Redis精华内容讲解，深入又不复杂，边学边懂的那种感觉

Redis到底是个啥？为啥它这么快？

你可以把Redis想象成一个超级厉害的“超级玛丽”里的那种小箱子，你往里面放个蘑菇，立马就能变大，Redis就是一个放在内存里的“小箱子”（来源：Redis官方文档称其为内存数据结构存储），它的所有数据都放在电脑的内存里，而不是像MySQL那样存在硬盘上，你想啊，从内存里拿东西，比从硬盘上读取要快多少倍？这就是Redis速度惊人的首要秘诀——内存存储。

但光放在内存里有个大问题：万一断电了，内存里的东西不就全没了吗？Redis想到了这点，它有两种主要的“记小本本”的方式（来源：Redis持久化机制）：一种叫RDB，就像是给你当前的数据状态拍张快照，存到硬盘上；另一种叫AOF，像是写日记，把你对数据的所有操作命令都记下来，这样即使断电重启，也能根据“快照”或者“回放日记”把数据恢复回来，别担心它会“失忆”。

另一个让它飞起的原因是，它是单线程的（来源：Redis核心是单线程事件循环），咦？单线程不是会慢吗？这里有个常见的误解，Redis的单线程指的是处理命令的核心模块只有一个线程，这意味着它不用像多线程程序那样，费劲地去处理复杂的锁的问题，避免了线程切换带来的开销，它就像一个极其专注的办事员，虽然一次只处理一个请求，但处理速度极快，绝不会手忙脚乱，当成千上万的请求过来时，它们会在门口排好队，这个超级办事员一个个飞快地处理掉，在网络IO处理上，它用了很高效的技术（如epoll）,所以即使单线程也能同时管理很多连接。

第二部分：Redis的百宝箱里都有什么宝贝？

Redis的强大，绝不仅仅是因为快，更因为它提供了丰富的数据结构，而不仅仅是简单的字符串，这才是它的精髓所在（来源：Redis数据类型）。

1. String（字符串）：这是最简单的类型，就是key-value对，你可以存一个数字，一个字符串，比如用来做缓存是最常见的：把数据库里查出来的用户信息存成JSON字符串，下次请求直接从这里拿，数据库就轻松多了，它还能对数字进行自增，用来做文章阅读量、点赞数非常方便。

   

2. Hash（哈希）：这个就像Java里的Map或者Python里的字典，一个key下面可以存好多对字段和值，比如要存用户信息，与其把一个用户的所有信息（姓名、年龄、城市）拼成一个大的JSON字符串用String存，不如用Hash，key是用户ID，字段是name、age、city，这样你想单独修改用户年龄时，直接改age字段就行了，不用动整个字符串,非常灵活高效。

3. List（列表）：就是一个双向链表，你可以从左边或者右边插入、弹出元素，这能干嘛呢？最典型的就是做消息队列（虽然现在有更专业的MQ，但Redis简单场景下很好用），用户下单后，把订单信息从左边推进一个List，后台的库存处理程序从右边把这个订单信息取走处理，实现了简单的异步和解耦，还可以做朋友圈的时间线，新发的消息从左边推进List,展示的时候直接按顺序取。

4. Set（集合）：集合的特点就是元素不重复，而且支持求交集、并集、差集，这功能可太有用了！你可以把一个人的所有好友ID存成一个Set，把另一个人的好友ID也存成一个Set，然后一条命令就能求出他俩的共同好友（交集），微博的“共同关注”就是这个原理。

   

5. Sorted Set（有序集合）：这是Set的升级版，每个元素都关联一个分数（score），Redis会根据分数自动给元素排序，这简直就是为排行榜而生的！比如做一个游戏积分榜，玩家ID是元素，积分是分数，你可以轻松地取出前十名，或者查看某个玩家的排名,实现一个实时排行榜可能只需要一两行命令。

第三部分：Redis在实际中怎么用？举个简单的例子

假设我们做一个文章网站。

• 缓存文章内容：我们用String类型，key是 article:文章ID，value是文章的JSON内容,大大减轻数据库压力。
• 记录文章点赞数：用String的自增功能，key是 article_like:文章ID，每点一次赞,这个数字就加1。
• 文章评论列表：用List，key是 article_comment:文章ID，每次有新评论，就从左边推进List,显示评论时按顺序取。
• 文章标签：一篇文章有多个标签，用Set来存最合适，key是 article_tag:文章ID，值就是标签名的集合，可以方便地求有相同标签的文章（交集）。
• 本周热文排行榜：用Sorted Set，key是 week_rank，元素是文章ID，分数是本周的阅读量或综合热度,轻松获取TOP10。

你看，一个简单的应用，Redis的几种数据结构就几乎全用上了，它就像一个多功能的瑞士军刀，不同的场景掏出不同的工具,简单又高效。

希望这个聊天能让你对Redis有一个直观又不失深度的理解，它不仅仅是快，更是一个灵活的数据结构工具箱，用好它,能解决很多高性能场景下的难题。