跳到主要内容

Redis 应用场景

问题​

Redis 有哪些典型应用场景？分别使用什么数据结构？

答案​

一、场景总览​

场景数据结构核心命令
缓存String / HashSET, GET, HSET, HGET
排行榜ZSetZADD, ZREVRANGE
计数器StringINCR, INCRBY
分布式锁StringSET NX EX
限流ZSet / StringZADD + ZRANGEBYSCORE / INCR + EXPIRE
延时队列ZSetZADD + ZRANGEBYSCORE
消息队列List / StreamLPUSH + BRPOP / XADD + XREAD
签到BitmapSETBIT, BITCOUNT
UV 统计HyperLogLogPFADD, PFCOUNT
附近的人GEOGEOADD, GEORADIUS
分布式 SessionString / HashSET, GET
全局 IDStringINCR

二、重点场景详解​

1. 排行榜（ZSet）​

# 添加/更新分数
ZADD ranking 100 "Alice"
ZADD ranking 95 "Bob"
ZINCRBY ranking 10 "Bob"  # Bob 加 10 分

# Top 10（分数从高到低）
ZREVRANGE ranking 0 9 WITHSCORES

# 获取某人排名（0 开始）
ZREVRANK ranking "Alice"

# 获取某人分数
ZSCORE ranking "Alice"

2. 滑动窗口限流（ZSet）​

# 限制：每分钟最多 100 次请求
local key = "rate:" .. user_id
local now = redis.call('TIME')[1]  -- 当前时间戳
local window = 60  -- 60 秒窗口
local limit = 100

-- 移除窗口外的请求
redis.call('ZREMRANGEBYSCORE', key, 0, now - window)
-- 统计窗口内请求数
local count = redis.call('ZCARD', key)
if count < limit then
    redis.call('ZADD', key, now, now .. math.random())
    redis.call('EXPIRE', key, window)
    return 1  -- 允许
else
    return 0  -- 拒绝
end

3. 延时队列（ZSet）​

# 生产者：将任务放入延时队列，score=执行时间戳
ZADD delay_queue 1704067200 '{"task":"send_email","to":"user@example.com"}'

# 消费者：轮询获取到期的任务
local tasks = redis.call('ZRANGEBYSCORE', 'delay_queue', 0, ARGV[1], 'LIMIT', 0, 10)
for _, task in ipairs(tasks) do
    redis.call('ZREM', 'delay_queue', task)
    -- 处理任务
end

4. 签到（Bitmap）​

# 2024 年 1 月签到（key=sign:user:1:202401）
SETBIT sign:user:1:202401 0 1   # 1 号签到
SETBIT sign:user:1:202401 4 1   # 5 号签到

# 统计本月签到天数
BITCOUNT sign:user:1:202401     # 2

# 获取某天是否签到
GETBIT sign:user:1:202401 4     # 1（已签到）

# 内存：一个用户一个月只需 4 字节！

5. UV 统计（HyperLogLog）​

# 记录访客
PFADD page:uv:20240101 "user1" "user2" "user3"
PFADD page:uv:20240101 "user1"  # 重复不计

# 统计 UV
PFCOUNT page:uv:20240101  # 3

# 合并多天统计
PFMERGE page:uv:week page:uv:20240101 page:uv:20240102
HyperLogLog 特性
  • 误差率约 0.81%
  • 无论多少元素，只需 12KB 内存
  • 适合不需要精确计数的大量统计场景

6. 附近的人（GEO）​

# 添加位置
GEOADD shops 116.40 39.90 "星巴克" 116.41 39.91 "麦当劳"

# 查找附近 3km 的店铺
GEORADIUS shops 116.405 39.905 3 km WITHCOORD WITHDIST ASC COUNT 10

# 两点距离
GEODIST shops "星巴克" "麦当劳" km

三、分布式 Session​

传统 Session 存在 Web 服务器内存中，集群部署时需要集中存储：

客户端 → Nginx 负载均衡 → Web Server 1 ─┐
                       → Web Server 2 ─┤→ Redis（Session 存储）
                       → Web Server 3 ─┘

常见面试问题​

Q1: Redis 做消息队列靠谱吗？​

答案：

方案可靠性说明
List (LPUSH + BRPOP)低消费后即删除，不支持 ACK
Stream (XADD + XREADGROUP)中支持消费组、ACK、持久化
专业 MQ (Kafka/RocketMQ)高真正的消息队列

结论：轻量级、简单场景用 Redis Stream；对消息可靠性要求高的场景用专业 MQ。

Q2: 如何用 Redis 实现全局唯一 ID？​

答案：

# 方案 1：INCR（简单但单点依赖）
INCR global:order:id

# 方案 2：INCR + 时间戳 + 机器标识
# 每天一个 key，避免 key 增长过大
INCR order:id:20240101  # 返回序列号
# 最终 ID = 20240101 + 000001

相关链接​