摘要：
欢迎继续跟随《Redis新手指南：从入门到精通》专栏的步伐！在本文中，我们将深入探讨Redis支持的各种数据类型，这些类型是Redis强大功能的核心。通过学习不同的数据类型，你将能够根据具体的应用需求选择最合适的数据结构，从而实现更高效的数据处理。
五种基础数据类型🐲
Redis是Key-Value缓存型数据库，Redis为了存储不同类型的数据库，提供了常用的五种数据类型
- string(字符串)
- hash(哈希散列)
- list(列表)
- set(集合)
- zset(sorted set：有序集合)
1 String🔅
String是Redis中最基本的数据类型，一个Key对应一个value. Redis中的String数据类型可以包含任何数据，如数字，字符串，jpg图片或者序列化对象
命令使用:
命令 | 简述 | 使用 |
GET | 获取存储在给定键中的值 | GET name |
SET | 设置存储在给定键中的值 | SET name value |
DEL | 删除存储在给定键中的值 | DEL name |
INCR | 将键存储的值加1 | INCR key |
DECR | 将键存储的值减1 | DECR key |
INCRBY | 将键存储的值加上整数 | INCRBY key amout |
DECRBY | 将键存储的值减去整数 | DECRBY key amout |
[root@localhost ~]# redis-cli
127.0.0.1:6379> set name www.baidu.com
OK
127.0.0.1:6379> get name
"www.baidu.com"
127.0.0.1:6379> set name 1
OK
127.0.0.1:6379> incr name
(integer) 2
127.0.0.1:6379> incrby name 99
(integer) 101
127.0.0.1:6379> decrby name 98
(integer) 3
127.0.0.1:6379> get name
"3"
127.0.0.1:6379> exit实战场景：
- 缓存：经典使用场景，把常用信息，字符串，图片或者视频等信息放到redis中，redis作为缓存层，mysql做持久化层，降低MySQL的读写压力
- 计数器：redis是单线程模型，一个命令执行完才会执行下一个，同时数据可以一步落地到其他的数据源
- session：常见方案spring session + redis 实现session 共享
2 List🔅
Redis中的List其实就是链表(Redis用双链表实现List). 使用List结构，我们可以轻松的实现最新消息排队功能(比如微博的TimeLine).List的另一个应用就是消息队列，可以利用List的PUSH操作，将任务存放在List中，然后工作线程再用POP操作将任务取出进行执行
命令使用：
命令 | 描述 | 使用 |
RPUSH | 将值推入到List右端 | RPUSH key value |
LPUSH | 将值推入到List左端 | LPUSH key value |
RPOP | 从List的右端弹出一个值，并返回被弹回的值 | RPOP key |
LPOP | 从List的左端弹出一个值，并返回被弹回的值 | LPOP key |
LRANGE | 获取列表在给定范围上的所有值 | LRANGE key 0 -1 |
LINDEX | 通过索引获取List中的元素，负数下表表示从列表的最后从前开始索引 | LINDEX key index |
使用列表的技巧：
- lpush + lpop = Stack(栈)
- lpush + rpop = Queue(队列)
- lpush + ltrim = Capped Collection(有限集合)
- lpush + brpop = Message Queue(消息队列)
命令执行:
127.0.0.1:6379> lpush key 1 2 11 ls mem
(integer) 5
127.0.0.1:6379> lrange key 0 -1
1) "mem"
2) "ls"
3) "11"
4) "2"
5) "1"
127.0.0.1:6379> lindex key -1
"1"
127.0.0.1:6379> lindex key 10
(nil)
127.0.0.1:6379>实战场景：
- 微博TimeLine：有人发布微博，用lpush加入时间轴，展示新的列表信息
- 消息队列
3 Set🔅
Redis的 Set 是 String 类型的无序集合。集合成员是唯一的，这就意味着集合中不能出现重复的数据. Redis 中集合是通过哈希表实现的，所以添加，删除，查找的复杂度都是 O(1)
命令使用：
命令 | 描述 | 使用 |
SADD | 向集合添加一个或多个成员 | SADD Key value |
SCARD | 获取集合的成员数 | SCARD Key |
SMEMBERS | 返回集合中的所有成员 | SMEMBERS Key member |
SISMEMBER | 判断member元素是否是集合key的成员 | SISMEMBER Key member |
命令执行：
127.0.0.1:6379> sadd myset hao hao1 xiaohao hao
(integer) 3
127.0.0.1:6379> smembers myset
1) "hao1"
2) "xiaohao"
3) "hao"
127.0.0.1:6379> sismember myset hao
(integer) 1
127.0.0.1:6379>实战场景：
- 标签(tag)，给用户添加标签，或者用户给消息添加标签，这样有同一标签或者类似标签的可以推荐关注的事或者关注的人，如"猜你喜欢"
