一、incr命令统计访问量
1）用于统计文章、用户的访问量和点击率
2）incr命令
redis incr命令将key中储存的数字值增一。
如果key不存在，那么key的值会先被初始化为0，然后再执行INCR操作。
如果值包含错误的类型，或字符串类型的值不能表示为数字，那么返回一个错误。
本操作的值限制在64位(bit)有符号数字表示之内。
3）redis内部采用整数形式（Integer representation）来存储对应的整数值
4）缺点是用户每操作一次，就向redis服务器发送一个incr命令，如果并发量很大，会对服务器造成压力，耗费CPU
5）如何把统计的访问量同步到mysql数据库？
二、使用hash结构存储商品的库存、价格、关注数、评价数
三、使用hash结构实现短链接转换器
1）长链接转换为短链接：长链接转换为短链接加密串key，存储在redis的hash结构中
2）重定向到原始url：通过加密串key到redis里找到原始url，然后重定向出去
四、使用hash结构实现购物车场景
1）登录状态下添加商品到购物车
在高并发情况下，登录用户添加购物车，购物车服务先把数据存储在redis，然后发消息给rabbitmq写入数据库。这种高并发情况，就能保证所有的查询操作都能落在redis上，从而减少db的操作。
2）未登录状态下添加商品到购物车
未登录用户添加购物车，购物车服务为该用户生成唯一id：cartid，并把该cartid作为key，把购物车的数据保存进redis（有效期3个月）。
购物车服务把该cartid会写进用户的cookies。
这个环节不保存数据库，因为没有对应的用户。
以后用户操作购物车，都带上这个cartid就行。
3）登录后发起合并购物车请求
用户登录时，如何把已登录的购物车历史数据和未登录的购物车历史数据合并？
用户登录成功后，客户端把cookies里面的cartid和userid发给购物车系统，购物车系统通过cartid把redis未登录的数据合并插入到该userid的数据库里面。
重新刷新添加到登录userid的redis数据。
删除未登录cartid的redis数据。
4）采用hash数据结构
往购物车加入商品，key=cart:user:用户id
hset cart:user:1000 101 1
hset cart:user:1000 102 1
hgetall cart:user:1000
修改购物车数据，为某件商品添加数量
hincrby cart:user:1000 101 1
hincrby cart:user:1000 102 2
hgetall cart:user:1000
统计购物车有多少件商品
hlen cart:user:1000
删除购物车某件商品
hdel cart:user:1000 102
hgetall cart:user:1000
五、解决分布式系统session一致性问题
session是客户端与服务端通讯会话跟踪技术，服务器与客户端保持整个通讯会话基本信息。
客户端在第一次访问服务端的时候，服务端会响应一个sessionId并且将它存入到本地cookie中。
在之后的访问会将cookie中的sessionId放入到请求头中去访问服务器。
分布式session会有什么问题？
用户第一次访问nginx，请求落到服务器A，服务器A生成了一个sessionId，并保存在用户的cookie中。
用户第二次再来访问nginx，他这次把cookie里面的sessionId加入到http请求头中，这时请求落到了服务器B，服务器B发现没有找到sessionId，于是创建了一个新的sessionId并保存在用户cookie中。
解决办法：
分布式系统统一将sessionId保存在redis中
六、热门商品抢购查询
1、需求和特点：
1）数据量少
2）高并发，请求量大
2、技术方案：
像这种高并发的功能，绝对不可能用数据库
一般的做法是先把数据库中的数据抽取到redis里面。采用定时器，来定时缓存
还有要支持分页查询
redis list数据结构天然支持这种高并发的分页查询功能
具体技术方案采用list的lpush和lrange来实现
3、什么是缓存击穿？
在高并发系统中，大量的请求同时查询一个key时，如果这个key正好失效或删除，就会导致大量的查询都打到数据库上。
如当QPS=1000的时候，这时定时器更新redis，先删除再添加就会出现缓存击穿的问题。就必定导致大量的请求都打到数据库上面，从而把数据库打垮。
4、如何解决缓存击穿的问题？
针对这种定时更新的特定场景，解决方案：采用主从轮询的原理来实现
步骤1：定时更新原理
开辟2块缓存，A和B，定时器在更新缓存的时候，先更新B缓存，然后再更新A缓存，记得要按照这个顺序来。
步骤2：查询原理
用户先查询缓存A，如果缓存A查询不到（例如，更新缓存的时候删除了），再查询缓存B。
以上两个问题，由原来的一块缓存，开辟出2块缓存，最终解决了缓存击穿的问题。
七、高并发的微信抢红包
1、微信抢红包的并发场景分析
微信抢红包的高峰期一般是在年底公司开年会和春节2个时间段，高峰的并发量是在几千万以上
高峰的枪红包有3大特点：
1）包红包的人多：也就是创建红包的任务比较多，即红包系统是以单个红包的任务来区分，特点就是在高峰期红包任务多
2）抢红包的人更多：当你发红包出去后，是几十甚至几百人来抢你的红包，即单红包的请求并发量大
3）抢红包体验：当你发现红包时，要越快抢到越开心，所以要求抢红包的响应速度要快，一般1秒响应
2、微信抢红包的技术实现原理
2-1、包红包
1）先把金额拆解为小金额的红包，例如总金额100元，发20个，用户在点保存的时候，就自动拆解为20个随机小红包
2）这里的存储就是个难题，多个金额（例如20个小金额的红包）如何存储？采用set？list？hash？
2-2、抢红包
高并发的抢红包时核心的关键技术，就是控制各个小红包的原子性
例如：20个红包在500人的群里被抢，20个红包被抢走一个的同时要把红包的库存减1，即剩下19个
在整个过程中抢走一个和红包库存减1个是一个原子操作
那数据类型符合“抢走一个 和 红包库存减1个 是一个原子操作”采用set？list？hash？
2-3、list比较合适
list的pop操作弹出一个元素的同时会自动从队列里面剔除该元素，它是一个原子性操作