如何使用redis進行分頁和排序

如何使用redis進行分頁和排序？針對這個問題，今天小編總結這篇有關redis的文章，希望幫助更多想學習redis的同學找到更加簡單易行的辦法。

每個主題下的用戶的評論組裝好寫入Redis中，每個主題會有一個topicId，每一條評論會和topicId關聯起來，大致的數據模型如下：          

{ topicId: 'xxxxxxxx', comments: [ { username: 'niuniu', createDate: 1447747334791, content: '在Redis中分頁', commentId: 'xxxxxxx', reply: [ { content: 'yyyyyy' username: 'niuniu' }, ... ] }, ... ]}

將評論數據從MySQL查詢出來組裝好存到Redis后，以后每次就可以從Redis獲取組裝好的評論數據，從上面的數據模型可以看出數據都是key-value型數據，無疑要采用hash進行存儲，但是每次拿取評論數據時需要分頁而且還要按createDate字段進行排序，hash肯定是不能做到分頁和排序的。

那么，就挨個看一下Redis所支持的數據類型：

1、String: 主要用于存儲字符串，顯然不支持分頁和排序。

2、Hash: 主要用于存儲key-value型數據，評論模型中全是key-value型數據，所以在這里Hash無疑會用到。

3、List: 主要用于存儲一個列表，列表中的每一個元素按元素的插入時的順序進行保存，如果我們將評論模型按createDate排好序后再插入List中，似乎就能做到排序了，而且再利用List中的LRANGE key start stop指令還能做到分頁。

嗯，到這里List似乎滿足了我們分頁和排序的要求，但是評論還會被刪除，就需要更新Redis中的數據，如果每次刪除評論后都將Redis中的數據全部重新寫入一次，顯然不夠優雅，效率也會大打折扣，如果能刪除指定的數據無疑會更好，而List中涉及到刪除數據的就只有LPOP和RPOP這兩條指令，但LPOP和RPOP只能刪除列表頭和列表尾的數據，不能刪除指定位置的數據,(備注：其實還有 LREM命令可以做到刪除，但是非常不方便)，而且當存在接口高并發訪問時，這個list可能會無限延長，且里面的數據會存在很多重復，這就會影響到正常的業務，所以List也不太適合。

4、Set: 主要存儲無序集合，無序！排除。

5、SortedSet: 主要存儲有序集合，SortedSet的添加元素指令ZADD key score member [[score,member]…]會給每個添加的元素member綁定一個用于排序的值score，SortedSet就會根據score值的大小對元素進行排序，在這里就可以將createDate當作score用于排序。

SortedSet中的指令ZREVRANGE key start stop又可以返回指定區間內的成員，可以用來做分頁，SortedSet的指令ZREM key member可以根據key移除指定的成員，能滿足刪評論的要求，所以，SortedSet在這里是最適合的（時間復雜度O(log(N))）。

所以，需要用到的數據類型有SortSet和Hash，SortSet用于做分頁排序，Hash用于存儲具體的鍵值對數據。SortSet結構中將每個主題的topicId作為set的key，將與該主題關聯的評論的createDate和commentId分別作為set的score和member，commentId的順序就根據createDate的大小進行排列。

當需要查詢某個主題某一頁的評論時，就可主題的topicId通過指令zrevrange topicId (page-1)×10 (page-1)×10+perPage這樣就能找出某個主題下某一頁的按時間排好順序的所有評論的commintId。page為查詢第幾頁的頁碼，perPage為每頁顯示的條數。

當找到所有評論的commentId后，就可以把這些commentId作為key去Hash結構中去查詢該條評論對應的內容。

這樣就利用SortSet和Hash兩種結構在Redis中達到了分頁和排序的目的。

當然，也可以直接只使用SrotedSet類型，而不使用Hash類型，直接將評論存放在member中。

但為什么要將評論和排序放到不同的類型里？其中的好處是，可以對評論設置不同的排序類型，比如按時間的正反序，點贊的正反序，查看次數的正反序等。而這樣只需要維護不同的SrotedSet排序，不需要維護多套評論的內容了。

看完上述內容，你們掌握使用redis進行分頁和排序的方法了嗎？如果還想學到更多技能或想了解更多相關內容，歡迎關注億速云行業資訊頻道，感謝各位的閱讀！