- 点赞，收藏等，可以放到Set中实现
4 Hash🔅
Redis hash 是一个String类型的field(字段)和value(值)的映射表，hash特别适合用于存储对象
命令 | 描述 | 使用 |
HSET | 添加键值对 | HSET hash-key sub-key1 value1 |
HGET | 获取指定散列键的值 | HGET hash-key key1 |
HGETALL | 获取散列中包含的所有键值对 | HGETALL hash-key |
HDEL | 如果给定键存在于散列中，那么就移除这个键 | HDEL hash-key sub-key |
127.0.0.1:6379[5]> hset user name1 hao
(integer) 1
127.0.0.1:6379[5]> hset user email1 hao@163.com
(integer) 1
127.0.0.1:6379[5]> HGETALL user
1) "name1"
2) "hao"
3) "email1"
4) "hao@163.com"
127.0.0.1:6379[5]> hget user user
(nil)
127.0.0.1:6379[5]> hget user user1
(nil)
127.0.0.1:6379[5]> hget user name1
"hao"
127.0.0.1:6379[5]> hset user name2 xiaohao
(integer) 1
127.0.0.1:6379[5]> hset user email2 xiaohao@163.com
(integer) 1
127.0.0.1:6379[5]> hgetall user
1) "name1"
2) "hao"
3) "email1"
4) "hao@163.com"
5) "name2"
6) "xiaohao"
7) "email2"
8) "xiaohao@163.com"
127.0.0.1:6379[5]>实战场景
- 缓存：能直观，相比string更节省空间，的维护缓存信息，如用户信息，视频信息等
5 Zset有序集合🔅
Redis 有序集合和集合一样也是 string 类型元素的集合,且不允许重复的成员。不同的是每个元素都会关联一个 double 类型的分数。redis 正是通过分数来为集合中的成员进行从小到大的排序。
有序集合的成员是唯一的, 但分数(score)却可以重复。有序集合是通过两种数据结构实现：
- 压缩列表(ziplist): ziplist是为了提高存储效率而设计的一种特殊编码的双向链表。它可以存储字符串或者整数，存储整数时是采用整数的二进制而不是字符串形式存储。它能在O(1)的时间复杂度下完成list两端的push和pop操作。但是因为每次操作都需要重新分配ziplist的内存，所以实际复杂度和ziplist的内存使用量相关
- 跳跃表（zSkiplist): 跳跃表的性能可以保证在查找，删除，添加等操作的时候在对数期望时间内完成，这个性能是可以和平衡树来相比较的，而且在实现方面比平衡树要优雅，这是采用跳跃表的主要原因。跳跃表的复杂度是O(log(n))
命令 | 描述 | 使用 |
ZADD | 将一个带有给定分值的成员添加到有序集合里面 | ZADD zset-key 178 member1 |
ZRANGE | 根据元素在有序集合中所处的位置，从有序集合中获取多个元素 | ZRANGE zset-key 0-1 |
ZREM | 如果给定元素成员存在于有序集合中，那么就移除这个元素 | ZREM zset-key member1 |
ZSCORE | 获取有序集合（Sorted Set）中成员的分数（score） | ZSCORE zset-key member1 |
127.0.0.1:6379> zadd myscoreset 100 hao 90 xiaohao
(integer) 2
127.0.0.1:6379> zrange myscoreset 0 -1
1) "xiaohao"
2) "hao"
127.0.0.1:6379> zscore myscoreset hao
"100"
127.0.0.1:6379> zscore myscoreset hao
"100"实战场景
- 排行榜：有序集合经典使用场景。例如小说视频等网站需要对用户上传的小说视频做排行榜，榜单可以按照用户关注数，更新时间，字数等打分，做排行。
三种特殊数据类型🐲
1.HyperLogLogs（基数统计）🔅
HyperLogLogs是Redis中的一种数据结构，用于估计集合中唯一元素的数量，而不需要存储实际的元素值. 举个例子，A = {1, 2, 3, 4, 5}， B = {3, 5, 6, 7, 9}；那么基数（不重复的元素）= 1, 2, 4, 6, 7, 9；（允许容错，即可以接受一定误差）
HyperLogLogs基数统计结构可以非常省内存的去统计各种计数，比如注册IP数，每日访问IP数，页面实时UA，在线用户数，共同好友数等
通过一个例子来说明HyperLogLogs的优势:
一个大型的网站，每天 IP 比如有 100 万，粗算一个 IP 消耗 15 字节，那么 100 万个 IP 就是 15M。而 HyperLogLog 在 Redis 中每个键占用的内容都是 12K，理论存储近似接近 2^64 个值，不管存储的内容是什么，它一个基于基数估算的算法，只能比较准确的估算出基数，可以使用少量固定的内存去存储并识别集合中的唯一元素。而且这个估算的基数并不一定准确，是一个带有 0.81% 标准错误的近似值（对于可以接受一定容错的业务场景，比如IP数统计，UV 等，是可以忽略不计的）
命令 | 描述 | 使用 |
PFADD | 向HyperLogLogs数据结构添加一个或多个元素 | PFADD key element [element …] |
