营销型建设网站seo搜索引擎优化工资多少钱
我用「现实场景+代码简例」帮你彻底掌握Redis的18般武艺。先记住这句话：Redis是数据结构的瑞士军刀。以下分7大核心应用方向讲解：
一、高频面试答案速记版
1. 分布式锁 → 超市储物柜机制
2. 计数器 → 直播间点赞统计
3. 排行榜 → 游戏战力榜
4. 消息队列 → 快递柜暂存
5. 社交关系 → 微博共同关注
6. 布隆过滤器 → 垃圾邮件拦截网
7. 地理位置 → 附近的人
二、详细场景拆解
1. 分布式锁（超市储物柜原理）
// 加锁
Boolean lock = redisTemplate.opsForValue().setIfAbsent("order_lock_123", "1", 30, TimeUnit.SECONDS);// 解锁（Lua脚本保证原子性）
String script = "if redis.call('get', KEYS[1]) == ARGV[1] then return redis.call('del', KEYS[1]) else return 0 end";
redisTemplate.execute(script, Collections.singletonList("order_lock_123"), "1");
类比：
- 储物柜空→存包成功（加锁）
- 超时自动清柜（防止死锁）
- 只有存包人能用钥匙开柜（UUID验证）
2. 计数器（直播间百万点赞）
// 用户点赞
redisTemplate.opsForHash().increment("live:1001", "like", 1);// 查询总赞数
Long likes = (Long) redisTemplate.opsForHash().get("live:1001", "like");
优势：
- 单机QPS可达10万+
- 避免数据库频繁更新
3. 排行榜（手游战力实时榜）
// 更新玩家分数
redisTemplate.opsForZSet().add("rank:season5", "玩家A", 15000);// 查询TOP10
Set<ZSetOperations.TypedTuple<String>> top10 = redisTemplate.opsForZSet().reverseRangeWithScores("rank:season5", 0, 9);
底层结构：跳跃列表（SkipList）实现高效范围查询
4. 消息队列（快递柜暂存包裹）
// 生产者发消息
redisTemplate.opsForList().leftPush("order_queue", "订单数据");// 消费者取消息
String order = redisTemplate.opsForList().rightPop("order_queue", 10, TimeUnit.SECONDS);
适用场景：
- 流量削峰（如秒杀订单暂存）
- 简单任务队列
5. 社交关系（微博共同关注）
// 用户关注列表
redisTemplate.opsForSet().add("user:1001:follow", "2001", "2002");
redisTemplate.opsForSet().add("user:1002:follow", "2001", "2003");// 计算共同关注
Set<String> commonFollows = redisTemplate.opsForSet().intersect("user:1001:follow", "user:1002:follow");
数据结构：Set集合（自动去重+交并差运算）
6. 布隆过滤器（垃圾邮件拦截网）
// 初始化过滤器（需要RedisBloom模块）
redisTemplate.execute("BF.RESERVE", "spam_filter", "0.001", "1000000");// 添加可疑邮箱
redisTemplate.execute("BF.ADD", "spam_filter", "bad@example.com");// 检查是否可疑
Boolean isSpam = (Boolean) redisTemplate.execute("BF.EXISTS", "spam_filter", "new@example.com");
特点：
- 可能存在误判（把好人当坏人）
- 绝不漏判（把坏人当好人）
7. 地理位置（附近5km的人）
// 添加用户坐标
redisTemplate.opsForGeo().add("nearby_users", new Point(116.404, 39.915), "user1001");// 查询附近的人
Circle within = new Circle(new Point(116.404, 39.915), new Distance(5, Metrics.KILOMETERS));
GeoResults<RedisGeoCommands.GeoLocation<String>> results = redisTemplate.opsForGeo().radius("nearby_users", within);
底层：GEOHASH编码存储
三、生产环境选型建议
| 需求场景 | 推荐数据结构 | 示例命令 |
|---|---|---|
| 分布式锁 | String | SETNX + EXPIRE |
| 实时统计 | Hash/ZSet | HINCRBY/ZADD |
| 最新消息 | List | LPUSH + LTRIM |
| 关系计算 | Set | SINTER/SUNION |
| 去重判断 | 布隆过滤器 | BF.ADD/BF.EXISTS |
四、面试高频追问
Q1：Redis做消息队列和Kafka有什么区别？
核心差异：
- Redis：内存存储，适合轻量级/低延迟场景
- Kafka：磁盘持久化，保证高可靠/顺序性
Q2：ZSet如何实现排行榜实时更新？
实现原理：
- 插入数据时自动按score排序
- 底层使用跳跃表，查询时间复杂度O(log N)
Q3：为什么布隆过滤器不能删除元素？
数学限制：
多个元素可能共享同一个bit位，删除会导致其他元素误判
五、Redis能力边界警示
不适合场景：
- 复杂事务（优先用数据库）
- 大数据量存储（内存成本过高）
- 精确去重统计（用HyperLogLog有误差）
终极记忆法
把Redis想象成万能工具箱：
- 需要快速存取 → 螺丝刀（缓存）
- 需要协作控制 → 扳手（分布式锁）
- 需要统计计算 → 卷尺（计数器）
- 需要排序查找 → 水平仪（ZSet）