redis 五大数据结构
redis中存储数据是以key-value的形式去存储的;其中key为String字符串类型;value的数据类型有string、hash、list、set、zset等这五种常用的。这五种数据结构在开发中基本上可以应对大部分场景的数据存储;;下面分别来介绍value的五种数据结构的用法以及使用场景
decrby key decrement
将key所存储的值加上 increment使用场景;
set key value
get key
使用上面两条命令可以存储
机构编码;key;- 机构名称;value;
国家编码;key; - 国家名称;value;
127.0.0.1:6379> set person:001 ;{;name;:;wangqing;,;balacne;:;100000;};
OK // 存对象 json 格式数据 需用java 转对象
127.0.0.1:6379> get person:001
;{;name;:;wangqing;,;balacne;:;100000;};
127.0.0.1:6379> mset person:001:name wangqing person:001:balance 19999 person:002:name xiaohong person:002:balance 1888
OK // 批量存储键值对
127.0.0.1:6379> mget person:001:name person:001:balance // 批量获取
1) ;wangqing;
2) ;19999;
127.0.0.1:6379> setnx person:001 true // 如果key 已经存在 不允许修改
(integer) 0
127.0.0.1:6379> get person:001
;{;name;:;wangqing;,;balacne;:;100000;};
127.0.0.1:6379>
其中SETNX key value 命令要求如果key已存在;则其他的setnx命令无法对当前key进行操作在使用分布式锁时通常还会通过
SET product:10001 true ex 10 nx 命令设置key的超时时间;防治死锁;
incr 文章id
可以使用incr 命令实现数量自增;可以用于访问数量、热度人数统计等
127.0.0.1:6379> incr wz001 // wz001 文章id
(integer) 1
127.0.0.1:6379> incr wz001
(integer) 2
127.0.0.1:6379>
在分布式系统下;如果需要分库分表; mysql的数据库自增id已经无法满足分库分表下的id自增;这时就需要一个独立于数据库之外的中间件来实现id的分配。
redis的INCR命令可以实现id、序列号的生成;但如果用户量非常大;每生成一个id、序列号都去redis会给redis添加不小的压力;我们可以一次性从redis中自增1000次;把序列号放入本地内存中;这1000个id用完了;再去redis再取1000个;可有效降低redis的压力;
hash 使用场景
电商购物操作
127.0.0.1:6379> hset user:001 spid001 2 // key(用户id) field;商品编号; value ;商品数量;
(integer) 1
127.0.0.1:6379> hset user:001 spid002 3
(integer) 1
127.0.0.1:6379> hset user:001 spid003 1
(integer) 1
127.0.0.1:6379> hincrby user:001 spid001 3 // 购物车点击 ; 添加数量
(integer) 5
127.0.0.1:6379> hlen user:001
(integer) 3 // 获取购物车商品的总数
127.0.0.1:6379> hgetall user:001 // 获取购物车所有商品
1) ;spid001;
2) ;5;
3) ;spid002;
4) ;3;
5) ;spid003;
6) ;1;
127.0.0.1:6379> hdel user:001 spid001 // 删除商品 key;用户id;value 商品id
(integer) 1
优点
1;同类数据归类整合储存;方便数据管理
2;相比string操作消耗内存与cpu更小
因为;string类型通过set key - val 的方式存储数据;通过对key进行hash运算决定当前key是存储在数组哪个位置。如果把hash类型的数据变成string类型来存储;则需要更多的key;同时在存放时也需要更多的hash(key)运算;消耗更多的cpu资源;
3;相比string储存更节省空间
如果把hash类型的数据变成string类型来存储;将需要存储更多key;如果数据量很多的情况下;redis底层那么存储数据的数组将很快会被占满;占满就会进行扩容;加大内存消耗。由此可见;string结构与hash结构只存储一个key相比;需要更多的内存空间;
缺点
1;过期功能不能使用在field上;只能用在key上
redis的过期时间只能用在key上;而hash的key是一个大的概念;里面的map型结构才是重要数据;但过期时间只能用在外边的大key上;hash结构相比于string不能实现精准过期;
2;hash结构在Redis集群架构下不适合大规模使用
因为如果一个hash的key中的属性很多的话;只能存在一个redis节点上;那么这个节点压力会比其他节点压力大很多;造成redis集群下压力分配不均衡;
说明
LPUSH key value [value ...] 将一个或多个值value插入到key列表的表头(最左边)RPUSH key value [value ...]将一个或多个值value插入到key列表的表尾(最右边)LPOP key移除并返回key列表的头元素RPOP key移除并返回key列表的尾元素LRANGE key start stop返回列表key中指定区间内的元素;区间以偏移量start和stop指定BLPOP key [key ...] timeout从key列表表头弹出一个元素;若列表中没有元素;阻塞等待 timeout秒,如果timeout=0,一直阻塞等待BRPOP key [key ...] timeout从key列表表尾弹出一个元素;若列表中没有元素;阻塞等待 timeout秒,如果timeout=0,一直阻塞等待
模拟分布式系统数据结构
①;Stack(栈) = LPUSH;左边放; ; LPOP;左边取;
②;Queue(队列;= LPUSH;左边放; ; RPOP;右边取;
③;Blocking MQ(阻塞队列;= LPUSH;左边放; ; BRPOP;右边阻塞取;没有数据就阻塞;;
问;那么redis实现的数据结构和jdk中提供的数据结构有什么区别呢?