PFCOUNT | 获取指定HyperLogLogs的基数估计值 | PFCOUNT key [key …] |
PFMERGE | 将多个HyperLogLogs合并为一个新的HyperLogLog | PFMERGE destkey sourcekey [sourcekey …] |
127.0.0.1:6379> pfadd key1 a b c d e f g h i # 创建第一组元素
(integer) 1
127.0.0.1:6379> pfcount key1 # 统计元素的基数数量
(integer) 9
127.0.0.1:6379> pfadd key2 c j k l m e g a # 创建第二组元素
(integer) 1
127.0.0.1:6379> pfcount key2
(integer) 8
127.0.0.1:6379> pfmerge key3 key1 key2 # 合并两组：key1 key2 -> key3 并集
OK
127.0.0.1:6379> pfcount key3
(integer) 132.Bitmaps (位图) 🔅
Redis 中的 Bitmap（位存储）是一种数据结构，它可以用来存储位图，并对位图进行位操作。在 Redis 中，Bitmap 可以被用来存储二进制数据，并且可以高效地进行位操作。
Bitmap 的基本原理是将一个整数数组中的每个元素都看作一个位，可以存储 0 或 1。通过将一组位组合在一起，我们可以表示一个更大的数据结构，例如一个图像或一个文件。在 Redis 中，每个 Bitmap 都可以存储 1GB 的数据。
使用 Bitmap，我们可以对存储在其中的二进制数据进行位操作，例如按位与、按位或、按位异或等。此外，我们还可以使用 Bitmap 来检查一个值是否存在于一个集合中，或者计算两个集合的交集、并集等。
- 用来解决什么问题？
比如：统计用户信息，活跃，不活跃！登录，未登录！打卡，不打卡！两个状态的，都可以使用 Bitmaps！
如果存储一年的打卡状态需要多少内存呢？365 天 = 365 bit 1字节 = 8bit 46 个字节左右！
命令 | 描述 | 使用 |
BGET | 获取Bitmap中一个指定偏移量的值 | BGET key offset |
BSET | 设置Bitmap中一个指定偏移量的值 | BSET key offset value |
BINCRBY | 对Bitmap中指定偏移量的值进行自增操作 | BINCRBY key offset value |
BZADD | 向Bitmap中添加一个或多个元素，并设置相应的分数 | BZADD key score member [member …] |
BZCOUNT | 获取Bitmap中指定分数范围内的元素数量 | BZCOUNT key min max |
BZMSUM | 获取Bitmap中所有元素的平均分，并添加到Bitmap的每个元素上 | BZMSUM key factor |
BZREM | 从Bitmap中移除一个或多个元素 | BZREM key member [member …] |
BZREMRANGEBYSCORE | 移除Bitmap中指定分数范围内的元素 | BZREMRANGEBYSCORE key min max |
127.0.0.1:6379> setbit sign 0 1
(integer) 0
127.0.0.1:6379> setbit sign 1 1
(integer) 0
127.0.0.1:6379> setbit sign 2 0
(integer) 0
127.0.0.1:6379> setbit sign 3 1
(integer) 0
127.0.0.1:6379> getbit sign 3
(integer) 1
127.0.0.1:6379> bitcount sign
(integer) 3
127.0.0.1:6379>3.geospatial （地理位置）🔅
依赖的Redis版本在redis3.2 及以上
Redis 的 Geospatial 是指 Redis 中的地理位置数据类型及其相关的命令和功能。Redis Geospatial 提供了对地理位置数据的存储、查询和分析的支持。
在 Redis Geospatial 中，可以使用以下命令来存储和操作地理位置数据：
-
GEOADD：用于将地理位置数据添加到 Redis 中。该命令接受一个键和多个经纬度坐标及相关的分数值。
例如：GEOADD mylocation 40.7128 -74.0060 "New York" 37.7749 -122.4194 "San Francisco"
-
GEODIST：用于计算两个地理位置之间的距离。该命令接受一个键、起始经纬度坐标和结束经纬度坐标，并返回它们之间的距离（以米为单位）。
例如：GEODIST mylocation 40.7128 -74.0060 37.7749 -122.4194 km
-
GEORADIUS：用于查询位于指定经纬度和半径范围内的地理位置。该命令接受一个键、中心经纬度坐标和半径，并返回在该范围内的地理位置及其分数值。
例如：GEORADIUS mylocation 40.7128 -74.0060 100 km
-
GEORADIUSBYMEMBER：用于查询位于指定成员和半径范围内的地理位置。该命令接受一个键、成员名称和半径，并返回在该范围内的地理位置及其分数值。
例如：GEORADIUSBYMEMBER mylocation "New York" 100 km
除了以上命令，Redis Geospatial 还提供了其他一些命令来处理地理位置数据，如 GEODEL（删除地理位置）、GEOINFO（获取地理位置信息）等。
