标签：
redis中可以使用expire命令设置一个键的生存时间，到时间后redis会自动删除它。
expire 设置生存时间（单位/秒）
expire key seconds(秒)
ttl 查看键的剩余生存时间
ttl key
persist 取消生存时间
persist key
expireat [key] unix时间戳1351858600
示例：
EXPIREAT cache 1355292000 # 这个 key 将在 2012.12.12 过期
操作图示：
应用场景：
redis中的事务是一组命令的集合。事务同命令一样都是redis的最小执行单元。一组事务中的命令要么都执行，要么都不执行。(例如：转账)
原理：
先将属于一个事务的命令发送给redis进行缓存，最后再让redis依次执行这些命令。
应用场景：
命令：
multi //事务开始 ..... exec //事务结束，开始执行事务中的命令 discard //放弃事务
错误处理
1：语法错误：致命的错误，事务中的所有命令都不会执行
2：运行错误：不会影响事务中其他命令的执行
Redis 不支持回滚（roll back）
正因为redis不支持回滚功能，才使得redis在事务上可以保持简洁和快速。
watch命令
作用：监控一个或者多个键，当被监控的键值被修改后阻止之后的一个事务的执行。
但是不能保证其它客户端不修改这一键值，所以我们需要在事务执行失败后重新执行事务中的命令。
注意：执行完事务的exec命令之后，watch就会取消对所有键值的监控
unwatch：取消监控
操作图示：
sort命令可以对列表类型，集合类型和有序集合类型进行排序。
sort key [desc] [limit offset count]
by 参考键(参考键可以是字符串类型或者是hash类型的某个字段，hash类型的格式为：键名->字段名)
扩展 get参数
扩展 store参数
使用store 参数可以把sort的排序结果保存到指定的列表中
性能优化
1：尽可能减少待排序键中元素的数量
2：使用limit参数只获取需要的数据
3：如果要排序的数据数量很大，尽可能使用store参数将结果缓存。
操作图示：
发布：publish
publish channel message
订阅：subscribe
subscribe channel [.....]
取消订阅：unsubscribe
unsubscribe [channel]
按照规则订阅：psubscribe
psubscribe channel ?
按照规则取消订阅：punsubscribe
注意：使用punsubscribe命令只能退订通过psubscribe 订阅的频道。
操作图示：（订阅频道后，频道每发布一条消息，都能动态显示出来）
订阅：
发布：
任务队列：使用lpush和rpop(brpop)可以实现普通的任务队列。
brpop是列表的阻塞式(blocking)弹出原语。
它是 RPOP命令的阻塞版本，当给定列表内没有任何元素可供弹出的时候，连接将被 BRPOP命令阻塞，直到等待超时或发现可弹出元素为止。
当给定多个 key 参数时，按参数 key 的先后顺序依次检查各个列表，弹出第一个非空列表的尾部元素。
优先级队列：
brpop key1 key2 key3 timeout
redis的pipeline(管道)功能在命令行中没有，但是redis是支持管道的，在java的客户端(jedis)中是可以使用的。
测试发现：
1：不使用管道方式，插入1000条数据耗时328毫秒
// 测试不使用管道
public static void testInsert() {
long currentTimeMillis = System.currentTimeMillis();
Jedis jedis = new Jedis("192.168.33.130", 6379);
for (int i = 0; i < 1000; i++) {
jedis.set("test" + i, "test" + i);
}
long endTimeMillis = System.currentTimeMillis();
System.out.println(endTimeMillis - currentTimeMillis);
}
2：使用管道方式，插入1000条数据耗时37毫秒
// 测试管道
public static void testPip() {
long currentTimeMillis = System.currentTimeMillis();
Jedis jedis = new Jedis("192.168.33.130", 6379);
