[[317695]]

Redis為我們提供了5種數據類型，基本上我們使用頻率最高的就是String，而對其他四種數據類型使用的頻次稍弱于String。原因在于：

• String使用起來比較簡單，可以方便存儲復雜的對象，使用場景比較多;
• 由于Redis expire time只能設置在key上，像List、Hash、Set、Zset屬于集合類型，會管理一組item，我們無法在這些集合的item上設置過期時間，所以使用expiretime來處理集合的cache失效會變得稍微復雜些。但是String使用expire time來管理過期策略會比較簡單，因為它包含的項少。這里說的集合是寬泛的類似集合。
• 從更深層次來看，我們對另外四種數據類型的使用和原理并不是太了解。所以這個時候往往會忽視在特定場景下使用某種數據類型會比String性能高出很多的可能性，比如使用Hash結構來提高某實體某個項的修改等。

這里我們不打算羅列這5種數據類型的使用方法，因為這些資料網上有很多。我們主要討論這5種數據類型的功能特點，弄清楚它們分別適合用于處理哪些現實的業務場景，我們又該如何組合性使用這5種數據類型，找到解決復雜cache問題的最優方案。

一、Redis的數據類型及特點

我們來簡要了解一下String、List、Hash、Set及Zset：

1)String

String是Redis提供的字符串類型。可以針對String類型獨立設置expire time，通常用來存儲長字符串數據，比如某個對象的json字符串。

在使用上，String類型最巧妙的是可以動態拼接key。通常我們可以將一組id放在Set里，然后動態查找String還是否存在，如果不存在說明已經過期或者由于數據修改主動delete了，需要再做一次cache數據load。

雖然Set無法設置item的過期時間，但是我們可以將Set Item與String Key關聯來達到相同的效果。

下圖中的左邊是一個key為Set:order:ids的Set集合，它可能是一個全量集合，也可能是某個查詢條件獲取出來的一個集合：

 

 

有時候復雜點的場景需要多個Set集合來支撐計算，在Redis服務器里可能會有很多類似這樣的集合。這些集合我們可以稱為功能數據，這些數據是用來輔助cache計算的，當進行各種集合運算之后會得出當前查詢需要返回的子集，最后我們才會去獲取某個訂單真正的數據。

這些String:order:{orderId}字符串key并不一定是為了服務一種場景，而是整個系統最底層的數據，各種場景最后都需要獲取這些數據。那些Set集合可以認為是查詢條件數據，用來輔助查詢條件的計算。

Redis為我們提供了TYPE命令來查看某個key的數據類型，如String類型：

SET string:order:100 order-100 
TYPE string:order:100 
string 

2)List

List在提高throughput的場景中非常適用，因為它特有的LPUSH、RPUSH、LPOP、RPOP功能可以無縫的支持生產者、消費者架構模式。

這非常適合實現類似Java Concurrency Fork/Join框架中的work-stealing算法(工作竊取)。

注：Java Fork/Join框架使用并行來提高性能，但是會帶來由于并發take task帶來的race condition(競態條件)問題，所以采用work-stealing算法來解決由于競爭問題帶來的性能損耗。

下圖中模擬了一個典型的支付callback峰值場景：

在峰值出現的地方一般我們都會使用加buffer的方式來加快請求處理速度，這樣才能提高并發處理能力，提高through put。

支付gateway收到callback之后不做任何處理直接交給分發器。

分發器是一個無狀態的cluster，每個node通過向注冊中心pull handler queue list，也就是獲取下游處理器注冊到注冊中心里的消息通道。每一個分發器node會維護一個本地queue list，然后順序推送消息到這些queue list即可。

這里會有點小問題，就是支付gateway調用分發器的時候，是如何做load balance?如果不是平均負載可能會有某個queue list高出其他queue list。

而分發器不需要做soft load balance，因為哪怕某個queue list比其他queue list多也無所謂，因為下游message handler會根據work-stealing算法來竊取其他消費慢的queue list。

Redis List的LPUSH、RPUSH、LPOP、RPOP特性確實可以在很多場景下提高這種橫向擴展計算能力。

3)Hash

Hash數據類型很明顯是基于Hash算法的，對于項的查找時間復雜度是O(1)的，在極端情況下可能出現項Hash沖突問題，Redis內部是使用鏈表加key判斷來解決的。具體Redis內部的數據結構我們在后面有介紹，這里就不展開了。