需要注意的是，Redis Geospatial 的实现依赖于 Redis 的 Sorted Set 数据结构，因此在使用 Geospatial 功能时，需要了解 Sorted Set 的相关概念和操作方法
Stream 类型
1.为什么会设计Stream
Redis5.0 中还增加了一个数据结构 Stream，从字面上看是流类型，但其实从功能上看，应该是 Redis 对消息队列（MQ，Message Queue）的完善实现。
用过 Redis 做消息队列的都了解，基于 Reids的消息队列实现有很多种，例如：
- PUB/SUB，订阅/发布模式
- 但是发布订阅模式是无法持久化的，如果出现网络断开、Redis 宕机等，消息就会被丢弃；
- 基于List LPUSH+BRPOP 或者 基于Sorted-Set的实现
- 支持了持久化，但是不支持多播，分组消费等
为什么上面的结构无法满足广泛的消息队列场景? 这里便引出一个核心的问题：如果我们期望设计一种数据结构来实现消息队列，最重要的就是要理解设计一个消息队列需要考虑什么？初步的我们很容易想到
- 消息的生产
- 消息的消费
- 单播和多播（多对多）
- 阻塞和非阻塞读取
- 消息有序性
- 消息的持久化
其它还要考虑啥嗯？借助美团技术团队的一篇文章，消息队列设计图
我们不妨看看Redis考虑了哪些设计？
- 消息ID的序列化生成
- 消息遍历
- 消息的阻塞和非阻塞读取
- 消息的分组消费
- 未完成消息的处理
- 消息队列监控
- …
这也是我们需要理解Stream的点，但是结合上面的图，我们也应该理解Redis Stream也是一种超轻量MQ并没有完全实现消息队列所有设计要点，这决定着它适用的场景
2.Stream详解
经过梳理总结，我认为从以下几个大的方面去理解Stream是比较合适的，总结如下：
- Stream的结构设计
- 生产和消费
- 基本的增删查改
- 单一消费者的消费
- 消费组的消费
- 监控状态
3.Stream的结构
每个 Stream 都有唯一的名称，它就是 Redis 的 key，在我们首次使用 xadd 指令追加消息时自动创建
上图解析：
-
Consumer Group：消费组，使用 XGROUP CREATE 命令创建，一个消费组有多个消费者(Consumer), 这些消费者之间是竞争关系。 -
last_delivered_id：游标，每个消费组会有个游标 last_delivered_id，任意一个消费者读取了消息都会使游标 last_delivered_id 往前移动。 -
pending_ids：消费者(Consumer)的状态变量，作用是维护消费者的未确认的 id。 pending_ids 记录了当前已经被客户端读取的消息，但是还没有ack(Acknowledge character：确认字符）。如果客户端没有ack，这个变量里面的消息ID会越来越多，一旦某个消息被ack，它就开始减少。这个pending_ids变量在Redis官方被称之为PEL，也就是Pending Entries List，这是一个很核心的数据结构，它用来确保客户端至少消费了消息一次，而不会在网络传输的中途丢失了没处理。
此外我们还需要理解两点：
-
消息ID: 消息ID的形式是timestampInMillis-sequence，例如1527846880572-5，它表示当前的消息在毫米时间戳1527846880572时产生，并且是该毫秒内产生的第5条消息。消息ID可以由服务器自动生成，也可以由客户端自己指定，但是形式必须是整数-整数，而且必须是后面加入的消息的ID要大于前面的消息ID。 -
消息内容: 消息内容就是键值对，形如hash结构的键值对，这没什么特别之处
4.增删改查
消息队列相关命令：
XADD是Redis 6.2版本引入的一个新命令
命令 | 详解 |
XADD | 添加消息到末尾 |
XTRIM | 对流进行修剪，限制长度 |
XDEL | 删除消息 |
XLEN | 获取流包含的元素数量，即消息长度 |
XRANGE | 获取消息列表，会自动过滤已经删除的消息 |
XREVRANGE | 反向获取消息列表，ID 从大到小 |
XREAD | 以阻塞或非阻塞方式获取消息列表 |
# *号表示服务器自动生成ID，后面顺序跟着一堆key/value
127.0.0.1:6379[2]> xadd codehole * name laoqian age 30 # 名字叫laoqian，年龄30岁
"1702088359499-0"
127.0.0.1:6379[2]> xadd codehole * name xiaoyu age 29
"1702088363852-0"
127.0.0.1:6379[2]> xadd codehole * name xiaoqian age 1
"1702088368106-0"
127.0.0.1:6379[2]> xlen codehole
(integer) 3
127.0.0.1:6379[2]> xrange codehole - + # -表示最小值, +表示最大值
1) 1) "1702088359499-0"
2) 1) "name"
2) "laoqian"
3) "age"
4) "30"
2) 1) "1702088363852-0"
2) 1) "name"
2) "xiaoyu"
3) "age"
4) "29"
3) 1) "1702088368106-0"
2) 1) "name"
2) "xiaoqian"
3) "age"
4) "1"
127.0.0.1:6379[2]> xrange codehole 1702088368106-0 + # 指定最小消息ID的列表
1) 1) "1702088368106-0"
2) 1) "name"
2) "xiaoqian"
3) "age"
4) "1"
127.0.0.1:6379[2]> xdel codehole 1702088359499-0 # 删除指定消息ID
