Redis 知识点与应用场景

1. Redis 简介与核心特性

Redis（Remote Dictionary Server）是一款开源的内存数据存储系统，支持多种数据结构，兼具高性能、持久化、分布式等特性，广泛用于缓存、数据库、消息中间件等场景。其核心特性包括：

高性能：基于内存操作，单线程模型避免上下文切换开销，QPS 可达 10 万 +（取决于数据大小和命令复杂度）；
多数据结构支持：不仅支持基础的键值对，还提供 String、Hash、List 等丰富数据类型；
持久化：通过 RDB 和 AOF 机制将内存数据持久化到磁盘，防止数据丢失；
高可用：支持主从复制、哨兵（Sentinel）实现故障自动转移；
分布式：Redis Cluster 提供分片存储，突破单机内存限制；
功能丰富：支持事务、发布订阅、Lua 脚本、地理空间等高级特性。

2. 核心数据类型及应用场景详解

Redis 提供8 种核心数据类型，每种类型针对特定场景优化，以下为详细说明：

2.1 String（字符串）

数据结构特点

二进制安全：可存储文本、图片、序列化对象等任意二进制数据；
最大容量：单个 String 值最大 512MB；
底层实现：小字符串（<39 字节）用 SDS（简单动态字符串），大字符串用 embstr/raw 编码。

常用命令

命令	功能描述	示例
`SET key value [EX seconds]`	设置键值对，可选过期时间	`SET user:1001 '{"name":"Alice","age":25}' EX 3600`（缓存 1 小时）
`GET key`	获取键值	`GET user:1001` → 返回用户信息 JSON
`INCR key`	整数自增 1（原子操作）	`INCR article:read:10086`（文章阅读量 + 1）
`DECR key`	整数自减 1（原子操作）	`DECR stock:iphone15`（库存 - 1）
`APPEND key value`	追加字符串到值末尾	`APPEND log:user:1001 " login success"`

应用场景

缓存热点数据 ：存储用户信息、商品详情等高频访问数据，减轻数据库压力。
示例：电商场景中，缓存商品详情页数据：SET product:10001 '{"id":10001,"name":"无线耳机","price":999}' EX 1800（缓存 30 分钟），用户访问时直接从 Redis 获取，无需查询 MySQL。
计数器 ：利用INCR/DECR的原子性，实现文章阅读量、视频播放量、接口请求次数统计。
示例：短视频平台统计视频播放量：用户每次观看视频时，执行INCR video:play:9527，后台定期将计数器值同步到数据库。
分布式锁 ：基于SET key value NX EX命令（NX：不存在才设置，EX：过期时间）实现分布式锁，防止并发操作冲突。
示例：秒杀场景中，通过SET lock:seckill:1001 "1" NX EX 10抢占锁，获取锁后执行库存扣减，执行完毕释放锁（DEL lock:seckill:1001）。

2.2 Hash（哈希）

数据结构特点

键值对集合：一个 Hash 键包含多个field-value键值对，类似 JSON 对象；
空间高效：适合存储对象，可单独操作字段（无需整体更新）；
底层实现：小 Hash（field 数量少且值小）用压缩列表，大 Hash 用哈希表。

常用命令

命令	功能描述	示例
`HSET key field value`	设置 Hash 字段值	`HSET user:1001 name "Alice" age 25 email "alice@example.com"`
`HGET key field`	获取 Hash 字段值	`HGET user:1001 name` → "Alice"
`HMGET key field1 field2`	批量获取 Hash 字段值	`HMGET user:1001 name age` → ["Alice", "25"]
`HGETALL key`	获取 Hash 所有字段和值	`HGETALL user:1001` → ["name","Alice","age","25",...]
`HINCRBY key field num`	字段值整数自增 num（原子操作）	`HINCRBY user:1001 score 10`（用户积分 + 10）