Pipeline pipelined = jedis.pipelined();
for (int i = 0; i < 1000; i++) {
pipelined.set("bb" + i, i + "bb");
}
pipelined.sync();
long endTimeMillis = System.currentTimeMillis();
System.out.println(endTimeMillis - currentTimeMillis);
}
在插入更多数据的时候，管道的优势更加明显：测试10万条数据的时候，不使用管道要40秒，实用管道378毫秒。
redis支持两种方式的持久化，可以单独使用或者结合起来使用。
第一种：RDB方式（redis默认的持久化方式）
第二种：AOF方式
rdb方式的持久化是通过快照完成的，当符合一定条件时redis会自动将内存中的所有数据执行快照操作并存储到硬盘上。默认存储在dump.rdb文件中。(文件名在配置文件中dbfilename)
redis进行快照的时机（在配置文件redis.conf中）
save 900 1 //表示900秒内至少一个键被更改则进行快照。 save 300 10 //表示300秒内10条被更改则快照 save 60 10000 //60秒内10000条
Redis自动实现快照的过程
1、redis使用fork函数复制一份当前进程的副本(子进程)
2、父进程继续接收并处理客户端发来的命令，而子进程开始将内存中的数据写入硬盘中的临时文件
3、当子进程写入完所有数据后会用该临时文件替换旧的RDB文件，至此，一次快照操作完成。
注意：redis在进行快照的过程中不会修改RDB文件，只有快照结束后才会将旧的文件替换成新的，也就是说任何时候RDB文件都是完整的。
这就使得我们可以通过定时备份RDB文件来实现redis数据库的备份
RDB文件是经过压缩的二进制文件，占用的空间会小于内存中的数据，更加利于传输。
手动执行save或者bgsave命令让redis执行快照。
两个命令的区别在于，save是由主进程进行快照操作，会阻塞其它请求。bgsave是由redis执行fork函数复制出一个子进程来进行快照操作。
文件修复：
redis-check-dump
rdb的优缺点
优点：由于存储的有数据快照文件，恢复数据很方便。
缺点：会丢失最后一次快照以后更改的所有数据。
aof方式的持久化是通过日志文件的方式。默认情况下redis没有开启aof，可以通过参数appendonly参数开启。
appendonly yes
aof文件的保存位置和rdb文件的位置相同，都是dir参数设置的，默认的文件名是appendonly.aof，可以通过appendfilename参数修改
appendfilename appendonly.aof
redis写命令同步的时机
appendfsync always 每次都会执行 appendfsync everysec 默认 每秒执行一次同步操作（推荐，默认） appendfsync no不主动进行同步，由操作系统来做，30秒一次
aof日志文件重写
auto-aof-rewrite-percentage 100(当目前aof文件大小超过上一次重写时的aof文件大小的百分之多少时会再次进行重写，如果之前没有重写，则以启动时的aof文件大小为依据) auto-aof-rewrite-min-size 64mb
手动执行bgrewriteaof进行重写
重写的过程只和内存中的数据有关，和之前的aof文件无关。
所谓的“重写”其实是一个有歧义的词语， 实际上， AOF 重写并不需要对原有的 AOF 文件进行任何写入和读取， 它针对的是数据库中键的当前值。
文件修复：
redis-check-aof
动态切换redis持久方式，从 RDB 切换到 AOF（支持Redis 2.2及以上）
CONFIG SET appendonly yes CONFIG SET save ""（可选）
注意：
1、当redis启动时，如果rdb持久化和aof持久化都打开了，那么程序会优先使用aof方式来恢复数据集，因为aof方式所保存的数据通常是最完整的。如果aof文件丢失了，则启动之后数据库内容为空。
2、如果想把正在运行的redis数据库，从RDB切换到AOF，建议先使用动态切换方式，再修改配置文件，重启数据库。(不能自己修改配置文件，重启数据库，否则数据库中数据就为空了。)
使用config set可以动态设置参数信息，服务器重启之后就失效了。
config set appendonly yes config set save "90 1 30 10 60 100"
使用config get可以查看所有可以使用config set命令设置的参数