(integer) 1
127.0.0.1:6379[2]> xlen codehole # 查看整个Stream的列表长度
(integer) 2
127.0.0.1:6379[2]> del codehole # 删除整个Stream
(integer) 1
127.0.0.1:6379[2]> xlen codehole
(integer) 0
127.0.0.1:6379[2]>5.独立消费
我们可以在不定义消费组的情况下进行Stream消息的独立消费，当Stream没有新消息时，甚至可以阻塞等待。Redis设计了一个单独的消费指令xread，可以将Stream当成普通的消息队列(list)来使用。使用xread时，我们可以完全忽略消费组(Consumer Group)的存在，就好比Stream就是一个普通的列表(list)
127.0.0.1:6379[2]> xadd codehole * name laoqian age 30 # 名字叫laoqian，年龄30岁
"1702088359499-0"
127.0.0.1:6379[2]> xadd codehole * name xiaoyu age 29
"1702088363852-0"
127.0.0.1:6379[2]> xadd codehole * name xiaoqian age 1
"1702088368106-0"3
127.0.0.1:6379[2]> xread count 2 streams codehole 0-0 # 从Stream头部读取两条消息
1) 1) "codehole"
2) 1) 1) "1702088732976-0"
2) 1) "name"
2) "laoqian"
3) "age"
4) "30"
2) 1) "1702088736610-0"
2) 1) "name"
2) "xiaoyu"
3) "age"
4) "29"
127.0.0.1:6379[2]> xread count 1 streams codehole $ # 从Stream尾部读取一条消息，毫无疑问，这里不会返回任何消息
(nil)
127.0.0.1:6379[2]> xread block 0 count 1 streams codehole $ # 从尾部阻塞等待新消息到来，下面的指令会堵住，直到新消息到来
1) 1) "codehole"
2) 1) 1) "1702088785950-0"
2) 1) "name"
2) "youming"
3) "age"
4) "60"
(26.60s)
--------------------------------------------------------------------------------------------
# 我们从新打开一个窗口，在这个窗口往Stream里塞消息
# 再切换到前面的窗口，我们可以看到阻塞解除了，返回了新的消息内容
# 而且还显示了一个等待时间，这里我们等待了26.60s
127.0.0.1:6379[2]> xadd codehole * name youming age 60
"1702088785950-0"客户端如果想要使用xread进行顺序消费，一定要记住当前消费到哪里了，也就是返回的消息ID。下次继续调用xread时，将上次返回的最后一个消息ID作为参数传递进去，就可以继续消费后续的消息。
block 0表示永远阻塞，直到消息到来，block 1000表示阻塞1s，如果1s内没有任何消息到来，就返回nil
127.0.0.1:6379[2]> xread block 1000 count 1 streams codehole $
(nil)
(1.01s)6.消费组消费
消费组消费图
命令 | 详解 |
XGROUP CREATE | 创建消费者组 |
XREADGROUP GROUP | 读取消费者组中的消息 |
XACK - | 将消息标记为"已处理" |
XGROUP SETID | 为消费者组设置新的最后递送消息ID |
XGROUP DELCONSUMER | 删除消费者 |
XGROUP DESTROY | 删除消费者组 |
XPENDING | 显示待处理消息的相关信息 |
XCLAIM | 转移消息的归属权 |
XINFO | 查看流和消费者组的相关信息 |
XINFO GROUPS | 打印消费者组的信息 |
XINFO STREAM | 打印流信息 |
创建消费组
Stream通过xgroup create指令创建消费组(Consumer Group)，需要传递起始消息ID参数用来初始化last_delivered_id变量
127.0.0.1:6379[2]> xgroup create codehole cg1 0-0 # 表示从头开始消费
OK
127.0.0.1:6379[2]> xgroup create codehole cg2 $ # $表示从尾部开始消费，只接受新消息，当前Stream消息会全部忽略
OK
127.0.0.1:6379[2]> xinfo stream codehole # 获取Stream信息
1) "length"
2) (integer) 5 # 共5个消息
3) "radix-tree-keys"
4) (integer) 1
5) "radix-tree-nodes"
6) (integer) 2
7) "last-generated-id"
8) "1702088815554-0"
9) "groups"
10) (integer) 2 # 两个消费组
11) "first-entry" # 第一个消息
12) 1) "1702088732976-0"
2) 1) "name"
2) "laoqian"
3) "age"
4) "30"
13) "last-entry" # 最后一个消息
14) 1) "1702088815554-0"
