1. java List集合與redis數據快速比對
這個問題 應該沒法回答 沒法知道你redis裡面你數據具體是什麼類型存在的？如果也是list 那你就效率就很有問題了，如果用hash就會很快（也就1000次HEXISTS），所以如果你用list 是為了用他的range介面，那你為提高效率可以類似的為這個400W的數據建一個hash類型的索引結構每次維護就維護兩種類型的數據，說到底還是看你具體你的數據結構和你redis中的結構的組織問題。
2. 關於redis的list類型和Java的list類型怎麼比較
redis有介面，各種數據結構的讀寫都有，你要查查，
其實沒必要整個列表進行讀寫，如果非要那樣，可以把列表轉成一個字元串當普通鍵值對存
3. 如何正確使用redis隊列處理php秒殺並發問題
1. redis中保存的是數組(序列化)，絕對不要保存SQL,保存SQL的方法很蛋疼 保存數組是為了資料庫安全(萬一sql語句專有錯誤，任務就屬直接失敗了)，靈活度和兼容性
2.伺服器後台作一個shell腳本，死循環，不斷從隊列中取數據，進行處理．如次反復，如果沒有數據，也立即嘗試取數據－－－不要擔心性能問題，後台單並發請求，不會造成性能問題
3.因為隊列中保存的是數組，不存在這個問題
4. redis秒殺到底是用集合還是隊列呢
1.評估光用 benchmark 不可靠，得具體根據你的業務使用場景，如使用 string 還是 list ，或者是 zset ， list 和 zset 長度不版同有些操作的單次耗時權是不同的，你得預估你的數據量，然後自己寫測試代碼，這樣最靠譜 2.
5. 如何用redis和線程實現秒殺系統
寫入內存而不是寫入硬碟
傳統硬碟的讀寫性能是相當差的。SSD硬碟比傳統硬版盤快100倍。而內存權又比SSD硬碟快10倍以上。因此，寫入內存而不是寫入硬碟，就能使系統的能力提升上千倍。也就是說，原來你的秒殺系統可能需要1000台伺服器支撐，現在1台伺服器就可以扛住了。
6. Redis List的最高效的查找演算法是什麼
如果key是無序的。O(n)。
如果key是有序的。O(logn)。
如果對key做hash，O(1)。
要是key是字元串，還能做trie優化。
不太了解問題是問Redis List的應用，還是它的實現。 不過我想單對List而言，無非就這幾種方法吧。
7. redis為什麼能實現秒殺
redis是單線程的 可以很好地解決並發問題
如果使用普通的代碼邏輯實現秒殺會出現並內發問題導致多人容秒殺成功貨物超發的情況 二使用redis可以把並發的請求進行隊列 就好像把一擁而上的人排成了一個隊一個一個來 先通過redis減庫存成功後在進入我們網站的資料庫進行減庫存，當redis中庫存沒有了請求就不會再進入數據秒殺就不會再成功
8. redis 秒殺系統怎麼確定到時間才能下單
哎……我也試過幾次，但是這個數量這么少，感覺不會中的，要網速快，要眼力好，要手麻利。 玩幾次就是去信心了，感覺不靠譜，感覺沒這么好的事情的。
9. C#怎麼使用redis實現秒殺功能
大概思路吧：
秒殺系統的架構設計
秒殺系統，是典型的短時大量突發訪問類問題。對這類問題，有三種優化性能的思路：
寫入內存而不是寫入硬碟
非同步處理而不是同步處理
分布式處理
用上這三招，不論秒殺時負載多大，都能輕松應對。更好的是，Redis能夠滿足上述三點。因此，用Redis就能輕松實現秒殺系統。
用我這個方案，無論是電商平台特價秒殺，12306火車票秒殺，都不是事:)
下面介紹一下為什麼上述三種性能優化思路能夠解決秒殺系統的性能問題：
寫入內存而不是寫入硬碟
傳統硬碟的讀寫性能是相當差的。SSD硬碟比傳統硬碟快100倍。而內存又比SSD硬碟快10倍以上。因此，寫入內存而不是寫入硬碟，就能使系統的能力提升上千倍。也就是說，原來你的秒殺系統可能需要1000台伺服器支撐，現在1台伺服器就可以扛住了。
你可能會有這樣的疑問：寫入內存而不是持久化，那麼如果此時計算機宕機了，那麼寫入的數據不就全部丟失了嗎？如果你就這么倒霉碰到伺服器宕機，那你就沒秒到了，有什麼大不了？
最後，後面真正處理秒殺訂單時，我們會把信息持久化到硬碟中。因此不會丟失關鍵數據。
Redis是一個緩存系統，數據寫入內存後就返回給客戶端了，能夠支持這個特性。非同步處理而不是同步處理
