表的尾 entry 位置，以方便操作。
• zllen 占 2 字节，用于存放列表包含的 entry 个数。由于其只有 16 位，所以 zipList 最多可以含有的 entry 个数为 $2^{16}-1=65535$ 个。(也能超过这个数量，超了这部分就失效了，只能遍历。)

（3） entries

    entries 是真正的列表，由很多的 列表元素 entry 构成。由于不同的元素类型、数值的不同，从而导致每个 entry 的长度不同。

    每个 entry 由三部分构成：

• prevlength 该部分用于记录上一个 entry 的长度，以实现 逆序遍历 。默认长度为 1 字节，只要上一个 entry 的长度 <254 字节， prevlength 就占 1 字节，否则其会自动扩展为 3 字节长度。
• encoding 该部分用于标志后面的 data 的 具体类型。如果 data 为整数类型， encoding 固定长度为1 字节。如果 data 为字符串类型，则 encoding 长度可能会是1 字节、2 字节或5 字节。data 字符串不同的长度，对应着不同的 encoding 长度。
• data：真正存储的数据。数据类型只能是整数类型或字符串类型。不同的数据占用的字节长度不同。

（4） end

    end 只包含一部分，称为 zlend。占1 个字节，值固定 为 255，即二进制位为全1，表示一个 zipList 列表的结束。

⭐️ 3.10.3、listPack

    对于ziplist，实现复杂，为了逆序遍历，每个 entry 中包含前一个 entry 的长度，这样会导致在 ziplist 中间修改或者插入entry 时需要进行级联更新。在高并发的写操作场景下会极度降低 Redis 的性能。为了实现更紧凑、更快的解析，更简单的实现，重写 实现了ziplist，并命名为listPack。

    在 Redis 7.0 中，已经将 zipList 全部替换为了 listPack，但为了兼容性，在配置中也保留了 zipList 的相关属性。

（1） 什么是 listPack

     listPack 也是一个经过 特殊编码 的用于 存储 字符串或整数 的 双向链表。其底层数据结构也由三部分构成：head、entries 与 end，且这三部分在内存上也是连续存放的。
    listPack 与 zipList 的重大区别在 head与每个 entry 的结构上，表示列表结束的 end 与 zipList 的 zlend 是相同的，占一个字节，且 8 位全为1。

（2） head

    head 由两部分构成：

• totalBytes ：占 4 个字节，用于存放 listPack 列表整体数据结构所占的字节数，包括 totalBytes 本身的长度。
• elemNum ：占 2 字节，用于存放列表包含的 entry 个数。其意义与 zipList 中 zllen 的相同。

    与 zipList 的 head 相比，没有了记录最后一个 entry 偏移量的 zltail 。

（3） entries

    entries 也是 listPack 中真正的列表，由很多的列表元素 entry 构成。由于不同的元素类型、数值的不同，从而导致每个 entry 的长度不同。但与 zipList 的 entry 结构相比， listPack的 entry 结构发生了较大变化。
    其中最大的变化就是没有了记录前一个 entry 长度的 prevlength ，而增加了记录当前 entry 长度的 element-total-len 。而这个改变仍然可以实现 逆序遍历 ，但却避免了由于在列表中间修改或插入 entry 时引发的级联更新 。

    每个 entry 仍 由三部分构成：

• encoding： 该部分用于标志后面的 data 的具体类型。如果 data 为整数类型， encoding长度可能会是 1 、 2 、 3 、 4 、 5 或 9 字节。不同的字节长度，其标识位不同。如果 data为字符串类型，则 encoding 长度可能会是 1 、 2 或 5 字节。 data 字符串不同的长度，对应着不同的 encoding 长度。
• data：真正存储的数据。数据类型只能是整数类型或字符串类型。不同的数据占用的字
  节长度不同。
• element-total-len： 该部分用于记录当前 entry 的长度，用于实现 逆序遍历 。由于其特殊的记录方式，使其本身占有的字节数据可能会是 1 、 2 、 3 、 4 或 5 字节。

⭐️ 3.10.4、skipList

（1） 什么是 skipList

    skipList，跳跃列表，简称跳表 是一种 随机化 的数据结构，基于 并联 的 双向链表，实现简单，查找 效率较高 。简单 来说跳表也是链表的一种，只不过它在链表的基础上增加了跳跃功能。也 正是这个跳跃功能，使得在查找元素时，能够提供 较高的效率 。