2) 1) "name"
2) "leij"
3) "age"
4) "21"
127.0.0.1:6379[2]> xinfo groups codehole # 获取Stream的消费组信息
1) 1) "name"
2) "cg1"
3) "consumers"
4) (integer) 0 # 该消费组还没有消费者
5) "pending"
6) (integer) 0 # 该消费组没有正在处理的消息
7) "last-delivered-id"
8) "0-0"
2) 1) "name"
2) "cg2"
3) "consumers"
4) (integer) 0
5) "pending"
6) (integer) 0
7) "last-delivered-id"
8) "1702088815554-0"消费组消费
Stream提供了xreadgroup指令可以进行消费组的组内消费，需要提供消费组名称、消费者名称和起始消息ID。它同xread一样，也可以阻塞等待新消息。读到新消息后，对应的消息ID就会进入消费者的PEL(正在处理的消息)结构里，客户端处理完毕后使用xack指令通知服务器，本条消息已经处理完毕，该消息ID就会从PEL中移除
# >号表示从当前消费组的last_delivered_id后面开始读
# 每当消费者读取一条消息，last_delivered_id变量就会前进
127.0.0.1:6379> xreadgroup GROUP cg1 c1 count 1 streams codehole >
1) 1) "codehole"
2) 1) 1) 1527851486781-0
2) 1) "name"
2) "laoqian"
3) "age"
4) "30"
127.0.0.1:6379> xreadgroup GROUP cg1 c1 count 1 streams codehole >
1) 1) "codehole"
2) 1) 1) 1527851493405-0
2) 1) "name"
2) "yurui"
3) "age"
4) "29"
127.0.0.1:6379> xreadgroup GROUP cg1 c1 count 2 streams codehole >
1) 1) "codehole"
2) 1) 1) 1527851498956-0
2) 1) "name"
2) "xiaoqian"
3) "age"
4) "1"
2) 1) 1527852774092-0
2) 1) "name"
2) "youming"
3) "age"
4) "60"
# 再继续读取，就没有新消息了
127.0.0.1:6379> xreadgroup GROUP cg1 c1 count 1 streams codehole >
(nil)
# 那就阻塞等待吧
127.0.0.1:6379> xreadgroup GROUP cg1 c1 block 0 count 1 streams codehole >
# 开启另一个窗口，往里塞消息
127.0.0.1:6379> xadd codehole * name lanying age 61
1527854062442-0
# 回到前一个窗口，发现阻塞解除，收到新消息了
127.0.0.1:6379> xreadgroup GROUP cg1 c1 block 0 count 1 streams codehole >
1) 1) "codehole"
2) 1) 1) 1527854062442-0
2) 1) "name"
2) "lanying"
3) "age"
4) "61"
(36.54s)
127.0.0.1:6379> xinfo groups codehole # 观察消费组信息
1) 1) name
2) "cg1"
3) consumers
4) (integer) 1 # 一个消费者
5) pending
6) (integer) 5 # 共5条正在处理的信息还有没有ack
2) 1) name
2) "cg2"
3) consumers
4) (integer) 0 # 消费组cg2没有任何变化，因为前面我们一直在操纵cg1
5) pending
6) (integer) 0
# 如果同一个消费组有多个消费者，我们可以通过xinfo consumers指令观察每个消费者的状态
127.0.0.1:6379> xinfo consumers codehole cg1 # 目前还有1个消费者
1) 1) name
2) "c1"
3) pending
4) (integer) 5 # 共5条待处理消息
5) idle
6) (integer) 418715 # 空闲了多长时间ms没有读取消息了
# 接下来我们ack一条消息
127.0.0.1:6379> xack codehole cg1 1527851486781-0
(integer) 1
127.0.0.1:6379> xinfo consumers codehole cg1
1) 1) name
2) "c1"
3) pending
4) (integer) 4 # 变成了5条
5) idle
6) (integer) 668504
# 下面ack所有消息
127.0.0.1:6379> xack codehole cg1 1527851493405-0 1527851498956-0 1527852774092-0 1527854062442-0
(integer) 4
127.0.0.1:6379> xinfo consumers codehole cg1
1) 1) name
2) "c1"
3) pending
4) (integer) 0 # pel空了
5) idle
6) (integer) 7455057.信息监控
Stream 提供了XINFO来实现对服务器信息的监控，可以查询：
