redis的基本数据结构讲解

Redis 的核心优势在于其丰富的数据结构，这些结构不仅仅是简单的键值存储，而是针对特定场景高度优化的。理解这些结构及其适用场景是高效使用 Redis 的关键。下面详细说明：

Redis 主要数据结构及适用场景

1. String (字符串)

   • 描述： 最基本的数据类型。可以存储文本、数字（整数或浮点数）或二进制数据（如图片、序列化对象）。最大可存储 512MB。
   • 关键特性：
     • 二进制安全： 可以存储任何字节序列。
     • 原子操作： INCR, DECR, INCRBY, DECRFLOAT 等命令是原子的，非常适合计数器。
     • 批量操作： MSET, MGET。
     • 设置过期时间： SETEX, PSETEX。
   • 适用场景：
     • 缓存： 缓存 HTML 片段、API 响应、数据库查询结果等。
     • 计数器： 网站访问量 (INCR)、点赞数 (INCR)、库存扣减 (DECR)。
     • 分布式锁： 配合 SETNX (或 SET 的 NX 选项) 和过期时间实现。
     • Session 存储： 存储用户会话信息。
     • 简单的键值映射： 存储用户配置项、标志位 (SET/GET)。
     • 限速器： 使用 INCR 和 EXPIRE 限制 API 调用频率或操作次数。

2. List (列表)

   • 描述： 有序的字符串元素集合。元素按插入顺序排序，可以添加在头部 (LPUSH) 或尾部 (RPUSH)。底层实现是双向链表 或 ziplist (小列表优化)。
   • 关键特性：
     • 双端操作： LPUSH/RPUSH (添加), LPOP/RPOP (移除并返回), LRANGE (获取范围)。
     • 阻塞操作： BLPOP/BRPOP/BRPOPLPUSH (在列表为空时阻塞客户端，直到有元素可弹出)。
     • 长度操作： LLEN。
   • 适用场景：
     • 消息队列：
       • 简单队列：生产者 LPUSH 消息，消费者 RPOP (或 BRPOP) 消息。
       • 工作队列：配合 BRPOPLPUSH 实现安全的工作队列（处理中的消息移到另一个列表）。
     • 最新消息/动态流： LPUSH 新消息，用 LRANGE 0 N 获取最新的 N 条消息 (如 Twitter 时间线)。
     • 历史记录： LPUSH 用户操作记录，用 LTRIM 限制长度 (如浏览历史)。
     • 栈： LPUSH + LPOP。
     • 队列： LPUSH + RPOP (或 RPUSH + LPOP)。

3. Set (集合)

   • 描述： 无序的、唯一的字符串元素集合。不允许重复元素。底层实现是 hashtable 或 intset (纯整数小集合优化)。
   • 关键特性：
     • 添加/删除/检查存在： SADD, SREM, SISMEMBER。
     • 集合运算： SINTER (交集), SUNION (并集), SDIFF (差集), SINTERSTORE/SUNIONSTORE/SDIFFSTORE (存储运算结果)。
     • 随机元素： SRANDMEMBER, SPOP (随机移除并返回)。
     • 成员操作： SMEMBERS (获取所有成员 - 小心大集合!), SCARD (获取成员数量)。
   • 适用场景：
     • 标签系统： 给对象（文章、用户）打标签 (SADD)，查找拥有某标签的所有对象 (SMEMBERS)，查找同时拥有多个标签的对象 (SINTER)。
     • 社交关系： 存储用户的粉丝 (SADD)、关注 (SADD) 列表。计算共同关注 (SINTER)。
     • 唯一值追踪： 记录访问过某资源的唯一用户 ID/IP (SADD, SISMEMBER)，统计 UV (SCARD)。
     • 抽奖/随机选取： SPOP 或 SRANDMEMBER。
     • 黑名单/白名单： 快速检查元素是否在集合中 (SISMEMBER)。