（2） skipList 原理

    假设有一个带头尾结点的有序链表。

    在该链表中，如果要查找某个数据，需要从头开始逐个进行比较，直到找到包含数据的那个节点，或者找到第一个比给定数据大的节点，或者找到最后尾结点，后两种都属于没有找到的情况。同样，当我们要插入新数据的时候，也要经历同样的查找过程，从而确定插入位置。
    为了提升查找效率，在偶数结点上增加一个指针，让其指向下一个偶数结点。

    这样所有偶数结点就连成了一个新的链表（简称 高层链表），当然，高层链表包含的节点个数只是原来链表的一半。此时再想查找某个数据时，先沿着高层链表进行查找。 当遇到第一个比待查数据大的节点时，立即从该大节点的前一个节点回到原链表中进行查找。例如若想插入一个数据 20， 则先在（ 8，19，31，42 ）的链表中查找，找到第一个比 20 大的节点 31 ，然后再在高层链表中找到 31 节点的前一个节点 19 ，然后再在原链表中获取到其下一个节点值为 23 。比 20大，则将 20 插入到 19 节点与 23 节点之间。若插入的是 25 ，比节点23 大，则插入到 23 节点与 31 节点之间。
    该方式明显可以减少比较次数，提高查找效率。如果链表元素较多，为了进一步提升查找效率，可以将原链表构建为三层链表，或 再高层级链表。

    层级越高，查找效率就会越高 。

（3） 存在的问题

    这种对链表分层级的方式从原理上看确实提升了查找效率，但在实际操作时就出现了问题：由于固定序号的元素拥有固定层级，所以列表元素出现 增加或删除 的情况下，会导致列表整体元素层级大调整，但这样势必会大大降低系统性能。
    例如，对于划分两级的链表，可以规定奇数结点为高层级链表，偶数结点为低层级链表。对于划分三级的链表，可以按照节点序号与 3 取模结果进行划分。但如果插入了新的节点，或删除的原来的某些节点，那么定会按照原来的层级划分规则进行重新层级划分，那么势必会大大降低系统性能。

（4） 算法优化

    为了避免前面的问题， skipList 采用了 随机分配层级方式。即在确定了总层级后，每添加一个新的元素时会自动为其随机分配一个层级。这种随机性就解决了节点序号与层级间的固定关系问题。

    上图演示了列表在生成过程中为每个元素随机分配层级的过程。从这个 skiplist 的创建和插入过程可以看出，每一个节点的层级数都是随机分配的，而且新插入一个节点不会影响到其它节点的层级数。只需要修改插入节点前后的指针，而不需对很多节点都进行调整。这就降低了插入操作的复杂度。
    skipList指的就是除了最下面第 1 层链表之外，它会产生若干层稀疏的链表，这些链表里面的指针跳过了一些节点 ，并且越高层级的链表跳过的节点越多。在查找数据的时先在高层级链表中进行查找，然后逐层降低，最终可能会降到第 1 层链表来精确地确定数据位置。在这个过程中由于跳过了一些节点，从而加快了查找速度。

⭐️ 3.10.5、quickList

（1） 什么是 quickList

    quickList，快速列表 quickList 本身是一个双向无循环 链表，它的每一个节点都是一个 zipList 。从 Redis3.2 版本开始，对于 List 的底层实现，使用 quickList 替代了 zipList 和 linkedList 。
    zipList 与 linkedList 都存在有明显不足，而 quickList 则 对它们进行了改进 ：吸取了 zipList 和 linkedList 的优点，避开了它们的不足。
    quickList 本质上是 zipList 和 linkedList 的混合体 。 其 将 linkedList 按段切分，每一段使用 zipList 来紧凑存储 若干真正的数据元素 ，多个 zipList 之间使用双向指针串接起来。 当然，对于每个 zipList 中最多可存放多大容量的数据元素，在配置文件（redis.conf）中通过 list-max-ziplist-size 属性可以指定。

（2） 检索操作

    为了更深入的理解 quickList 的工作原理，通过对检索、插入、删除等操作的实现分析来加深理解。
    对于 List 元素的检索，都是以其索引 index 为依据的。 quickList 由一个个的 zipList 构成，每个 zipList 的 zllen 中记录的就是当前 zipList 中包含的 entry 的个数，即包含的真正数据元素的个数。根据要检索元素的 index ，从 quickList 的头节点开始，逐个对 zipList 的 zllen 做 sum求和，直到找到第一个求和后 sum 大于 index 的 zipList ，那么要检索的这个元素就在这个 zipList 中。

（3） 插入操作

    由于 zipList 是有大小限制的，所以在 quickList 中插入一个元素在逻辑上相对就比较复杂一些。假设要插入的元素的大小为 insertBytes ，而查找到的插入位置所在的 zipList 当前的大小为 zlBytes .