- 查看队列信息
127.0.0.1:6379> Xinfo stream mq
1) "length"
2) (integer) 7
3) "radix-tree-keys"
4) (integer) 1
5) "radix-tree-nodes"
6) (integer) 2
7) "groups"
8) (integer) 1
9) "last-generated-id"
10) "1553585533795-9"
11) "first-entry"
12) 1) "1553585533795-3"
2) 1) "msg"
2) "4"
13) "last-entry"
14) 1) "1553585533795-9"
2) 1) "msg"
2) "10"- 消费组信息
127.0.0.1:6379> Xinfo groups mq
1) 1) "name"
2) "mqGroup"
3) "consumers"
4) (integer) 3
5) "pending"
6) (integer) 3
7) "last-delivered-id"
8) "1553585533795-4"- 消费者组成员信息
127.0.0.1:6379> XINFO CONSUMERS mq mqGroup
1) 1) "name"
2) "consumerA"
3) "pending"
4) (integer) 1
5) "idle"
6) (integer) 18949894
2) 1) "name"
2) "consumerB"
3) "pending"
4) (integer) 1
5) "idle"
6) (integer) 3092719
3) 1) "name"
2) "consumerC"
3) "pending"
4) (integer) 1
5) "idle"
6) (integer) 236832568.Stream用在什么样场景
1.可用作时通信等，大数据分析，异地数据备份等
2.客户端可以平滑扩展，提高处理能力
消息ID的设计是否考虑了时间回拨的问题？
在分布式算法 - ID算法设计中, 一个常见的问题就是时间回拨问题，那么Redis的消息ID设计中是否考虑到这个问题呢？
XADD生成的1553439850328-0，就是Redis生成的消息ID，由两部分组成:时间戳-序号。时间戳是毫秒级单位，是生成消息的Redis服务器时间，它是个64位整型（int64）。序号是在这个毫秒时间点内的消息序号，它也是个64位整型。
可以通过multi批处理，来验证序号的递增：
127.0.0.1:6379> MULTI
OK
127.0.0.1:6379> XADD memberMessage * msg one
QUEUED
127.0.0.1:6379> XADD memberMessage * msg two
QUEUED
127.0.0.1:6379> XADD memberMessage * msg three
QUEUED
127.0.0.1:6379> XADD memberMessage * msg four
QUEUED
127.0.0.1:6379> XADD memberMessage * msg five
QUEUED
127.0.0.1:6379> EXEC
1) "1553441006884-0"
2) "1553441006884-1"
3) "1553441006884-2"
4) "1553441006884-3"
5) "1553441006884-4"由于一个redis命令的执行很快，所以可以看到在同一时间戳内，是通过序号递增来表示消息的。
为了保证消息是有序的，因此 Redis 生成的 ID 是单调递增有序的。由于 ID 中包含时间戳部分，为了避免服务器时间错误而带来的问题（例如服务器时间延后了），Redis 的每个 Stream 类型数据都维护一个 latest_generated_id属性，用于记录最后一个消息的ID。若发现当前时间戳退后（小于latest_generated_id所记录的），则采用时间戳不变而序号递增的方案来作为新消息ID（这也是序号为什么使用int64的原因，保证有足够多的的序号），从而保证ID的单调递增性质。
强烈建议使用Redis的方案生成消息ID，因为这种时间戳+序号的单调递增的ID方案，几乎可以满足你全部的需求。但同时，记住ID是支持自定义的，别忘了！
消费者崩溃带来的会不会消息丢失问题?
为了解决组内消息读取但处理期间消费者崩溃带来的消息丢失问题，STREAM 设计了 Pending 列表，用于记录读取但并未处理完毕的消息。命令XPENDIING 用来获消费组或消费内消费者的未处理完毕的消息。演示如下：
127.0.0.1:6379> XPENDING mq mqGroup # mpGroup的Pending情况
1) (integer) 5 # 5个已读取但未处理的消息
2) "1553585533795-0" # 起始ID
3) "1553585533795-4" # 结束ID
4) 1) 1) "consumerA" # 消费者A有3个
2) "3"
2) 1) "consumerB" # 消费者B有1个
2) "1"
3) 1) "consumerC" # 消费者C有1个
2) "1"
127.0.0.1:6379> XPENDING mq mqGroup - + 10 # 使用 start end count 选项可以获取详细信息
1) 1) "1553585533795-0" # 消息ID
2) "consumerA" # 消费者
3) (integer) 1654355 # 从读取到现在经历了1654355ms，IDLE
4) (integer) 5 # 消息被读取了5次，delivery counter
2) 1) "1553585533795-1"
2) "consumerA"