4. Hash (哈希表 / 字典)

   • 描述： 键值对集合。field (字段名) 和 value (字段值) 都是字符串类型。非常适合表示对象。底层实现是 hashtable 或 ziplist (小哈希优化)。
   • 关键特性：
     • 字段操作： HSET/HGET (单个), HMSET/HMGET (多个), HDEL。
     • 原子字段更新： HINCRBY, HINCRBYFLOAT。
     • 检查存在： HEXISTS。
     • 获取所有/部分： HGETALL (小心大哈希!), HKEYS, HVALS, HSCAN (迭代)。
     • 长度： HLEN。
   • 适用场景：
     • 缓存对象： 比将整个对象序列化成 String 更高效。可以单独更新对象的某个字段 (HSET) 而不需要读写整个对象。例如用户信息 (user:id -> {name: "Alice", age: 30, email: ...})。
     • 存储配置项： 多个相关的配置项可以存储在一个 Hash 里。
     • 购物车： user:cart -> {product1_id: quantity, product2_id: quantity, ...}。方便增减数量 (HINCRBY)。
     • 需要频繁读写部分属性的场景。

5. Sorted Set (有序集合 / ZSet)

   • 描述： 与 Set 类似，也是唯一的字符串元素集合。但每个元素都关联一个 score (分数，浮点数)。元素根据 score 从小到大排序。如果 score 相同，则按元素的字典序排序。底层实现是 skiplist (跳跃表) + hashtable 或 ziplist (小集合优化)。
   • 关键特性：
     • 添加/更新： ZADD (可设置/更新分数)。
     • 按分数范围查询： ZRANGEBYSCORE, ZREVRANGEBYSCORE (逆序)。
     • 按排名范围查询： ZRANGE, ZREVRANGE (逆序)。
     • 按成员查询分数/排名： ZSCORE, ZRANK (正序排名), ZREVRANK (逆序排名)。
     • 集合运算： ZUNIONSTORE, ZINTERSTORE (可聚合分数 - 如 SUM, MIN, MAX)。
     • 删除： ZREM, ZREMRANGEBYRANK, ZREMRANGEBYSCORE。
     • 统计数量： ZCARD (总数量), ZCOUNT (分数范围内的数量)。
   • 适用场景：
     • 排行榜： 经典场景！分数代表热度、分数、时间戳等。ZADD 更新分数，ZREVRANGE 0 N WITHSCORES 获取 Top N。
     • 带权重的队列： 任务优先级队列。分数表示优先级。
     • 时间轴： 分数存储时间戳，ZRANGEBYSCORE 按时间范围查询事件。
     • 范围查找： 查找分数在某个区间的所有元素。
     • 滑动窗口限流： 将请求时间戳作为分数加入 ZSet，定期删除旧于时间窗口的元素，检查窗口内元素数量是否超限。

6. Bitmaps (位图)

   • 描述： 不是独立的数据类型，而是基于 String 类型提供的一组面向位的操作命令。可以将 String 视为一个由二进制位组成的数组。
   • 关键特性：
     • 位操作： SETBIT (设置位), GETBIT (获取位), BITCOUNT (统计置位数量), BITOP (位运算 AND/OR/XOR/NOT), BITPOS (查找第一个置位/清零位)。
     • 高效存储： 非常适合存储布尔值信息（是/否，存在/不存在）。
   • 适用场景：
     • 用户在线状态： 用户 ID 作为偏移量 (offset), SETBIT online_status。
     • 签到系统： 用户 ID + 日期作为键，偏移量代表具体日期（一年第几天）。SETBIT sign:2024:userid。
     • 特征标志： 用户拥有哪些特性/权限 (每个位代表一个特性)。
     • 布隆过滤器 (Bloom Filter) 基础： 需要结合多个 Bitmap 和哈希函数实现。
     • 实时分析： 高效统计大量布尔属性（如活跃用户）。