Hash數據類型的特點通常可以用來解決帶有映射關系，同時又需要對某些項進行更新或者刪除等操作。如果不是某個項需要維護，那么一般可以通過使用String來解決。

如果有需要對某個字段進行修改，使用String很明顯會多出很多開銷，需要讀取出來反序列化成對象然后操作，然后再序列化寫回Redis，這中間可能還有并發問題。

那我們可以使用Redis Hash提供的實體屬性Hash存儲特性，我們可以認為Hash Value是一個Hash Table，實體的每一個屬性都是通過Hash得到屬性的最終數據索引。

下圖使用Hash數據類型來記錄頁面的a/bmetrics：

左邊的是首頁index的各個區域的統計，右邊是營銷marketing的各個區域統計。

在程序里我們可以很方便的使用Redis的atomic特性對Hash某個項進行累加操作。

HMSET hash:mall:page:ab:metrics:index topbanner 10 leftbanner 5 rightbanner 8 bottombanner 20 productmore 10 topshopping 8 
OK 
HGETALL hash:mall:page:ab:metrics:index 
 1) "topbanner" 
 2) "10" 
 3) "leftbanner" 
 4) "5" 
 5) "rightbanner" 
 6) "8" 
 7) "bottombanner" 
 8) "20" 
 9) "productmore" 
10) "10" 
11) "topshopping" 
12) "8" 
  
HINCRBY hash:mall:page:ab:metrics:index topbanner 1 
(integer) 11 

使用Redis Hash Increment進行原子增加操作。HINCRBY命令可以原子增加任何給定的整數，也可以通過HINCRBYFLOAT來原子增加浮點類型數據。

4)Set

Set集合數據類型可以支持集合運算，不能存儲重復數據。

Set最大的特點就是集合的計算能力，inter交集、union并集、diff差集，這些特點可以用來做高性能的交叉計算或者剔除數據。

Set集合在使用場景上還是比較多和自由的。舉個簡單的例子，在應用系統中比較常見的就是商品、活動類場景。用一個Set緩存有效商品集合，再用一個Set緩存活動商品集合。如果商品出現上下架操作只需要維護有效商品Set，每次獲取活動商品的時候需要過濾下是否有下架商品，如果有就需要從活動商品中剔除。

當然，下架的時候可以直接刪除緩存的活動商品，但是活動是從marketing系統中load出來的，就算我將cache里的活動商品刪除，當下次再從marketing系統中load活動商品時候還是會有下架商品。

當然這只是舉例，一個場景有不同的實現方法。

下圖中左右兩邊是兩個不同的集合：

左邊是營銷域中的可用商品ids集合，右邊是營銷域中活動商品ids集合，中間計算出兩個集合的交集。

SADD set:marketing:product:available:ids 1000100 1000120 1000130 1000140 1000150 1000160 
  
SMEMBERS set:marketing:product:available:ids 
1) "1000100" 
2) "1000120" 
3) "1000130" 
4) "1000140" 
5) "1000150" 
6) "1000160" 
  
SADD set:marketing:activity:product:ids 1000100 1000120 1000130 1000140 1000200 1000300 
  
SMEMBERS set:marketing:activity:product:ids 
1) "1000100" 
2) "1000120" 
3) "1000130" 
4) "1000140" 
5) "1000200" 
6) "1000300" 
  
SINTER set:marketing:product:available:ids set:marketing:activity:product:ids 
1) "1000100" 
2) "1000120" 
3) "1000130" 
4) "1000140" 

在一些復雜的場景中，也可以使用SINTERSTORE命令將交集計算后的結果存儲在一個目標集合中。這在使用pipeline命令管道中特別有用，將SINTERSTORE命令包裹在pipeline命令串中可以重復使用計算出來的結果集。

由于Redis是Signle-Thread單線程模型，基于這個特性我們就可以使用Redis提供的pipeline管道來提交一連串帶有邏輯的命令集合，這些命令在處理期間不會被其他客戶端的命令干擾。

