Redis中的数据结构

1.五种常见的数据结构类型

1. 字符串（String）

特点

字符串是 Redis 最基本的数据类型，可以存储字符串 、整数或浮点数。
一个字符串最多可以存储 512 MB 的数据。

使用场景

缓存简单数据：比如存储用户的登录状态、会话信息或配置信息。
计数器：字符串支持自增和自减，可以方便地用来实现计数器，如网站访问次数统计。
分布式锁 ：通过 SETNX 命令可以实现分布式锁。

2. 列表（List）

特点

列表是一个有序的字符串序列，可以从两端添加或移除元素。
支持常见的栈和队列操作（如 LIFO 和 FIFO）。

使用场景

消息队列：列表支持从头部或尾部推入和弹出元素，因此常用于简单的消息队列。
任务列表：可以用来存储一系列需要按顺序处理的任务。
时间轴：社交媒体的时间轴可以用列表来实现，记录用户的操作历史等。

3. 集合（Set）

特点

集合是无序且唯一的字符串集合，元素不重复。
支持交集、并集和差集等集合运算。

使用场景

标签和关注关系：如用于存储用户的关注列表、标签等，避免重复。
抽奖系统：用户抽奖时，可以使用集合确保每位用户只参与一次。
共同好友推荐：通过交集运算，找出两个用户共同关注的好友。

4. 有序集合（Sorted Set）

特点

有序集合中的每个元素都有一个分数（score），Redis 会根据分数对元素进行排序。
支持按分数范围查询元素，也可以按分数排名来访问元素。

使用场景

排行榜：常用于实现游戏或应用的排行榜，按得分高低排序。
任务调度：可以根据任务的优先级来安排执行顺序。
带权重的数据：例如评分系统，可以根据评分来展示内容的排名。

5. 哈希（Hash）

特点

哈希是一个键值对集合，适合存储对象或数据结构。
可以把多个字段及其值存储在一个键下，通过字段名称快速访问字段的值。

使用场景

用户信息存储：可以用来存储用户信息（如用户名、年龄、地址等），并快速访问特定字段。
缓存对象数据：适合存储一些需要快速访问的对象或数据结构。
配置项管理：适合存储分模块的配置信息。

类型对比

数据类型	是否有序	是否唯一	适用场景
字符串	否	否	简单数据、计数器、锁
列表	是	否	消息队列、任务列表
集合	否	是	标签、抽奖系统
有序集合	是	是	排行榜、带权重数据
哈希	否	否	用户信息、配置项

2.后续引入的四种数据类型

1. BitMap

版本

Redis 2.2 版引入。

特点

BitMap 并不是 Redis 独立的数据类型，而是一种基于字符串类型的位操作方法。
BitMap 允许我们将一个大的字符串值视为一系列的位（bit），并可以对每一位进行单独操作。
BitMap 中的每一位可以是 0 或 1，能高效地进行位操作，例如设置某一位的值 、获取某一位的值 ，或者统计多个位中的 1 的个数。

使用场景

用户签到：可以用一个 BitMap 表示每个用户在一年中的签到情况。假设有 365 天，用 365 位表示即可。
活跃用户统计：在每一位表示一个用户的活跃状态，0 表示不活跃，1 表示活跃。通过位操作快速统计活跃用户。
二进制标记：用于对大量用户的某些特定标记进行标识和统计。

示例

假设我们想记录一个用户在一个月中的签到情况，可以用 BitMap 操作设置某天为签到：

# 设置用户在第 5 天签到
SETBIT user:1001:checkin 5 1
# 获取用户第 5 天的签到状态
GETBIT user:1001:checkin 5  # 返回 1
# 统计这个用户的签到天数
BITCOUNT user:1001:checkin

2. HyperLogLog

版本

Redis 2.8 版引入。

特点

HyperLogLog 是一种基数估计算法，可以高效地计算大规模数据的基数（独特元素的数量）。
HyperLogLog 的存储空间是固定的，只占用 12 KB 内存，即使是十亿级的去重数据，也不会增加内存占用。
HyperLogLog 通过概率算法近似计算基数，因此有误差（标准误差约 0.81%），但通常可接受。