config get *
使用config rewrite命令对启动 Redis 服务器时所指定的 redis.conf 文件进行改写(Redis 2.8 及以上版本才可以使用)，主要是把使用config set动态指定的命令保存到配置文件中。
config rewrite
注意：config rewrite命令对 redis.conf 文件的重写是原子性的， 并且是一致的： 如果重写出错或重写期间服务器崩溃， 那么重写失败， 原有 redis.conf 文件不会被修改。 如果重写成功， 那么 redis.conf 文件为重写后的新文件。
设置数据库密码
修改配置
requirepass password
验证密码
auth password
bind参数（可以让数据库只能在指定IP下访问）
bind 127.0.0.1
命令重命名
修改命令的名称
rename-command flushall cleanall
禁用命令
rename-command flushall ""
redis-cli 命令行
info/monitor(调试命令)
Redisclient（redis数据库可视化工具，不怎么实用）
http://www.oschina.net/news/53391/redisclient-1-0
http://www.oschina.net/news/55634/redisclient-2-0
以一种易于解释（parse）且易于阅读的格式，返回关于 Redis 服务器的各种信息和统计数值。
通过给定可选的参数 section ，可以让命令只返回某一部分的信息：
内容过多，详细参考
http://redisdoc.com/server/info.html
测试情况：
100万个键值对（键是0到999999值是字符串“hello world”）在32位操作系统的笔记本上 用了100MB
使用64位的操作系统的话，相对来说占用的内存会多一点，这是因为64位的系统里指针占用了8个字节，但是64位系统也能支持更大的内存，所以运行大型的redis服务还是建议使用64位服务器
理论上Redis可以处理多达2的32次方的keys，并且在实际中进行了测试，每个实例至少存放了2亿5千万的keys
也可以说Redis的存储极限是系统中的可用内存值。
精简键名和键值
键名：尽量精简，但是也不能单纯为了节约空间而使用不易理解的键名。
键值：对于键值的数量固定的话可以使用0和1这样的数字来表示，（例如：male/female、right/wrong）
当业务场景不需要数据持久化时，关闭所有的持久化方式可以获得最佳的性能
内部编码优化（大家可以自己了解）
redis为每种数据类型都提供了两种内部编码方式，在不同的情况下redis会自动调整合适的编码方式。（如图所示）
SLOWLOG [get/reset/len]
slowlog-log-slower-than //它决定要对执行时间大于多少微秒(microsecond，1秒 = 1,000,000 微秒)的命令进行记录 slowlog-max-len //它决定 slowlog 最多能保存多少条日志
当发现redis性能下降的时候可以查看下是哪些命令导致的
修改linux内核内存分配策略
原因：
redis在运行过程中可能会出现下面问题
错误日志：
WARNING overcommit_memory is set to 0! Background save may fail under low memory condition. To fix this issue add 'vm.overcommit_memory = 1' to /etc/sysctl.conf and then reboot or run the command 'sysctl vm.overcommit_memory=1'
redis在备份数据的时候，会fork出一个子进程，理论上child进程所占用的内存和parent是一样的，比如parent占用的内存为8G，这个时候也要同样分配8G的内存给child,如果内存无法负担，往往会造成redis服务器的down机或者IO负载过高，效率下降。所以内存分配策略应该设置为 1（表示内核允许分配所有的物理内存，而不管当前的内存状态如何）。
内存分配策略有三种
可选值：0、1、2。
0， 表示内核将检查是否有足够的可用内存供应用进程使用；如果有足够的可用内存，内存申请允许；否则，内存申请失败，并把错误返回给应用进程。
1， 不管需要多少内存，都允许申请。
2， 只允许分配物理内存和交换内存的大小。(交换内存一般是物理内存的一半)
向/etc/sysctl.conf添加
vm.overcommit_memory = 1 //然后重启服务器