5)Zset

Zset排序集合與Set集合類似，但是Zset提供了排序的功能。在介紹Set集合的時候我們知道Set集合中的成員是無序的，Zset填補了集合可以排序的空隙。

Zset最強大的功能就是可以根據某個score比分值進行排序，這在很多業務場景中非常急需。比如，在促銷活動里根據商品的銷售數量來排序商品，在旅游景區里根據流入人數來排序熱門景點等。基本上人們在做任何事情都需要根據某些條件進行排序。

其實Zset在我們應用系統中能用到地方到處都是，這里我們舉一個簡單的例子，在團購系統中我們通常需要根據參團人數來排序成團列表，大家都希望參加那些即將成團的團。

下圖是一個根據團購code創建的Zset，score分值就是參團人數累加和：

ZADD zset:marketing:groupon:group:codes 5 G_PXYJY9QQFA 8 G_4EXMT6NZJQ 20 G_W7BMF5QC2P 10 G_429DHBTGZX 8 G_KHZGH9U4PP 
  
ZREVRANGEBYSCORE zset:marketing:groupon:group:codes 1000 0 
1) "G_W7BMF5QC2P" 
2) "G_ZMZ69HJUCB" 
3) "G_429DHBTGZX" 
4) "G_KHZGH9U4PP" 
5) "G_4EXMT6NZJQ" 
6) "G_PXYJY9QQFA" 
  
ZREVRANGEBYSCORE zset:marketing:groupon:group:codes 1000 0 withscores 
 1) "G_W7BMF5QC2P" 
 2) "20" 
 3) "G_ZMZ69HJUCB" 
 4) "10" 
 5) "G_429DHBTGZX" 
 6) "10" 
 7) "G_KHZGH9U4PP" 
 8) "8" 
 9) "G_4EXMT6NZJQ" 
10) "8" 
11) "G_PXYJY9QQFA" 
12) "5" 

Zset本身提供了很多方法用來進行集合的排序，如果需要score分值，可以使用withscore字句帶出每一項的分值。

在一些比較特殊的場合可能需要組合排序，可能有多個Zset分別用來對同一個實體在不同維度的排序，按時間排序、按人數排序等。這個時候就可以組合使用Zset帶來的便捷性，利用pipeline再結合多個Zset最終得出組合排序集合。

二、案例：滬江團購系統大促hot-top接口cache設計

以滬江團購系統大促hot-top接口cache設計為例，我們總結了Redis提供的5種數據類型的各自特點和一般的使用場景。但是我們不僅僅可以分開使用這些數據類型，我們完全可以綜合使用這些數據類型來完成復雜的cache場景。

下面我們分享一個使用多個Zset、String來優化團購系統前臺接口的例子。由于篇幅和時間限制，這里只介紹跟本次案例相關的信息。

注：hot-top接口是指熱點、排名接口的意思，表示它的瀏覽量、并發量比較高，一般大促的時候都會有幾個這種性能要求比較高的接口。

我們先來分析一個查詢接口所包含的常規信息。

首先一個查詢接口肯定是有query condition查詢條件，然后是sort排序信息、最后是page分頁信息。這是一般接口所承擔的基本職責，當然，特殊場景下還需要支持master/slave replication時關于數據session一致性的要求，需要提供跟蹤標記來回master查詢數據，這里就不展開了。

我們可以抽象出這幾個維度的信息：

• querycondition：查詢條件，companyid =100，sellerid=1010101諸如此類。
• sort：排序信息，一般是默認一個列排序，但是在復雜的場景下會有可能讓接口使用者定制排序字段，比如一些租戶信息列。
• page：分頁信息，簡單理解就是數據記錄排完序之后的第幾行到第幾行。

由于這里我們純粹用Redis來提高cache能力，不涉及到有關于任何搜索的能力，所以這里忽略其他復雜查詢的情況。其實我們在復雜的地方使用了Elastcsearch來提高搜索能力。

上述我們分析總結出了一個查詢接口的基本信息，這里還有一個有關于高并發接口的設計原則，就是將hot-top接口和一般search接口分離開，因為只有分而治之才能分別根據特點選用不同的技術。