答;jdk提供的数据结构仅在本服务中有用;如果在分布式环境下;则需要借助redis等中间件;模拟数据结构来统一管理数据。
使用场景;微博、朋友圈、公众号等;关注的文章列表展示
假如 小明 关注了 中国青年报、三太子敖丙 等大V的订阅号;当这些大V发布订阅号时;通过推或拉的方式把消息LPUSH放入redis中属于小明的list中。其中key为msg:{小明_ID}。当小明要获取大V们发的消息时;使用LRANGE 命令从队列中获取指定个数的订阅号信息;
127.0.0.1:6379> lpush xhList 001 // key 小红的专属集合名称 value 文章id
(integer) 1
127.0.0.1:6379> lpush xhList 002
(integer) 2
127.0.0.1:6379> lpush xhList 003
(integer) 3
127.0.0.1:6379> lpush xhList 004
(integer) 4
127.0.0.1:6379> LRANGE xhList 0 4 // 取小红集合汇中 0 - 4 号位的数据
1) ;004;
2) ;003;
3) ;002;
4) ;001;
这里有一个问题;大V发了消息的是怎么存储在粉丝的redis中呢?一般有两种处理方案;
①;推;博主发了消息;通过线程先推送到在线粉丝的队列中;其他不在线的等系统空闲时慢慢推过去。
②;拉;如果粉丝太多;推的方案还是要很长时间去处理;还有一种方案就是拉。每一个粉丝上线后就去关注的博主那里 拉取他发的最新的消息;在使用LRANGE取出即可
set是一个集合;key不允许重复;如果重复设置key;则设置无效
命令说明SADD key member [member ...]往集合key中存入元素;元素存在则忽略;若key不存在则新建SREM key member [member ...]从集合key中删除元素SMEMBERS key获取集合key中所有元素SCARD key获取集合key的元素个数SISMEMBER key member判断member元素是否存在于集合key中SRANDMEMBER key [count]从集合key中选出count个元素;元素不从key中删除SPOP key [count]从集合key中选出count个元素;元素从key中删除set 元算操作
命令说明SINTER key [key ...]交集运算SINTERSTORE destination key [key ..]将交集结果存入新集合destination中SUNION key [key ..] 并集运算SUNIONSTORE destination key [key ...] 将并集结果存入新集合destination中SDIFF key [key ...] 差集运算SDIFFSTORE destination key [key ...]将差集结果存入新集合destination中1、点击参与抽奖的 加入set 集合
127.0.0.1:6379> sadd active001 user:002 // key(活动id) value ;用户id;
(integer) 1
127.0.0.1:6379> sadd active001 user:003
(integer) 1
127.0.0.1:6379> sadd active001 user:004
(integer) 1
2、查看参与抽奖的所有用户
127.0.0.1:6379> SMEMBERS active001
1) ;user:003;
2) ;user:004;
3) ;user:002;
3、随机抽取count 名中奖者
127.0.0.1:6379> SRANDMEMBER active001 1 // key ;活动id; value ;抽取count 人;
1) ;user:003;
127.0.0.1:6379> SPOP active001 1 // 随机抽取一名幸运用户 并从set 集合中删除
1) ;user:003;
127.0.0.1:6379> SMEMBERS active001 // 查询set 集合
1) ;user:004;
2) ;user:002;
当某人在朋友圈发布消息;可用set来点赞展示
127.0.0.1:6379> sadd msg001 user:001 //点赞 往set 集合添加数据 key;动态id; value;用户id;
(integer) 1
127.0.0.1:6379> sadd msg001 user:002
(integer) 1
127.0.0.1:6379> sadd msg001 user:003
(integer) 1
127.0.0.1:6379> srem msg001 user:001 // 取消点赞
(integer) 1
127.0.0.1:6379> sismember msg001 user:005 // 检查用户是否点过赞
(integer) 0
127.0.0.1:6379> SMEMBERS msg001 //获取点赞的用户列表
1) ;user:003;
2) ;user:002;
127.0.0.1:6379> SCARD msg001 //获取点赞用户数
(integer) 2
127.0.0.1:6379>
3、利用set的交、并、差集实现微博、微信关注模型
关注模型如下图;
首先了解一下set的集合操作;假如有三个集合
set1;;a、b、c;
set2;;b、c、d;
set3;;c、d、e;
三个集合的
交集为;SINTER set1 set2 set3 ==> { c }
并集为;SUNION set1 set2 set3 ==> { a,b,c,d,e }
差集为;SDIFF set1 set2 set3 ==> { a }
差集计算方式;set1 - ;set2并set3; = {a、b、c} - {b、c、d、e} = {a} 只保留a中单独存在的元素
共同关注A的人;可以用交集来实现
我可能认识的人;可以使用差集来实现;把我关注的人求差集
我关注的人也关注A;可以使用SISMEMBER 命令查看A是否在我关注的人的关注列表中;如果存在把这个人返回
4、集合操作实现电商商品筛选
127.0.0.1:6379> SADD brand:huawei P40 // key ;huawei 品牌; vlaue ;手机型号;
(integer) 1
127.0.0.1:6379> SADD brand:xiaomi mi-10 //key ;xiaomi品牌; vlaue ;手机型号;
(integer) 1
127.0.0.1:6379> SADD brand:iPhone iphone12
(integer) 1
127.0.0.1:6379> SADD os:android P40 mi-10
