Redis 原理、概念与数据类型；增删改查实例；实现缓存并统计点击量

Redis 原理、概念与数据类型；增删改查实例；实现缓存并统计点击量

目录

[一、Redis 原理、概念与数据类型](#一、Redis 原理、概念与数据类型)

[1.1 Redis 概念](#1.1 Redis 概念)

[1.2 Redis 核心原理](#1.2 Redis 核心原理)

（1）内存存储与持久化

（2）单线程模型

（3）IO多路复用

[1.3 Redis 数据类型](#1.3 Redis 数据类型)

[二、Redis 缓存增删改查实例（Python实现）](#二、Redis 缓存增删改查实例（Python实现）)

[2.1 环境准备](#2.1 环境准备)

[2.2 业务场景](#2.2 业务场景)

[2.3 代码实现](#2.3 代码实现)

三、使用Redis实现缓存并统计点击量

[3.1 业务场景](#3.1 业务场景)

[3.2 实现方案](#3.2 实现方案)

[3.3 代码实现](#3.3 代码实现)

四、总结

---

一、Redis 原理、概念与数据类型

1.1 Redis 概念

Redis（Remote Dictionary Server）是一款​​开源的内存键值对数据库​​，也被称为"数据结构服务器"。它支持多种数据结构（如字符串、哈希、列表等），并提供持久化、事务、发布订阅等功能。核心特点是：

• ​高性能​：内存存储，读写速度可达10万+ QPS；
• ​持久化​：支持RDB（快照）和AOF（日志）两种持久化方式；
• ​多数据结构​：内置丰富的数据类型，适用于复杂场景；
• ​原子性​：单线程模型保证命令执行的原子性；
• ​分布式​：支持主从复制、哨兵、集群等分布式方案。

1.2 Redis 核心原理

（1）内存存储与持久化

• ​内存存储​：数据主要存储在内存中，读写效率极高；但内存断电易失，因此需要持久化机制。
• ​RDB（Redis Database）​ ：定期将内存数据快照写入磁盘（通过save配置触发，如save 900 1表示900秒内至少1次修改则触发）。优点是文件紧凑、恢复快；缺点是可能丢失最后一次快照后的数据。
• ​AOF（Append Only File）​ ：记录所有写操作命令（追加到文件），重启时重新执行命令恢复数据。支持always（每条命令同步）、everysec（每秒同步，默认）、no（由操作系统决定）三种同步策略。优点是数据安全性高（最多丢失1秒数据）；缺点是文件体积大，恢复速度慢。

（2）单线程模型

Redis 6.0 前采用​​单线程处理命令​​（IO多路复用技术处理网络请求），避免了多线程上下文切换的开销。6.0 后引入多线程处理网络IO（仅负责接收/发送命令），但命令执行仍由主线程完成，保证了原子性。

（3）IO多路复用

通过epoll/kqueue等系统调用，监听多个客户端连接，实现单线程高效处理大量并发请求。

1.3 Redis 数据类型

Redis 支持以下核心数据类型（均基于键值对存储，键为字符串）：

数据类型	描述	典型应用场景
​​String​​	字符串（支持整数、浮点数、二进制数据，最大512MB）	缓存、计数器、分布式锁
​​Hash​​	键值对集合（类似Java的HashMap）	存储对象（如用户信息user:1001）
​​List​​	有序可重复的列表（基于双向链表）	消息队列、历史记录
​​Set​​	无序唯一的集合（基于哈希表或跳表）	去重、共同好友、随机抽取
​​Sorted Set​​	有序唯一的集合（元素关联分数score，按分数排序）	排行榜、时间线
​​Bitmap​​	基于String的位操作（每一位表示一个布尔值）	统计活跃用户、签到记录
​​HyperLogLog​​	基于概率算法的统计结构（误差约0.81%）	统计海量数据的独立总数（如UV）
​​Geo​​	地理位置存储（经纬度）	附近的人/地点查询

二、Redis 缓存增删改查实例（Python实现）

2.1 环境准备

• 安装Redis服务（本地或远程，本文假设本地运行在localhost:6379）；
• 安装Python Redis客户端：pip install redis。

2.2 业务场景

以"用户信息缓存"为例，实现以下功能：

• ​增加缓存​：用户注册时，将用户信息存入Redis；
• ​查询缓存​：用户登录时，优先从Redis获取信息；
• ​修改缓存​：用户信息更新时，同步更新Redis；
• ​删除缓存​：用户注销时，删除Redis中的缓存。