3) (integer) 1654355
4) (integer) 4
# 共5个，余下3个省略 ...
127.0.0.1:6379> XPENDING mq mqGroup - + 10 consumerA # 在加上消费者参数，获取具体某个消费者的Pending列表
1) 1) "1553585533795-0"
2) "consumerA"
3) (integer) 1641083
4) (integer) 5
# 共3个，余下2个省略 ...每个Pending的消息有4个属性：
- 消息ID
- 所属消费者
- IDLE，已读取时长
- delivery counter，消息被读取次数
上面的结果我们可以看到，我们之前读取的消息，都被记录在Pending列表中，说明全部读到的消息都没有处理，仅仅是读取了。那如何表示消费者处理完毕了消息呢？使用命令 XACK 完成告知消息处理完成，演示如下：
127.0.0.1:6379> XACK mq mqGroup 1553585533795-0 # 通知消息处理结束，用消息ID标识
(integer) 1
127.0.0.1:6379> XPENDING mq mqGroup # 再次查看Pending列表
1) (integer) 4 # 已读取但未处理的消息已经变为4个
2) "1553585533795-1"
3) "1553585533795-4"
4) 1) 1) "consumerA" # 消费者A，还有2个消息处理
2) "2"
2) 1) "consumerB"
2) "1"
3) 1) "consumerC"
2) "1"
127.0.0.1:6379>有了这样一个Pending机制，就意味着在某个消费者读取消息但未处理后，消息是不会丢失的。等待消费者再次上线后，可以读取该Pending列表，就可以继续处理该消息了，保证消息的有序和不丢失
消费者彻底宕机后如何转移给其它消费者处理？
还有一个问题，就是若某个消费者宕机之后，没有办法再上线了，那么就需要将该消费者Pending的消息，转义给其他的消费者处理，就是消息转移。
消息转移的操作时将某个消息转移到自己的Pending列表中。使用语法XCLAIM来实现，需要设置组、转移的目标消费者和消息ID，同时需要提供IDLE（已被读取时长），只有超过这个时长，才能被转移。演示如下：
# 当前属于消费者A的消息1553585533795-1，已经15907,787ms未处理了
127.0.0.1:6379> XPENDING mq mqGroup - + 10
1) 1) "1553585533795-1"
2) "consumerA"
3) (integer) 15907787
4) (integer) 4
# 转移超过3600s的消息1553585533795-1到消费者B的Pending列表
127.0.0.1:6379> XCLAIM mq mqGroup consumerB 3600000 1553585533795-1
1) 1) "1553585533795-1"
2) 1) "msg"
2) "2"
# 消息1553585533795-1已经转移到消费者B的Pending中。
127.0.0.1:6379> XPENDING mq mqGroup - + 10
1) 1) "1553585533795-1"
2) "consumerB"
3) (integer) 84404 # 注意IDLE，被重置了
4) (integer) 5 # 注意，读取次数也累加了1次以上代码，完成了一次消息转移。转移除了要指定ID外，还需要指定IDLE，保证是长时间未处理的才被转移。被转移的消息的IDLE会被重置，用以保证不会被重复转移，以为可能会出现将过期的消息同时转移给多个消费者的并发操作，设置了IDLE，则可以避免后面的转移不会成功，因为IDLE不满足条件。例如下面的连续两条转移，第二条不会成功。
127.0.0.1:6379> XCLAIM mq mqGroup consumerB 3600000 1553585533795-1
127.0.0.1:6379> XCLAIM mq mqGroup consumerC 3600000 1553585533795-1这就是消息转移。至此我们使用了一个 Pending 消息的 ID，所属消费者和IDLE 的属性，还有一个属性就是消息被读取次数，delivery counter，该属性的作用由于统计消息被读取的次数，包括被转移也算。这个属性主要用在判定是否为错误数据上
坏消息问题，Dead Letter，死信问题
正如上面所说，如果某个消息，不能被消费者处理，也就是不能被XACK，这是要长时间处于Pending列表中，即使被反复的转移给各个消费者也是如此。此时该消息的delivery counter就会累加（上一节的例子可以看到），当累加到某个我们预设的临界值时，我们就认为是坏消息（也叫死信，DeadLetter，无法投递的消息），由于有了判定条件，我们将坏消息处理掉即可，删除即可。删除一个消息，使用XDEL语法，演示如下：
# 删除队列中的消息
127.0.0.1:6379> XDEL mq 1553585533795-1
(integer) 1
# 查看队列中再无此消息
127.0.0.1:6379> XRANGE mq - +
1) 1) "1553585533795-0"
2) 1) "msg"
2) "1"
2) 1) "1553585533795-2"
2) 1) "msg"
2) "3"注意本例中，并没有删除 Pending 中的消息因此你查看Pending，消息还会在。可以执行 XACK 标识其处理完毕！