那么具体可分为下面几种情况:

• 情况一：当 insertBytes + zlBytes <= list-max-ziplist-size 时 直接插入到 zipList 中相应位置即可。
• 情况二：当 insertBytes + zlBytes > list-max-ziplist-size ，且插入的位置位于该 zipList 的首部位置，此时需要查看该 zipList 的前一个 zipList 的大小 prev_zlBytes 。
  • 若 insertBytes + prev_zlBytes <= list-max-ziplist-size 时，直接将元素插入到前一个 zipList 的尾部位置即可
  • 若 insertBytes + prev_zlBytes > list-max-ziplist-size 时，直接将元素自己 构建 为一个新的 zipList ，并连入 quickList 中
• 情况三：当 insertBytes + zlBytes > list-max-ziplist-size ，且插入的位置位于该 zipList 的尾部位置，此时需要查看该 zipList 的后一个 zipList 的大小 next_zlBytes 。
  • 若 insertBytes + next_zlBytes <= list-max-ziplist-size 时，直接将元素插入到后一个 zipList 的头部位置即可
  • 若 insertBytes + next_zlBytes > list-max-ziplist-size 时，直接将元素自己 构建 为一个新的 zipList ，并连入 quickList 中
• 情况四：当 insertBytes + zlBytes > list-max-ziplist-size ，且插入的位置位于该 zipList 的中间位置，则将当前 zipList 分割 为两个 zipList 连接入 quickList 中，然后将元素插入到分割后的前面 zipList 的尾部位置。

（4） 删除操作

    对于删除操作，只需要注意一点，在相应的 zipList 中删除元素后，该 zipList 中是否还有元素。如果没有其它元素了，则将该 zipList 删除，将其前后两个 zipList 相连接。

⭐️ 3.10.6、key与value 中元素的数量

    前面讲述的Redis 的各种特殊数据结构的设计，不仅极大提升了 Redis 的性能，并且还使得 Redis 可以支持的 key 的数量、集合 value 中可以支持的元素数量可以非常庞大。

• Redis 最多可以处理 $2^{32}$ 个 key （约 42 亿） ），并且在实践中经过测试，每个 Redis 实例至少可以处理 2.5 亿个 key 。
• 每个 Hash 、 List 、 Set 、 ZSet 集合都可以包含 $2^{32}$ 个元素。

3.11 BitMap 操作命令

⭐️ 3.11.1、BitMap简介
⭐️ 3.11.2、setbit

⭐️ 3.11.3、getbit

⭐️ 3.11.4、bitcount

⭐️ 3.11.5、bitpos
⭐️ 3.11.6、bitop
⭐️ 3.11.7、应用场景

3.12 HyperLogLog 操作命令

⭐️ 3.12.1、HyperLogLog简介
⭐️ 3.12.2、pfadd
⭐️ 3.12.3、pfcount
⭐️ 3.12.4、pfmerge
⭐️ 3.12.5、应用场景

3.13 Geospatial 操作命令

⭐️ 3.13.1、Geospatial简介
⭐️ 3.13.2、geoadd
⭐️ 3.13.3、geopos
⭐️ 3.13.4、geodist
⭐️ 3.13.5、geohash
⭐️ 3.13.6、georadius
⭐️ 3.13.7、georadiusbymember
⭐️ 3.13.8、应用场景

3.14 发布/订阅命令

⭐️ 3.14.1、消息系统
⭐️ 3.14.2、subscribe
⭐️ 3.14.3、psubscribe
⭐️ 3.14.4、publish
⭐️ 3.14.5、unsubscribe
⭐️ 3.14.6、punsubscribe
⭐️ 3.14.7、pubsub

3.15 Redis 事务

⭐️ 3.15.1、Redis 事务特性
⭐️ 3.15.2、Redis 事务实现
⭐️ 3.15.3、Redis 事务异常处理
⭐️ 3.15.4、Redis 事务隔离机制

四、Redis 持久化

🚀🚀🚀 Redis 持久化 快速食用：---------------------------------------------------------------------------------------------------------------------------------------------------------------------------->

五、Redis 主从集群

六、Redis 分布式系统

七、Redis 缓存

八、Lua脚本详解

九、分布式锁