(integer) 2
127.0.0.1:6379> SADD cpu:brand:intel P40 mi-10 // key;cpu 型号; value (批量添加 p40 mi-10)
(integer) 2
127.0.0.1:6379> SADD ram:8G P40 mi-10 iphone12 // key ;存储卡;
(integer) 3
127.0.0.1:6379> SINTER os:android cpu:brand:intel // 查交集
1) ;mi-10;
2) ;P40;
Zset集合运算操作
命令说明ZUNIONSTORE destkey numkeys key [key ...] 并集计算ZINTERSTORE destkey numkeys key [key …]交集计算使用场景
1、实现热搜排行榜
①;点击 “美国选举” 新闻时;为其分值;1
ZINCRBY hotNews:20190819 1 美国选举
②;展示当日排行前十
ZREVRANGE hotNews:20190819 0 9 WITHSCORES
③;七日搜索榜单计算
取7天的key求并集放入新的key=hotNews:20190813-20190819中;就得出这7天中的访问量排行榜
ZUNIONSTORE hotNews:20190813-20190819 7
hotNews:20190813 hotNews:20190814… hotNews:20190819
④;展示七日排行前十
根据上边的并集;从新的key=hotNews:20190813-20190819中取出前10名
ZREVRANGE hotNews:20190813-20190819 0 9 WITHSCORES
package com.huakai.utils;
import org.springFramework.beans.factory.annotation.Autowired;
import org.springframework.beans.factory.annotation.Qualifier;
import org.springframework.data.redis.core.RedisTemplate;
import org.springframework.stereotype.Component;
import java.util.*;
import java.util.concurrent.TimeUnit;
/**
* ;author huakai
*/
;Component
public class RedisUtil {
;Autowired
;Qualifier(;myRedisTemplate;)
private RedisTemplate<String, Object> redisTemplate;
// =============================common============================
/**
* 指定缓存失效时间
*
* ;param key 键
* ;param time 时间(秒)
*/
public boolean expire(String key, long time) {
try {
if (time >= 0) {
redisTemplate.expire(key, time, TimeUnit.SECONDS);
}
return true;
} catch (Exception e) {
e.printStackTrace();
return false;
}
}
/**
* 根据key 获取过期时间
*
* ;param key 键 不能为null
* ;return 时间(秒) 返回0代表为永久有效
*/
public long getExpire(String key) {
return Optional.ofNullable(redisTemplate.getExpire(key, TimeUnit.SECONDS)).orElse(0L);
}
/**
* 判断key是否存在
*
* ;param key 键
* ;return true 存在 false不存在
*/
public boolean hasKey(String key) {
try {
return Optional.ofNullable(redisTemplate.hasKey(key)).orElse(false);
} catch (Exception e) {
e.printStackTrace();
return false;
}
}
/**
* 删除缓存
*
* ;param keys 可以传一个值 或多个
*/
public boolean del(List<String> keys) {
if (keys.size() > 0) {
final Long aLong = Optional.ofNullable(redisTemplate.delete(keys)).orElse(0L);
return aLong > 0;
}
return false;
}
// ============================String=============================
/**
* 普通缓存获取
*
* ;param key 键
* ;return 值
*/
public Object get(String key) {
return key == null ? null : redisTemplate.opsForValue().get(key);
}
/**
* 普通缓存放入
*
* ;param key 键
* ;param value 值
* ;return true成功 false失败
*/
public boolean set(String key, Object value) {
try {
redisTemplate.opsForValue().set(key, value);
return true;
} catch (Exception e) {
e.printStackTrace();
return false;
}
}
/**
* 普通缓存放入并设置时间
*
* ;param key 键
* ;param value 值
* ;param time 时间(秒) time要大于0 如果time小于等于0 将设置无限期
* ;return true成功 false 失败
*/
public boolean set(String key, Object value, long time) {
try {
if (time > 0) {
redisTemplate.opsForValue().set(key, value, time, TimeUnit.SECONDS);