7. HyperLogLog (基数统计)

   • 描述： 用于估计一个集合中唯一元素数量 （基数）的概率性数据结构。不是独立类型，有专用命令（PFADD, PFCOUNT, PFMERGE）。
   • 关键特性：
     • 极省内存： 无论元素数量多少，固定使用约 12KB 内存。
     • 非精确： 提供的是带有标准误差（约 0.81%）的估计值。
     • 不支持获取元素： 只能添加元素和统计基数。
   • 适用场景：
     • 海量数据去重计数： 网站每日独立访客数 (UV)、搜索引擎独立搜索词统计、大型集合的近似基数计算。当精确结果不是必需且需要节省大量内存时使用。

8. Geospatial Indexes (地理空间索引)

   • 描述： 基于 Sorted Set (ZSet) 实现的，用于存储地理位置（经度、纬度）并执行相关查询的数据结构。有专用命令（GEOADD, GEODIST, GEORADIUS, GEORADIUSBYMEMBER, GEOHASH）。
   • 关键特性：
     • 添加位置： GEOADD (本质上是将经纬度编码成 score 存入 ZSet)。
     • 计算距离： GEODIST。
     • 范围查询： GEORADIUS (以给定点为中心，半径内的元素), GEORADIUSBYMEMBER (以某个成员为中心)。
     • 获取 Geohash： GEOHASH。
   • 适用场景：
     • 附近的人/地点： 查找用户当前位置一定半径范围内的 POI（兴趣点）、司机、朋友等。
     • 距离计算： 计算两个地理位置之间的距离。
     • 基于位置的推荐。

9. Streams (流)

   • 描述： Redis 5.0 引入的，专为消息传递和事件溯源设计的数据结构。类似于 Kafka 或 RabbitMQ 的持久化消息队列。
   • 关键特性：
     • 消息持久化与多播： 支持持久化消息，多个消费者组可以独立消费。
     • 结构化消息： 每条消息由键值对组成。
     • 消费者组： 提供消费者组 (XGROUP), 消费者 (XREADGROUP), 消息确认 (XACK), 待处理消息处理 (XPENDING, XCLAIM) 等机制。
     • 范围查询： XRANGE, XREVRANGE。
     • 阻塞读取： XREAD/XREADGROUP 支持阻塞等待新消息。
   • 适用场景：
     • 可靠的消息队列： 需要持久化、多消费者组、消息确认的场景。
     • 事件溯源： 记录系统中发生的事件序列。
     • 实时数据管道： 连接不同服务或微服务。
     • 日志采集与分发。

选择数据结构的总结建议

1. 简单键值/缓存/计数器？ -> String
2. 队列/栈/最新列表？ -> List
3. 无序唯一集合/标签/社交关系？ -> Set
4. 对象缓存/购物车/需要更新部分字段？ -> Hash
5. 排行榜/带权重队列/时间轴/范围查询？ -> Sorted Set (ZSet)
6. 布尔值/特征标志/签到/在线状态？ -> Bitmaps (基于 String)
7. 海量数据去重计数 (近似值)？ -> HyperLogLog
8. 地理位置/附近搜索？ -> Geospatial (基于 ZSet)
9. 可靠消息队列/事件溯源？ -> Streams

重要注意事项

• 内存是核心资源： Redis 数据存储在内存中，选择合适的数据结构对控制内存占用至关重要（如使用 Hash 代替多个 String，使用 HyperLogLog 代替 Set 计数）。
• 时间复杂度： 了解主要命令的时间复杂度（如 SMEMBERS 是 O(n)，大集合慎用；ZRANGE 是 O(log N + M)，M 是返回元素数）。使用 SCAN、HSCAN、SSCAN、ZSCAN 替代 KEYS、HGETALL、SMEMBERS 等遍历命令避免阻塞。
• 持久化： 根据需求配置 RDB 快照或 AOF 日志，确保数据安全。
• 集群与分片： 单实例容量有限，大数据量需要 Redis Cluster 或客户端分片。