应用场景

对象存储 ：存储用户、商品等结构化数据，支持字段级更新，比 String 更灵活。
示例：社交平台存储用户资料：HSET user:1001 name "Bob" avatar "avatar.jpg" vip_level 3，更新头像时仅需HSET user:1001 avatar "new_avatar.jpg"，无需修改整个对象。
购物车 ：以用户 ID 为 Hash 键，商品 ID 为 field，数量为 value，实现购物车增删改查。
示例：用户 1001 的购物车：HSET cart:1001 2001 2 2002 1（商品 2001 数量 2，商品 2002 数量 1），修改数量时HSET cart:1001 2001 3，清空购物车时DEL cart:1001。

2.3 List（列表）

数据结构特点

有序字符串列表：元素按插入顺序排列，支持两端插入 / 删除；
双向链表特性：可充当栈（LIFO）或队列（FIFO）；
底层实现：小 List（元素少且小）用压缩列表，大 List 用双向链表。

常用命令

命令	功能描述	示例
`LPUSH key value1 [value2]`	从列表左侧插入元素	`LPUSH msg:queue "msg1" "msg2"`（左侧插入两条消息）
`RPUSH key value1 [value2]`	从列表右侧插入元素	`RPUSH article:latest 1001 1002`（右侧追加文章 ID）
`LPOP key`	从列表左侧弹出元素（返回并删除）	`LPOP msg:queue` → "msg2"（栈模式：后进先出）
`RPOP key`	从列表右侧弹出元素（返回并删除）	`RPOP msg:queue` → "msg1"（队列模式：先进先出）
`LRANGE key start stop`	获取列表指定范围元素（0 为头，-1 为尾）	`LRANGE article:latest 0 9` → 获取最新 10 篇文章 ID

应用场景

消息队列 ：基于LPUSH+RPOP实现简单的 FIFO 消息队列，生产者左侧插入消息，消费者右侧弹出消息。
示例：订单系统异步通知：订单创建后，LPUSH order:notify "order123"，通知服务循环执行RPOP order:notify获取订单 ID 并发送短信。
最新数据展示 ：基于LPUSH+LRANGE实现 "最新 N 条数据" 功能，如最新文章、最近评论。
示例：博客平台展示最新 5 篇文章：发布文章时LPUSH article:latest 3001（文章 ID），前端调用LRANGE article:latest 0 4获取前 5 篇文章 ID，再查询详情。

2.4 Set（集合）

数据结构特点

无序字符串集合：元素唯一（自动去重），不保证顺序；
支持集合运算：交集、并集、差集，时间复杂度 O (N)；
底层实现：小 Set 用整数集合（元素为整数且少），大 Set 用哈希表。

常用命令

命令	功能描述	示例
`SADD key member1 member2`	向集合添加元素（自动去重）	`SADD user:tags:1001 "tech" "music" "sports"`（用户 1001 的标签）
`SMEMBERS key`	获取集合所有元素	`SMEMBERS user:tags:1001` → ["tech","music","sports"]
`SISMEMBER key member`	判断元素是否在集合中	`SISMEMBER user:tags:1001 "music"` → 1（存在）
`SINTER key1 key2`	计算两个集合的交集	`SINTER user:friends:1001 user:friends:1002`（共同好友）
`SUNION key1 key2`	计算两个集合的并集	`SUNION user:tags:1001 user:tags:1002`（合并标签）
`SREM key member`	从集合删除元素	`SREM user:tags:1001 "sports"`（移除标签）

应用场景

标签系统 ：存储用户兴趣标签、文章分类等，支持标签添加、删除、查询。
示例：内容平台用户标签管理：用户 1001 添加 "科技""音乐" 标签后，可通过SMEMBERS user:tags:1001获取所有标签，推荐内容时根据标签匹配。
共同好友 / 兴趣 ：通过SINTER计算交集，实现社交平台 "共同好友" 功能。
示例：用户 A（ID1001）和用户 B（ID1002）的好友列表分别为user:friends:1001和user:friends:1002，执行SINTER user:friends:1001 user:friends:1002即可获取两人的共同好友 ID。
去重统计 ：利用集合元素唯一性，统计 UV（独立访客）、去重 ID 列表等。
示例：统计某活动参与用户 ID（去重）：SADD activity:100:users 5001 5002 5001（自动去重后仅保留 5001、5002），SCARD activity:100:users → 2（参与人数）。