} else {
set(key, value);
}
return true;
} catch (Exception e) {
e.printStackTrace();
return false;
}
}
/**
* 递增
*
* ;param key 键
* ;param delta 要增加几(大于0)
*/
public long incr(String key, long delta) {
if (delta < 0) {
throw new RuntimeException(;递增因子必须大于0;);
}
return Optional.ofNullable(redisTemplate.opsForValue().increment(key, delta)).orElse(0L);
}
/**
* 递减
*
* ;param key 键
* ;param delta 要减少几(小于0)
*/
public long decr(String key, long delta) {
if (delta < 0) {
throw new RuntimeException(;递减因子必须大于0;);
}
return Optional.ofNullable(redisTemplate.opsForValue().increment(key, -delta)).orElse(0L);
}
public long decr(String key) {
return Optional.ofNullable(redisTemplate.opsForValue().increment(key)).orElse(0L);
}
// ================================hash=================================
/**
* HashGet
*
* ;param key 键 不能为null
* ;param item 项 不能为null
* ;return 值
*/
public Object hget(String key, String item) {
return redisTemplate.opsForHash().get(key, item);
}
/**
* 获取hashKey对应的所有键值
*
* ;param key 键
* ;return 对应的多个键值
*/
public Map<Object, Object> hKeys(String key) {
return redisTemplate.opsForHash().entries(key);
}
/**
* 获取hashKey的长度
*
* ;param key 键
* ;return 哈桑Key的大小
*/
public Long hlen(String key) {
Long size = 0L;
try {
size = Optional.of(redisTemplate.opsForHash()).map(o -> o.size(key)).orElse(0L);
} catch (Exception e) {
e.printStackTrace();
return 0L;
}
return size;
}
/**
* HashSet 并设置时间
*
* ;param key 键
* ;param map 对应多个键值
* ;param time 时间(秒)
* ;return true成功 false失败
*/
public boolean hmset(String key, Map<String, Object> map, long time) {
try {
redisTemplate.opsForHash().putAll(key, map);
if (time > 0) {
expire(key, time);
}
return true;
} catch (Exception e) {
e.printStackTrace();
return false;
}
}
/**
* 向一张hash表中放入多条数据,如果不存在将创建
* ;param key 键
* ;param map 对应多个键值
* ;return true 成功 false 失败
*/
public boolean hset(String key, Map<String, Object> map) {
try {
redisTemplate.opsForHash().putAll(key, map);
return true;
} catch (Exception e) {
e.printStackTrace();
return false;
}
}
/**
* 向一张hash表中放入数据,如果不存在将创建
*
* ;param key 键
* ;param item 项
* ;param value 值
* ;return true 成功 false失败
*/
public boolean hset(String key, String item, Object value) {
try {
redisTemplate.opsForHash().put(key, item, value);
return true;
} catch (Exception e) {
e.printStackTrace();
return false;
}
}
/**
* 向一张hash表中放入数据,如果不存在将创建
*
* ;param key 键
* ;param item 项
* ;param value 值
* ;param time 时间(秒) 注意:如果已存在的hash表有时间,这里将会替换原有的时间
* ;return true 成功 false失败
*/
public boolean hset(String key, String item, Object value, long time) {
try {
redisTemplate.opsForHash().put(key, item, value);
if (time > 0) {
expire(key, time);
}
return true;
} catch (Exception e) {
e.printStackTrace();
return false;
}
}
/**
* 删除hash表中的值
*
* ;param key 键 不能为null
* ;param item 项 可以使多个 不能为null
*/
public void hdel(String key, Object... item) {
redisTemplate.opsForHash().delete(key, item);
}
/**
* 判断hash表中是否有该项的值
*
* ;param key 键 不能为null
* ;param item 项 不能为null