或者执行
sysctl vm.overcommit_memory=1 //立即生效
问题图示：
关闭Transparent Huge Pages(THP)
THP会造成内存锁影响redis性能，建议关闭
Transparent HugePages ：用来提高内存管理的性能 Transparent Huge Pages在32位的RHEL 6中是不支持的
使用root用户执行下面命令
echo never > /sys/kernel/mm/transparent_hugepage/enabled
把这条命令添加到这个文件中/etc/rc.local
修改linux中TCP 监听的最大容纳数量
在高并发环境下你需要一个高backlog值来避免慢客户端连接问题。注意Linux内核默默地将这个值减小到/proc/sys/net/core/somaxconn的值，所以需要确认增大somaxconn和tcp_max_syn_backlog两个值来达到想要的效果。
echo 511 > /proc/sys/net/core/somaxconn
注意：这个参数并不是限制redis的最大链接数。如果想限制redis的最大连接数需要修改maxclients，默认最大连接数为10000。
限制redis的内存大小
通过redis的info命令查看内存使用情况
如果不设置maxmemory或者设置为0，64位系统不限制内存，32位系统最多使用3GB内存。
修改配置文件中的maxmemory和maxmemory-policy
maxmemory：最大内存 maxmemory-policy：内存不足时,数据清除策略
如果可以确定数据总量不大，并且内存足够的情况下不需要限制redis使用的内存大小。如果数据量不可预估，并且内存也有限的话，尽量限制下redis使用的内存大小，这样可以避免redis使用swap分区或者出现OOM错误。
注意：如果不限制内存，当物理内存使用完之后，会使用swap分区，这样性能较低，如果限制了内存，当到达指定内存之后就不能添加数据了，否则会报OOM错误。可以设置maxmemory-policy，内存不足时删除数据。
拓展
used_memory是Redis使用的内存总量，它包含了实际缓存占用的内存和Redis自身运行所占用的内存（以字节（byte）为单位，其中used_memory_human上的数据和used_memory是一样的值，它以M为单位显示，仅为了方便阅读）。
如果一个Redis实例的内存使用率超过可用最大内存(used_memory >可用最大内存)，那么操作系统开始进行内存与swap空间交换，把内存中旧的或不再使用的内容写入硬盘上（硬盘上的这块空间叫Swap分区），以便腾出新的物理内存给新页或活动页(page)使用。
在硬盘上进行读写操作要比在内存上进行读写操作，时间上慢了近5个数量级，内存是0.1us(微秒)、而硬盘是10ms(毫秒)。如果Redis进程上发生内存交换，那么Redis和依赖Redis上数据的应用会受到严重的性能影响。 通过查看used_memory指标可知道Redis正在使用的内存情况，如果used_memory>可用最大内存，那就说明Redis实例正在进行内存交换或者已经内存交换完毕。管理员根据这个情况，执行相对应的应急措施。
排查方案：
若是在使用Redis期间没有开启rdb快照或aof持久化策略，那么缓存数据在Redis崩溃时就有丢失的危险。因为当Redis内存使用率超过可用内存的95%时，部分数据开始在内存与swap空间来回交换，这时就可能有丢失数据的危险。
当开启并触发快照功能时，Redis会fork一个子进程把当前内存中的数据完全复制一份写入到硬盘上。因此若是当前使用内存超过可用内存的45%时触发快照功能，那么此时进行的内存交换会变的非常危险(可能会丢失数据)。 倘若在这个时候实例上有大量频繁的更新操作，问题会变得更加严重。
通过减少Redis的内存占用率，来避免这样的问题，或者使用下面的技巧来避免内存交换发生：
1、尽可能的使用Hash数据结构。因为Redis在储存小于100个字段的Hash结构上，其存储效率是非常高的。所以在不需要集合(set)操作或list的push/pop操作的时候，尽可能的使用Hash结构。比如，在一个web应用程序中，需要存储一个对象表示用户信息，使用单个key表示一个用户，其每个属性存储在Hash的字段里，这样要比给每个属性单独设置一个key-value要高效的多。 通常情况下倘若有数据使用string结构，用多个key存储时，那么应该转换成单key多字段的Hash结构。 如上述例子中介绍的Hash结构应包含，单个对象的属性或者单个用户各种各样的资料。Hash结构的操作命令是HSET(key, fields, value)和HGET(key, field)，使用它可以存储或从Hash中取出指定的字段。