使用场景

UV（独立访问用户）统计：在大数据量的情况下，用 HyperLogLog 统计页面的独立访问用户数量。
去重计数：如在电商网站中统计特定时间内访问商品详情页的独立用户数，HyperLogLog 非常适合这种场景。

示例

使用 HyperLogLog 统计每天访问某网站的用户数量：

# 将用户 ID 添加到 HyperLogLog
PFADD page:1001:user_set user1 user2 user3
# 获取 HyperLogLog 基数
PFCOUNT page:1001:user_set  # 返回基数估算值
# 合并多个 HyperLogLog 的基数
PFMERGE combined_users page:1001:user_set page:1002:user_set

3. GEO

版本

Redis 3.2 版引入。

特点

GEO 是 Redis 的地理位置数据类型，基于有序集合实现，能够存储地理位置信息（经纬度）并支持地理操作。
Redis 提供了一系列 GEO 命令，如添加位置 、计算两地距离 、查询指定范围内的位置等。

使用场景

附近的人：在社交或打车应用中，可以快速查找某个范围内的用户或服务提供者。
POI（兴趣点）查询：例如餐馆、加油站等可以存储在 Redis 中，用户可以根据当前地点查询附近的 POI。

示例

假设我们要在 Redis 中存储和查询城市的地理位置：

# 添加地理位置（城市名称和经纬度）
GEOADD cities 13.361389 38.115556 "Palermo"
GEOADD cities 15.087269 37.502669 "Catania"

# 查询两个城市之间的距离
GEODIST cities "Palermo" "Catania" km  # 返回距离，单位为公里

# 获取指定地点附近的城市
GEORADIUS cities 15 37 200 km  # 返回 200 公里范围内的地点

4. Stream

版本

Redis 5.0 版引入。

特点

Stream 是一种可无限增长的日志结构数据类型，支持队列和发布-订阅模式，适合处理实时数据流。
Stream 提供了对消息的追加、读取、分组消费等操作，并可以按 ID 或时间戳查询数据。
Stream 支持消费者分组，允许不同消费者组读取相同的数据流。

使用场景

日志和事件存储：可以用于存储系统日志、用户行为数据等，可以在需要时实时读取。
消息队列：Stream 的消费者分组特性使其适合构建简单的消息队列系统。
实时数据处理：如 IoT 设备传回的数据流处理，Redis Stream 可以充当数据缓冲区。

示例

使用 Stream 存储和读取事件：

# 添加一条新事件（Stream 会自动生成 ID）
XADD mystream * temperature 22.5 humidity 60

# 读取最新的事件
XRANGE mystream - +  # 返回按时间排序的所有事件

# 创建消费者组
XGROUP CREATE mystream mygroup $  # $ 表示从最新消息开始消费

# 消费者组读取消息
XREADGROUP GROUP mygroup consumer1 COUNT 2 STREAMS mystream >

类型对比

数据类型	引入版本	特点	使用场景
BitMap	2.2	位操作，高效标记和统计	用户签到、活跃用户统计
HyperLogLog	2.8	基数估计，固定存储	UV统计、大数据去重计数
GEO	3.2	地理位置存储和查询	附近的人、POI查询
Stream	5.0	实时数据流、消费者分组	消息队列、实时数据处理

3.五种常见数据类型的实现

1. 字符串（String）

实现方式 ：Redis 使用 简单动态字符串（SDS） 实现字符串类型。
结构：
- len：记录字符串的实际长度，避免每次操作都需要重新计算长度。
- alloc：记录已分配的空间大小，方便动态扩展。
- buf：用于存储字符串数据的实际内容。
特点：
- 预分配空间：SDS 扩展空间时会预留一些额外空间，减少扩展操作的频率。
- 惰性空间释放 ：在缩短字符串时，直接更新 len，而不立即释放多余内存，减少频繁内存重分配操作。
适用场景：适合存储单个字符串数据、整数、浮点数等简单数据，支持 512 MB 以内的内容。