* ;return true 存在 false不存在
*/
public boolean hHasKey(String key, String item) {
return redisTemplate.opsForHash().hasKey(key, item);
}
/**
* hash递增 如果不存在,就会创建一个 并把新增后的值返回
*
* ;param key 键
* ;param item 项
* ;param by 要增加几(大于0)
*/
public double hincr(String key, String item, double by) {
return redisTemplate.opsForHash().increment(key, item, by);
}
/**
* hash递减
*
* ;param key 键
* ;param item 项
* ;param by 要减少记(小于0)
*/
public double hdecr(String key, String item, double by) {
return redisTemplate.opsForHash().increment(key, item, -by);
}
// ===============================list=================================
/**
* 通过索引 获取list中的值
*
* ;param key 键
* ;param index 索引 index>=0时; 0 表头;1 第二个元素;依次类推;index<0时;-1;表尾;-2倒数第二个元素;依次类推
*/
public Object lGet(String key, long index) {
try {
return redisTemplate.opsForList().index(key, index);
} catch (Exception e) {
e.printStackTrace();
return null;
}
}
/**
* 获取list指定范围的内容
*
* ;param key 键
* ;param start 开始
* ;param end 结束 0 到 -1代表所有值
*/
public List<Object> lRange(String key, long start, long end) {
try {
return redisTemplate.opsForList().range(key, start, end);
} catch (Exception e) {
e.printStackTrace();
return null;
}
}
/**
* 获取list缓存的长度
*
* ;param key 键
*/
public long lLen(String key) {
try {
return Optional.ofNullable(redisTemplate.opsForList().size(key)).orElse(0L);
} catch (Exception e) {
e.printStackTrace();
return 0;
}
}
/**
* 将list放入缓存
*
* ;param key 键
* ;param value 值
*/
public boolean lSet(String key, Object value) {
try {
redisTemplate.opsForList().rightPush(key, value);
return true;
} catch (Exception e) {
e.printStackTrace();
return false;
}
}
/**
* 将list放入缓存
*
* ;param key 键
* ;param value 值
* ;param time 时间(秒)
*/
public boolean lSet(String key, Object value, long time) {
try {
redisTemplate.opsForList().rightPush(key, value);
if (time > 0) {
expire(key, time);
}
return true;
} catch (Exception e) {
e.printStackTrace();
return false;
}
}
/**
* 将list放入缓存
*
* ;param key 键
* ;param value 值
*/
public boolean lSet(String key, List<Object> value) {
try {
redisTemplate.opsForList().rightPushAll(key, value);
return true;
} catch (Exception e) {
e.printStackTrace();
return false;
}
}
/**
* 将list放入缓存
*
* ;param key 键
* ;param value 值
* ;param time 时间(秒)
*/
public boolean lSet(String key, List<Object> value, long time) {
try {
redisTemplate.opsForList().rightPushAll(key, value);
if (time > 0) {
expire(key, time);
}
return true;
} catch (Exception e) {
e.printStackTrace();
return false;
}
}
/**
* 根据索引修改list中的某条数据
*
* ;param key 键
* ;param index 索引
* ;param value 值
*/
public boolean lUpdate(String key, long index, Object value) {
try {
redisTemplate.opsForList().set(key, index, value);
return true;
} catch (Exception e) {
e.printStackTrace();
return false;
}
}
/**
* 移除N个值为value
*
* ;param key 键
* ;param count 移除多少个
* ;param value 值
* ;return 移除的个数
*/
public long lRemove(String key, long count, Object value) {
try {
