Redis带你深入学习数据类型set

目录

1、set

2、set相关命令

2.1、添加元素 sadd

2.2、获取元素 smembers

2.3、判断元素是否存在 sismember

2.4、获取set中元素数量 scard

2.5、删除元素spop、srem

2.6、移动元素smove

2.7、集合中相关命令：sinter、sinterstore、sunion、sunionstore、sdiff、sdiffstore

3、应用场景

---

1、set

set数据类型的特点：

• set中的元素是无序的
• set中的元素不能重复
• set中支持多个几个取交集并集差集等~

---

2、set相关命令

2.1、添加元素 sadd

• sadd：往集合中添加元素；重复元素无法添加到集合中
• 语法：sadd key member [member ...]
• 返回值：成功添加元素的个数(集合已经存在的元素，再次添加不算为添加成功)
• 时间复杂度O(1)

举例：

2.2、获取元素 smembers

• smembers：获取一个key中的所有元素；元素顺序是无序的
• 语法：smembers key
• 返回值：集合中的所有元素
• 时间复杂度O(1)

举例：

        注：当集合中存放的都是整数，且数量不是特别多的情况下，内部编码是intset,此时虽然是无序的，但我本人猜测可能还是有处理的，相对来说还是有序的，从小到大 排列~

        当内部编码是hashtable时，就是完全无序了~

2.3、判断元素是否存在 sismember

• sismember：判断元素是否存在
• 语法：sismember key member
• 返回值：1表示存在，0表示不存在
• 时间复杂度

举例：

2.4、获取set中元素数量 scard

• scard：获取一个set的基数，也就是set中的元素个数
• 语法：scard key
• 返回值：set内的元素的个数
• 时间复杂度O(1)

举例：

2.5、删除元素spop、srem

spop: 随机删除一个或多个元素，由于set中元素是无序的，所以具体删除哪个元素也是随机的

• 语法：spop key [count]  【不带参数默认为1】
• 返回值：被删除的元素的值
• 时间复杂度O(n) --- n->count

举例：

srem：删除集合中指定的元素

• 语法：srem key member [member...]
• 返回值：成功删除的元素个数
• 时间复杂度O(k)---被删除的个数~

举例：

2.6、移动元素smove

• smove：将一个元素从一个集合中移动到另一个集合中~
• 语法：smove source destination member
• 返回值：命令执行成功返回1；失败返回0
• 时间复杂度O(1)

举例：

2.7、集合中相关命令：sinter、sinterstore、sunion、sunionstore、sdiff、sdiffstore

sinter:获取指定set的交集中的元素

• 语法：sinter key [key...]
• 返回值：交集的元素
• 时间复杂度O(n*m)---->n是最小的集合元素个数，m是最大的集合元素个数

举例：

sinterstore:获取指定set的交集中的元素并保存到另一个指定集合set中

• 语法：sinterstore destination key [key...]
• 返回值：交集元素个数
• 时间复杂度O(n*m)---->n是最小的集合元素个数，m是最大的集合元素个数

举例： 

sunion:获取指定的集合set的并集中的元素

• 语法：sunion key [key...]
• 返回值：并集的元素
• 时间复杂度O(N)---N为指定的所有的集合set的总的元素个数

举例：

sunionstore:获取指定的集合set的并集中的元素并保存到指定的目标集合set中

• 语法：sunionstore
• 返回值：并集的元素个数
• 时间复杂度O(N)---N为指定的所有的集合set的总的元素个数

举例：

sdiff:获取指定的集合set的差集中元素

• 语法：sdiff key [key...]
• 返回值：差集的元素
• 时间复杂度O(N)---N为指定的所有的集合set的总的元素个数

举例：

sdiffstore:

• 语法：sdiffstore
• 返回值：差集的元素个数
• 时间复杂度O(N)---N为指定的所有的集合set的总的元素个数

举例：

---

3、应用场景

3.1、使用set来保存用户的标签

        例如最常见的“人物画像”，给相应的用户打上对应标签后，针对性给该用户推送他可能感兴趣的话题

        或者例如:我们博客网站常常使用到的兴趣标签，把一个个有着相同爱好，关注类似内容的用户利用一个标签把他们进行归并

3.2、使用set计算用户间的共同好友

        共同好友功能，共同喜好，或者可以引申到二度好友之类的扩展应用

        例如QQ中有一个功能叫做你可能认识的人~

3.3、使用set统计UV

        PV:用户每次访问某一个服务器时，都会产生一个pv

        UV:用户访问服务器，会产生一个UV，但同一个多次访问不会使UV增加，所以使用set统计UV，能够很好的做到去重~

好啦，下期见啦~