2、设置key的过期时间。一个减少内存使用率的简单方法就是，每当存储对象时确保设置key的过期时间。倘若key在明确的时间周期内使用或者旧key不大可能被使用时，就可以用Redis过期时间命令(expire,expireat, pexpire, pexpireat)去设置过期时间，这样Redis会在key过期时自动删除key。 假如你知道每秒钟有多少个新key-value被创建，那可以调整key的存活时间，并指定阀值去限制Redis使用的最大内存。
3、回收key。在Redis配置文件中(一般叫Redis.conf)，通过设置“maxmemory”属性的值可以限制Redis最大使用的内存，修改后重启实例生效。也可以使用客户端命令config set maxmemory 去修改值，这个命令是立即生效的，但会在重启后会失效，需要使用config rewrite命令去刷新配置文件。 若是启用了Redis快照功能，应该设置“maxmemory”值为系统可使用内存的45%，因为快照时需要一倍的内存来复制整个数据集，也就是说如果当前已使用45%，在快照期间会变成95%(45%+45%+5%)，其中5%是预留给其他的开销。 如果没开启快照功能，maxmemory最高能设置为系统可用内存的95%。
当内存使用达到设置的最大阀值时，需要选择一种key的回收策略，可在Redis.conf配置文件中修改“maxmemory-policy”属性值。 若是Redis数据集中的key都设置了过期时间，那么“volatile-ttl”策略是比较好的选择。但如果key在达到最大内存限制时没能够迅速过期，或者根本没有设置过期时间。那么设置为“allkeys-lru”值比较合适，它允许Redis从整个数据集中挑选最近最少使用的key进行删除(LRU淘汰算法)。Redis还提供了一些其他淘汰策略，如下：
volatile-lru： 使用LRU算法从已设置过期时间的数据集合中淘汰数据。 volatile-ttl：从已设置过期时间的数据集合中挑选即将过期的数据淘汰。 volatile-random：从已设置过期时间的数据集合中随机挑选数据淘汰。 allkeys-lru：使用LRU算法从所有数据集合中淘汰数据。 allkeys-random：从数据集合中任意选择数据淘汰 no-enviction：禁止淘汰数据。
通过设置maxmemory为系统可用内存的45%或95%(取决于持久化策略)和设置“maxmemory-policy”为“volatile-ttl”或“allkeys-lru”(取决于过期设置)，可以比较准确的限制Redis最大内存使用率，在绝大多数场景下使用这2种方式可确保Redis不会进行内存交换。倘若你担心由于限制了内存使用率导致丢失数据的话，可以设置noneviction值禁止淘汰数据。
Redis是个单线程模型，客户端过来的命令是按照顺序执行的，所以想要一次添加多条数据的时候可以使用管道，或者使用一次可以添加多条数据的命令，例如：
在更新中保持用户对数据的映射是系统中的一个普遍任务。Redis的pub/sub功能使用了SUBSCRIBE、UNSUBSCRIBE和PUBLISH命令，让这个变得更加容易。
代码示例：
// 订阅频道数据
public static void testSubscribe() {
//连接Redis数据库
Jedis jedis = new Jedis("192.168.33.130", 6379);
JedisPubSub jedisPubSub = new JedisPubSub() {
// 当向监听的频道发送数据时，这个方法会被触发
@Override
public void onMessage(String channel, String message) {
System.out.println("收到消息" + message);
//当收到 "unsubscribe" 消息时，调用取消订阅方法
if ("unsubscribe".equals(message)) {
this.unsubscribe();
}
}
// 当取消订阅指定频道的时候，这个方法会被触发
@Override
public void onUnsubscribe(String channel, int subscribedChannels) {
System.out.println("取消订阅频道" + channel);
}
};
// 订阅之后，当前进程一致处于监听状态，当被取消订阅之后，当前进程会结束
jedis.subscribe(jedisPubSub, "ch1");