return Optional.ofNullable(redisTemplate.opsForList().remove(key, count, value)).orElse(0L);
} catch (Exception e) {
e.printStackTrace();
return 0;
}
}
// ============================set=============================
/**
* 根据key获取Set中的所有值
*
* ;param key 键
*/
public Set<Object> sMember(String key) {
return redisTemplate.opsForSet().members(key);
}
/**
* 根据value从一个set中查询,是否存在
*
* ;param key 键
* ;param value 值
* ;return true 存在 false不存在
*/
public boolean sIsMember(String key, Object value) {
return Optional.ofNullable(redisTemplate.opsForSet().isMember(key, value)).orElse(false);
}
/**
* 将数据放入set缓存
*
* ;param key 键
* ;param values 值 可以是多个
* ;return 成功个数
*/
public long sAdd(String key, Object... values) {
return Optional.ofNullable(redisTemplate.opsForSet().add(key, values)).orElse(0L);
}
/**
* 将set数据放入缓存
*
* ;param key 键
* ;param time 时间(秒)
* ;param values 值 可以是多个
* ;return 成功个数
*/
public long sSetWithTime(String key, long time, Object... values) {
try {
if (time > 0) {
expire(key, time);
}
return Optional.ofNullable(redisTemplate.opsForSet().add(key, values)).orElse(0L);
} catch (Exception e) {
e.printStackTrace();
return 0;
}
}
/**
* 随机移除并返回一个元素
*
* ;param key 键
* ;return 被移除的元素
*/
public Object sPop(String key) {
return redisTemplate.opsForSet().pop(key);
}
/**
* 随机返回指定长度的count个元素
*
* ;param key 键
* ;param count 返回元素的个数
* ;return 返回的元素
*/
public List<Object> sRandMember(String key, long count) {
return redisTemplate.opsForSet().randomMembers(key, count);
}
/**
* 两个set集合求交集
*
* ;param key1 其中一个set的key
* ;param key2 另一个set的key
* ;return 两个set的差集
*/
public Set<Object> sDiff(String key1, String key2) {
return redisTemplate.opsForSet().difference(key1, key2);
}
/**
* 两个set集合求交集
*
* ;param key1 其中一个set的key
* ;param key2 另一个set的key
* ;return 两个set的交集
*/
public Set<Object> Sinter(String key1, String key2) {
return redisTemplate.opsForSet().intersect(key1, key2);
}
/**
* 两个set集合求并集
*
* ;param key1 其中一个set的key
* ;param key2 另一个set的key
* ;return 两个set的并集
*/
public Set<Object> sUnion(String key1, String key2) {
return redisTemplate.opsForSet().union(key1, key2);
}
/**
* 获取set缓存的长度
*
* ;param key 键
*/
public long sGetSetSize(String key) {
return Optional.ofNullable(redisTemplate.opsForSet().size(key)).orElse(0L);
}
/**
* 移除值为value的
*
* ;param key 键
* ;param values 值 可以是多个
* ;return 移除的个数
*/
public long setRemove(String key, Object... values) {
return Optional.ofNullable(redisTemplate.opsForSet().remove(key, values)).orElse(0L);
}
// ============================sorted set=============================
/**
* 添加元素到zSet集合当中去
* ;param key 键
* ;param value 值
* ;param score 分数
* ;return 是否添加成功
*/
public boolean zAdd(String key, Object value, double score) {
return Optional.ofNullable(redisTemplate.opsForZSet().add(key, value, score)).orElse(false);
}
/**
* 返回指定分数范围的数据
* ;param key 键
* ;param start 起始位置
* ;param end 结束位置
* ;return 指定分数范围内的zSet
*/
public Set<Object> zRange(String key,long start,long end){
return redisTemplate.opsForZSet().range(key,start,end);
}
}