如果我們不分職責將所有的查詢場景封裝在一個接口里，那么在后面優化接口性能的時候基本就很麻煩了，有些場景是無法或者很難用cache來解決的，因為接口里耦合了各種場景邏輯，就算勉強能實現性能也不會高。

前面做這些鋪墊是為了能在介紹案例的時候達成一個基本的共識。現在我們來看下這個團購系統的hot-top接口的具體邏輯。

注：在大促的時候需要展現團購列表，這個接口的訪問量是非常大的，團購活動需要根據參團人數倒序排序，并且分頁返回指定數量的團列表。我們假設這個接口名為getTopGroups(getTopGroupsRequestrequest)。

1)query condition查詢條件問題

我們來仔細分析下，首先不同的查詢條件從DB里查詢出來的數據是不一樣的，也就是說查詢出來的團列表是不一樣的，可能有company公司、channel渠道等過濾條件。

由于一個團購活動下不會有太多團，頂多上百個是極限了，所以一個查詢條件出來的團列表也頂多幾十個，而且根據場景分析熱點查詢條件不會超過十個，所以我們選擇將查詢條件Hash出一個code來緩存本次查詢條件的全量團列表集合，但是這些結果集是沒有任何排序的。

2)sort排序問題

再看根據參團人數排序問題，我們立刻就可以想到使用Zset來處理團排序問題，因為只有一個排序維度，所以一個Zset就夠了。我們使用一個Zset來緩存所有團的參團人數集合，它是一個全量的團排序集合。

那么我們如何將用戶的查詢條件出來的團列表根據參團人數排序呢?剛好可以使用Zset的交集運算，直接計算出當前這個集合的Zset子集。

3)page分頁問題

通過對已經排序之后的團列表Zset使用Zrange來獲取出分頁集合。我們來看下完整的流程，如何處理查詢、排序、分頁的。

下圖從query condition計算Hash Code，然后通過DB查詢出當前條件全量團列表：

zset:marketing:groupon:hottop:available:groupkey表示全量團的參團人數，用一個Zset來緩存。接著將這兩個Zset計算交集，就可以得出當前查詢所需要的帶有參團人數的Zset，最后在使用Zrevrange獲取分頁區間。

ZADD zset:marketing:groupon:hottop:condition:2986080 0 G4ZD5732YZQ 0 G5VW3YF42UC 0 GF773FEJ7CC 0 GFW8DUEND8S 0 GKPKKW8XEY9 0 GL324DGWMZM 
(integer) 6 
  
ZADD zset:marketing:groupon:hottop:available:group 5 GN7KQH36ZWK 10 GS7VB22AWD4 15 GF773FEJ7CC 17 G5VW3YF42UC 18 G4ZD5732YZQ 32 GTYJKCEJBRR 40 GKPKKW8XEY9 45 GL324DGWMZM 50 GFW8DUEND8S 60 GYTKY4ACWLT 
(integer) 10 
  
ZINTERSTORE zset:marketing:groupon:hottop:condition:interstore 2 zset:marketing:groupon:hottop:condition:2986080 zset:marketing:groupon:hottop:available:group 
(integer) 6 
  
ZRANGE zset:marketing:groupon:hottop:condition:interstore 0 -1 withscores 
 1) "GF773FEJ7CC" 
 2) "15" 
 3) "G5VW3YF42UC" 
 4) "17" 
 5) "G4ZD5732YZQ" 
 6) "18" 
 7) "GKPKKW8XEY9" 
 8) "40" 
 9) "GL324DGWMZM" 
10) "45" 
11) "GFW8DUEND8S" 
12) "50" 
  
ZREVRANGE zset:marketing:groupon:hottop:condition:interstore 2 4 withscores 
1) "GKPKKW8XEY9" 
2) "40" 
3) "G4ZD5732YZQ" 
4) "18" 
5) "G5VW3YF42UC" 
6) "17" 

有了返回的團code集合之后就可以通過mget來批量獲取String類型的團詳情信息，這里就不貼出代碼了。

由于篇幅和時間關系，我們不展開太多的業務場景介紹了。這其中還涉及到計算cache過期時間的問題，這也跟促銷活動的運營規則有關系，還涉及到有可能query condition hash沖突問題等，但是這些已經不與我們本節主題相關。