}
// 发布频道数据
public static void testPubSub() throws Exception {
//链接Redis数据库
Jedis jedis = new Jedis("192.168.33.130", 6379);
//发布频道 "ch1" 和消息 "hello redis"
jedis.publish("ch1", "hello redis");
//关闭连接
jedis.close();
}
打印结果：
进行各种数据统计的用途是非常广泛的，比如想知道什么时候封锁一个IP地址。INCRBY命令让这些变得很容易，通过原子递增保持计数；GETSET用来重置计数器；过期属性expire用来确认一个关键字什么时候应该删除。
代码示例：
//指定Redis数据库连接的IP和端口
String host = "192.168.33.130";
int port = 6379;
Jedis jedis = new Jedis(host, port);
/**
* 限制网站访客访问频率 一分钟之内最多访问10次
*
* @throws Exception
*/
@Test
public void test3() throws Exception {
// 模拟用户的频繁请求
for (int i = 0; i < 20; i++) {
boolean result = testLogin("192.168.1.100");
if (result) {
System.out.println("正常访问");
} else {
System.err.println("访问受限");
}
}
}
/**
* 判断用户是否可以访问网站
*
* @param ip
* @return
*/
public boolean testLogin(String ip) {
String value = jedis.get(ip);
if (value == null) {
//初始化时设置IP访问次数为1
jedis.set(ip, "1");
//设置IP的生存时间为60秒，60秒内IP的访问次数由程序控制
jedis.expire(ip, 60);
} else {
int parseInt = Integer.parseInt(value);
//如果60秒内IP的访问次数超过10，返回false,实现了超过10次禁止分的功能
if (parseInt > 10) {
return false;
} else {
//如果没有10次，可以自增
jedis.incr(ip);
}
}
return true;
}
打印结果：
代码示例：
// 指定Redis数据库连接的IP和端口
String host = "192.168.33.130";
int port = 6379;
Jedis jedis = new Jedis(host, port);
/**
* 监控变量a在一段时间内是否被修改，若没有，则执行事务，若被修改，则事务不执行
*
* @throws Exception
*/
@Test
public void test4() throws Exception {
//监控变量a，在事务执行后watch功能也结束
jedis.watch("a");
//需要数据库中先有a，并且a的值为字符串数字
String value = jedis.get("a");
int parseInt = Integer.parseInt(value);
parseInt++;
System.out.println("线程开始休息。。。");
Thread.sleep(5000);
//开启事务
Transaction transaction = jedis.multi();
transaction.set("a", parseInt + "");
//执行事务
List<Object> exec = transaction.exec();
if (exec == null) {
System.out.println("事务没有执行.....");
} else {
System.out.println("正常执行......");
}
}
打印结果：
变量a没有被修改时：
变量a被修改时：
商品维度计数（喜欢数，评论数，鉴定数，浏览数,etc）
采用Redis 的类型: Hash. 如果你对redis数据类型不太熟悉，可以参考 http://redis.io/topics/data-types-intro
为product定义个key product:，为每种数值定义hashkey, 譬如喜欢数xihuan
用户维度计数（动态数、关注数、粉丝数、喜欢商品数、发帖数 等）
