大数据和Redis结合起来，真是能挖掘出好多意想不到的潜力，感觉用着特别带劲

（引用来源：日常技术社区开发者交流中的常见感叹）

大数据和Redis结合起来,真是能挖掘出好多意想不到的潜力，感觉用着特别带劲，这种感觉，就像你本来有一把非常锋利的瑞士军刀（大数据技术），能处理各种庞杂的材料，但有时候找起某个小工具来还得翻半天，这时候，Redis就像给你配了一个设计绝佳的随身工具腰包，最常用的、最要紧的家伙事儿瞬间就能抽出来，那种顺畅和及时响应的快感，带劲”的来源。

这种“带劲”首先体现在速度的极致反差上，大数据平台比如Hadoop或者Spark，它们厉害在能吞下海量的数据，然后慢慢地、有条不紊地计算出结果，比如分析用户一年的购买行为趋势，但这个“慢”是相对的，可能需要几分钟甚至几小时，问题来了，当你的老板或者业务方立马就要看今天实时的销售大屏，或者想实时知道某个爆款商品正在被多少人浏览、加购，你总不能说“等几个小时跑个任务再说”吧？这时候Redis就派上大用场了，我们可以把大数据计算出的“中间结果”或者最热、最关键的“数据，提前放到Redis里，每秒钟都把各个商品的浏览量、订单数这种计数，像扔小石子一样快速地丢进Redis，前端的实时大屏要展示数据的时候，就不用去庞大的数据库里费力翻找了，直接扭头问Redis：“嘿，现在这个数是多少？”Redis几乎能瞬间回答，这种前面是慢工出细活的大数据后台，后面是闪电般响应的Redis缓存，一慢一快搭配起来，整个系统既有深度又有速度，感觉特别顺畅。

（引用来源：某电商公司数据工程师在分享实时推荐系统时的案例描述）

再举个例子,玩儿起来更“带劲”的是实时推荐系统，你想啊，你刚在app上看了一眼某个牌子的跑步鞋，没过一分钟，再刷首页就给你推荐了同品牌的运动袜和速干衣，这种“猜你喜欢”为啥能这么快？背后就有大数据和Redis联手的功劳，大数据平台可能在幕后不停地分析所有用户的行为，挖掘出“买了跑步鞋的人通常还会买什么”这种复杂的关联规则，这个计算过程比较耗时，计算出的结果——也就是那些关联商品ID的列表——可以提前存放在Redis里，关键一步来了，当你的点击行为一发生，系统会立刻把这个事件（用户A点击了商品B”）像一个紧急通知一样，快速地发送到Redis里，实时推荐的程序就盯着Redis里的这个“事件流”，它一看到“用户A点击了商品B”这个信号，马上就从Redis里取出事先准备好的“商品B的关联商品列表”，瞬间组合一下，就推送到你的手机前端了，整个反应链条非常短，核心就是靠Redis在中间做这个高速的“消息中转站”和“数据快取地”，如果没有Redis，每个点击行为都要去触发一次大数据计算，那根本来不及，用户体验就卡顿了，这种能让应用变得“聪明”又“敏捷”的感觉，确实让人上瘾。

（引用来源：技术博客中关于利用Redis位图进行用户行为分析的奇思妙想）

还有一种“意想不到的潜力”，体现在用Redis一些特别的数据结构去解决一些看似很麻烦的大数据问题，老板问：“我想知道过去一周，每天到底有多少个不同的用户登录过我们的App？”（这叫日活用户统计），传统方法可能要把一周的登录记录全部拉出来，然后一条条去重，数据量一大，非常耗时耗力，但Redis里有一种叫“位图”的结构，特别巧妙，我们可以把每一天想象成一张巨大的、由无数个微小开关（比特位）组成的纸，每个用户都有一个专属的编号，对应纸上的一个位置，如果用户某天登录了，就把他对应的那个小开关打开（设为1），这样，一张纸就能记录当天所有登录用户，想知道当天有多少人登录，只需要数数这张纸上有多少个开关被打开了就行，Redis一条命令就能瞬间算出来，更神奇的是，如果你想看周三和周四这两天总的登录用户数（去重后），Redis还能把周三的“纸”和周四的“纸”叠在一起，做一个“或”的操作，然后瞬间算出总数，这种操作速度快到惊人，而且非常节省空间，用这种思路，可以玩出很多花样，比如统计连续登录的用户、分析用户标签的重合度等等，把一些原本需要重型大数据工具才能搞定的分析，用Redis以一种轻巧、迅捷的方式实现了，这种发现新大陆般的惊喜，也是“带劲”的一部分。

大数据和Redis的结合,不是谁取代谁，而是像最好的搭档，大数据是拥有超级大脑的智囊团，负责深度思考和战略规划；Redis则是反应神速的王牌特工，负责临场应变和即时执行，把它们俩搭配好了，就能打造出既能洞察历史规律、又能秒级响应现时变化的“全能型”系统，这种通过巧妙组合释放出的强大能量，以及看到自己设计的系统变得既稳健又灵敏时的那种成就感，正是让我们觉得“特别带劲”的根本原因。