像秒殺這樣短時大並發的系統，在性能負載上有一個明顯的波峰和長期的波谷。為了應對相當短時間的大並發而准備大量伺服器來應對，在經濟上是相當不合算的。
因此，對付秒殺類需求，就應該化同步為非同步。用戶請求寫入內存後立刻返回。後台啟動多個線程從內存池中非同步讀取數據，進行處理。如用戶請求可能是1秒鍾內進入的，系統實際處理完成可能花30分鍾。那麼一台伺服器在非同步情況下其處理能力大於同步情況下1800多倍！
非同步處理，通常用MQ(消息隊列)來實現。Redis可以看作是一個高性能的MQ。因為它的數據讀寫都發生在內存中。分布式處理
好吧。也許你的客戶很多，秒殺系統即使用了上面兩招，還是捉襟見肘。沒關系，我們還有大招：分布式處理。如果一台伺服器撐不住秒殺系統，那麼就多用幾台伺服器。10台不行，就上100台。分布式處理，就是把海量用戶的請求分散到多個伺服器上。一般使用hash實現均勻分布。
這類系統在大數據雲計算時代的今天已經有很多了。無非是用Paxos演算法和Hash Ring實現的。
Redis Cluster正是這樣一個分布式的產品。
使用Redis實現描述系統
Redis和Redis Cluster（分布式版本），是一個分布式緩存系統。其支持多種數據結構，也支持MQ。Redis在性能上做了大量優化。因此使用Redis或者Redis Cluster就可以輕松實現一個強大的秒殺系統。
基本上，你用Redis的這些命令就可以了。
RPUSH key value
插入秒殺請求
當插入的秒殺請求數達到上限時，停止所有後續插入。
後台啟動多個工作線程，使用
LPOP key
讀取秒殺成功者的用戶id，進行後續處理。
或者使用LRANGE key start end命令讀取秒殺成功者的用戶id，進行後續處理。
每完成一條秒殺記錄的處理，就執行INCR key_num。一旦所有庫存處理完畢，就結束該商品的本次秒殺，關閉工作線程，也不再接收秒殺請求。
要是還撐不住，該怎麼辦
也許你會說，我們的客戶很多。即使部署了Redis Cluster，仍然撐不住。那該怎麼辦呢？
記得某個偉人曾經說過：辦法總比困難多！
下面，我們具體分析下，還有哪些情況會壓垮我們架構在Redis（Cluster）上的秒殺系統。
腳本攻擊
如現在有很多搶火車票的軟體。它們會自動發起http請求。一個客戶端一秒會發起很多次請求。如果有很多用戶使用了這樣的軟體，就可能會直接把我們的交換機給壓垮了。
這個問題其實屬於網路問題的范疇，和我們的秒殺系統不在一個層面上。因此不應該由我們來解決。很多交換機都有防止一個源IP發起過多請求的功能。開源軟體也有不少能實現這點。如linux上的TC可以控制。流行的Web伺服器Nginx（它也可以看做是一個七層軟交換機）也可以通過配置做到這一點。一個IP，一秒鍾我就允許你訪問我2次，其他軟體包直接給你丟了，你還能壓垮我嗎？
交換機撐不住了
可能你們的客戶並發訪問量實在太大了，交換機都撐不住了。
這也有辦法。我們可以用多個交換機為我們的秒殺系統服務。
原理就是DNS可以對一個域名返回多個IP，並且對不同的源IP，同一個域名返回不同的IP。如網通用戶訪問，就返回一個網通機房的IP；電信用戶訪問，就返回一個電信機房的IP。也就是用CDN了！
我們可以部署多台交換機為不同的用戶服務。 用戶通過這些交換機訪問後面數據中心的Redis Cluster進行秒殺作業。
總結
有了Redis Cluster的幫助，做個支持海量用戶的秒殺系統其實So Easy！
這里介紹的方案雖然是針對秒殺系統的，但其背後的原理對其他高並發系統一樣有效。
最後，我們再重溫一下高性能系統的優化原則：
寫入內存而不是寫入硬碟
非同步處理而不是同步處理
分布式處理
10. 寫個簡單的redis隊列來解決商品秒殺，包含main方法測試，求解
具體的業務還是得來需要你自己自定製.\x0d你的需求實際上是一個變形的生產者-消費者實現.
對於此類需求,主要是將請求和實際的處理過程解耦,一般都是採取非同步的方式來通知請求方,
這跟用不用redis其實沒有多大的關系.一般的實現方法是你需要將用戶的請求封裝成一個Task,
然後將這個Task再push到redis隊列,然後後端的worker.php完全可以多進程、
多線程的並發處理Task並將處理結果回調給請求方.這里唯一麻煩點的就是這個Task的設計,
需要能夠包含請求信息(請求內容,請求方標識等等).