用户维度计数同商品维度计数都采用 Hash. 为User定义个key user:，为每种数值定义hashkey, 譬如关注数follow
譬如将用戶的好友/粉丝/关注，可以存在一个sorted set中，score可以是timestamp，这样求两个人的共同好友的操作，可能就只需要用求交集命令即可。
缓存内容示例：（商品列表，评论列表，@提示列表，etc）
相对memcached 简单的key-value存储来说，redis众多的数据结构（list,set,sorted set,hash, etc）可以更方便cache各种业务数据，性能也不亚于memcached。
例如：
RPUSH pagewviews.user: EXPIRE pagewviews.user: 60 //注意要update timeout
例如：（评论，发布商品，论坛发贴，etc）
作为一个电商网站被各种spam攻击是少不免（垃圾评论、发布垃圾商品、广告、刷自家商品排名等），针对这些spam制定一系列anti-spam规则，其中有些规则可以利用redis做实时分析，譬如：1分钟评论不得超过2次、5分钟评论少于5次等（更多机制/规则需要结合drools ）。 采用sorted set将最近一天用户操作记录起来（为什么不全部记录？节省memory，全部操作会记录到log，后续利用hadoop进行更全面分析统计），通过
redis> RANGEBYSCORE user:200000:operation:comment 61307510405600 +inf //获得1分钟内的操作记录 redis> ZADD user:200000:operation:comment 61307510402300 "这是一条评论" //score 为timestamp (integer) 1 redis> ZRANGEBYSCORE user:200000:operation:comment 61307510405600 +inf //获得1分钟内的操作记录
1) "这是一条评论"
在逛有个类似微博的栏目我关注，里面包括关注的人、主题、品牌的动态。redis在这边主要当作cache使用。
这里采用Redis的List数据结构或sorted set 结构, 方便实现最新列表or排行榜 等业务场景。
其实这业务场景也可以算在计数上，也是采用Hash。如下：
当在集群环境时候，java ConcurrentLinkedQueue 就无法满足我们需求，此时可以采用Redis的List数据结构实现分布式的消息队列。
Redis使用的是常驻内存的缓存，速度非常快。LPUSH用来插入一个内容ID，作为关键字存储在列表头部。LTRIM用来限制列表中的项目数最多为5000。如果用户需要的检索的数据量超越这个缓存容量，这时才需要把请求发送到数据库。
如果一篇文章被删除，可以使用LREM从缓存中彻底清除掉。
排行榜（leader board）按照得分进行排序。ZADD命令可以直接实现这个功能，而ZREVRANGE命令可以用来按照得分来获取前100名的用户，ZRANK可以用来获取用户排名，非常直接而且操作容易。
这就像Reddit的排行榜，得分会随着时间变化。LPUSH和LTRIM命令结合运用，把文章添加到一个列表中。一项后台任务用来获取列表，并重新计算列表的排序，ZADD命令用来按照新的顺序填充生成列表。列表可以实现非常快速的检索，即使是负载很重的站点。
使用unix时间作为关键字，用来保持列表能够按时间排序。对current_time和time_to_live进行检索，完成查找过期项目的艰巨任务。另一项后台任务使用ZRANGE...WITHSCORES进行查询，删除过期的条目。
这是特定访问者的问题，可以通过给每次页面浏览使用SADD命令来解决。SADD不会将已经存在的成员添加到一个集合。
使用Redis原语命令，更容易实施垃圾邮件过滤系统或其他实时跟踪系统。
在当前的编程中队列随处可见。除了push和pop类型的命令之外，Redis还有阻塞队列的命令，能够让一个程序在执行时被另一个程序添加到队列。你也可以做些更有趣的事情，比如一个旋转更新的RSS feed队列。
Redis缓存使用的方式与memcache相同。
网络应用不能无休止地进行模型的战争，看看这些Redis的原语命令，尽管简单但功能强大，把它们加以组合，所能完成的就更无法想象。当然，你可以专门编写代码来完成所有这些操作，但Redis实现起来显然更为轻松。
使用expire设置验证码失效时间
redis既可以作为数据库来用，也可以作为缓存系统来用
标签：
原文地址：http://blog.csdn.net/u011204847/article/details/51302109