2.3 代码实现

import redis

class RedisCache:
    def __init__(self, host='localhost', port=6379, db=0, password=None):
        self.redis_client = redis.Redis(
            host=host,
            port=port,
            db=db,
            password=password,
            decode_responses=True  # 自动解码字节为字符串
        )

    # 增加缓存（用户信息）
    def add_user_cache(self, user_id, user_info):
        """将用户信息以Hash形式存入Redis"""
        key = f"user:{user_id}"
        # user_info格式：{"name": "张三", "age": 25, "email": "zhangsan@example.com"}
        return self.redis_client.hset(key, mapping=user_info)

    # 查询缓存（用户信息）
    def get_user_cache(self, user_id):
        """从Redis获取用户信息"""
        key = f"user:{user_id}"
        user_data = self.redis_client.hgetall(key)
        return user_data if user_data else None  # 无缓存返回None

    # 修改缓存（用户信息）
    def update_user_cache(self, user_id, updated_info):
        """更新用户信息（仅更新存在的字段）"""
        key = f"user:{user_id}"
        if self.redis_client.exists(key):
            return self.redis_client.hupdate(key, mapping=updated_info)
        else:
            raise ValueError(f"用户{user_id}缓存不存在")

    # 删除缓存（用户信息）
    def delete_user_cache(self, user_id):
        """删除用户缓存"""
        key = f"user:{user_id}"
        return self.redis_client.delete(key)

# 示例用法
if __name__ == "__main__":
    # 初始化缓存客户端
    cache = RedisCache()

    # 1. 增加缓存：用户注册
    user_info = {"name": "张三", "age": 25, "email": "zhangsan@example.com"}
    cache.add_user_cache(user_id=1001, user_info=user_info)
    print("添加缓存成功，用户1001信息：", cache.get_user_cache(1001))

    # 2. 查询缓存：用户登录
    cached_user = cache.get_user_cache(1001)
    print("查询缓存结果：", cached_user)

    # 3. 修改缓存：用户信息更新（年龄改为26）
    updated_info = {"age": 26}
    cache.update_user_cache(user_id=1001, updated_info=updated_info)
    print("修改后缓存信息：", cache.get_user_cache(1001))

    # 4. 删除缓存：用户注销
    cache.delete_user_cache(1001)
    print("删除后缓存信息：", cache.get_user_cache(1001))  # 应返回None

三、使用Redis实现缓存并统计点击量

3.1 业务场景

统计某个页面（如商品详情页）的点击量，要求：

• 实时性：每次点击立即更新计数；
• 高并发：支持大量用户同时点击；
• 持久化：重启后数据不丢失。

3.2 实现方案

使用Redis的​​String类型​ ​配合INCR命令实现计数器。INCR是原子操作，保证高并发下的正确性；结合持久化机制（如RDB/AOF）确保数据不丢失。

3.3 代码实现

import redis
from datetime import datetime

class ClickCounter:
    def __init__(self, host='localhost', port=6379, db=0):
        self.redis_client = redis.Redis(host=host, port=port, db=db, decode_responses=True)

    # 记录一次点击（按页面和日期分组）
    def record_click(self, page_id):
        # 键格式：click:page:{page_id}:{date}（如click:page:101:20250808）
        today = datetime.now().strftime("%Y%m%d")
        key = f"click:page:{page_id}:{today}"
        return self.redis_client.incr(key)  # 原子递增，返回当前总次数

    # 获取某页面今日点击量
    def get_today_clicks(self, page_id):
        today = datetime.now().strftime("%Y%m%d")
        key = f"click:page:{page_id}:{today}"
        return int(self.redis_client.get(key) or 0)  # 无数据返回0

    # 获取某页面历史总点击量（可选：按日期聚合）
    def get_total_clicks(self, page_id):
        # 匹配所有日期的键（如click:page:101:*）
        keys = self.redis_client.keys(f"click:page:{page_id}:*")
        total = 0
        for key in keys:
            total += int(self.redis_client.get(key))
        return total

# 示例用法
if __name__ == "__main__":
    counter = ClickCounter()

    # 模拟用户点击商品详情页（page_id=101）
    for _ in range(5):
        counter.record_click(page_id=101)
    
    print("今日点击量（101页）：", counter.get_today_clicks(101))  # 输出5
    print("历史总点击量（101页）：", counter.get_total_clicks(101))  # 输出5（假设仅今日有数据）

四、总结

• Redis 是高性能内存数据库，核心优势在于内存存储、多数据结构和持久化；
• 缓存设计需考虑增删改查的原子性及与数据库的一致性；
• 点击量统计利用String的INCR命令实现高效计数，支持高并发场景。