2. 列表（List）

实现方式 ：Redis 使用 双向链表（quicklist） 或 压缩列表（ziplist） 来实现列表类型。
结构：
- Quicklist：一种特殊的双向链表结构，结合了链表和压缩列表。链表节点存储压缩列表，支持快速的头部和尾部插入、删除操作。
- Ziplist：连续内存存储的小型双向链表，适用于少量短字符串的列表，减少内存开销。
特点：
- 高效插入和删除：Quicklist 支持快速的头部和尾部操作，适合频繁的增删操作。
- 内存优化：当数据量小且节点较少时，压缩列表减少内存消耗。
适用场景：适合存储有序的字符串序列，通常用于消息队列或任务队列等需要顺序访问的场景。

3. 集合（Set）

实现方式 ：Redis 使用 整数集合（intset） 或 哈希表（hashtable） 来实现集合类型。
结构：
- Intset：连续存储的整数集合，适用于只包含整数且元素数量较少的集合。
- Hashtable：包含更多元素或非整数元素时使用哈希表，以保证插入和查找的效率。
特点：
- 高效查找和去重：哈希表结构能够快速判断元素是否存在。
- 内存优化：小型整数集合使用 intset 节省内存。
适用场景：适合需要快速查重和集合操作的场景，如标签、用户权限管理等。

4. 有序集合（Sorted Set）

实现方式 ：Redis 使用 压缩列表（ziplist） 或 跳表（skiplist） 来实现有序集合。
结构：
- Ziplist：小型集合时使用压缩列表，减少内存开销。
- Skiplist：当元素数量或元素大小较多时使用跳表，保证数据按分数排序和高效的范围查询。
- Hashtable：跳表配合哈希表存储键值对，保证查找效率。
特点：
- 有序性和高效查询：跳表能快速进行范围查询和按分数排序。
- 节省内存：小集合使用压缩列表存储，减少开销。
适用场景：适合按优先级或分数排序的场景，如排行榜、任务调度等。

5. 哈希（Hash）

实现方式 ：Redis 使用 压缩列表（ziplist） 或 哈希表（hashtable） 来实现哈希类型。
结构：
- Ziplist：当哈希键包含少量字段时使用压缩列表，节省内存。
- Hashtable：字段多或较大时使用哈希表，保证高效的读写操作。
特点：
- 高效存储和读取：小型哈希对象用压缩列表减少内存开销。
- 高效扩展：当哈希结构变大时自动转为哈希表，提升操作速度。
适用场景：适合存储对象数据，如用户信息等，需要存储多个字段的情况。

总结

数据类型	实现方式	结构描述	特点	适用场景
字符串	简单动态字符串（SDS）	- `len`：记录实际长度 - `alloc`：已分配空间大小 - `buf`：存储字符串数据的内容	- 预分配空间减少扩展操作 - 惰性释放优化内存分配	存储单个字符串、整数、浮点数等简单数据
列表	双向链表（quicklist）或压缩列表（ziplist）	- Quicklist：链表节点存储压缩列表，适合频繁增删 - Ziplist：连续存储短字符串，减少内存占用	- 高效插入、删除操作 - 小数据时内存优化	有序字符串序列，消息或任务队列
集合	整数集合（intset）或哈希表（hashtable）	- Intset：适合小型整数集合 - Hashtable：适合更多元素或非整数集合，快速插入查找	- 高效查找去重 - 小型集合使用 intset 优化内存	需要快速查重和集合操作的场景，如标签或权限管理
有序集合	压缩列表（ziplist）或跳表（skiplist）	- Ziplist：小型集合减少内存开销 - Skiplist：支持按分数排序、范围查询 - Hashtable：与跳表结合，确保高效查找	- 支持有序性和快速范围查询 - 小数据时节省内存	排行榜、优先级队列等按分数排序的场景
哈希	压缩列表（ziplist）或哈希表（hashtable）	- Ziplist：小型哈希节省内存 - Hashtable：字段多时使用，保证读写效率	- 高效读写 - 小型哈希使用 ziplist 优化内存	存储对象数据，如用户信息等需要多个字段的情况

Redis 的这种"结构适应性"设计，让它可以根据数据特点自动调整底层实现，在保证数据存储灵活性的同时，保持高效的查询和操作速度。