2.5 Sorted Set（ZSet，有序集合）

数据结构特点

有序唯一元素：每个元素关联一个score（浮点数），按score升序排列，元素不可重复；
高效排序与查询：支持按score范围、排名范围查询，底层基于 "跳跃表" 实现，时间复杂度 O (logN)；
支持score动态更新：修改元素score后自动调整排序位置。

常用命令

命令	功能描述	示例
`ZADD key score member`	添加元素及 score	`ZADD game:rank 95 "userA" 88 "userB" 92 "userC"`（游戏排行榜）
`ZRANGE key start stop [WITHSCORES]`	按 score 升序获取排名范围内元素（0 为第一名）	`ZRANGE game:rank 0 2 WITHSCORES` → ["userB",88,"userC",92,"userA",95]
`ZREVRANGE key start stop [WITHSCORES]`	按 score 降序获取排名范围内元素	`ZREVRANGE game:rank 0 2 WITHSCORES` → ["userA",95,"userC",92,"userB",88]（前三名）
`ZSCORE key member`	获取元素 score	`ZSCORE game:rank "userA"` → 95
`ZINCRBY key increment member`	元素 score 自增 increment（原子操作）	`ZINCRBY game:rank 5 "userB"`（userB 分数 + 5 → 93）
`ZRANK key member`	获取元素升序排名（0 为第一名）	`ZRANK game:rank "userB"` → 0（score 88 时排名第一）

应用场景

排行榜系统 ：实时展示用户积分、商品销量、视频播放量等排名。
示例：直播平台礼物榜：观众送礼物时，ZINCRBY gift:rank:room100 50 "user888"（用户 888 积分 + 50），前端调用ZREVRANGE gift:rank:room100 0 9 WITHSCORES展示 "房间贡献榜 TOP10"。
带权重的消息队列 ：按score（权重）优先级消费消息，高权重消息优先处理。
示例：订单处理系统：普通订单ZADD order:queue 1 "order1001"，VIP 订单ZADD order:queue 10 "order1002"，消费者通过ZREVRANGE order:queue 0 0优先获取 VIP 订单处理。
范围统计 ：按score范围筛选元素，如 "积分> 1000 的用户""考试分数 80-90 分的学生"。
示例：教育平台统计成绩：ZRANGEBYSCORE exam:math 80 90 → 获取数学成绩 80-90 分的学生 ID。

3. 高级数据类型

3.1 Bitmap（位图）

数据结构特点

位级操作：将字符串视为 "位数组"，每个位（bit）表示一个二值状态（0/1）；
空间高效：1 字节 = 8 位，存储 100 万个状态仅需约 125KB；
支持位运算：与（AND）、或（OR）、异或（XOR）、非（NOT）及位计数。

常用命令

命令	功能描述	示例
`SETBIT key offset value`	设置指定偏移量的位值（0/1）	`SETBIT sign:user:1001 5 1`（用户 1001 第 5 天签到，偏移量从 0 开始）
`GETBIT key offset`	获取指定偏移量的位值	`GETBIT sign:user:1001 5` → 1（第 5 天已签到）
`BITCOUNT key [start end]`	统计位值为 1 的数量（可指定字节范围）	`BITCOUNT sign:user:1001` → 15（本月累计签到 15 天）
`BITOP op destkey key1 [key2]`	对多个 Bitmap 执行位运算，结果存到 destkey	`BITOP AND sign:both:1001_1002 sign:user:1001 sign:user:1002`（两人共同签到的天数）

应用场景

签到统计 ：记录用户每日签到状态，统计每月签到天数、连续签到天数。
示例：用户 1001 的 2025 年 8 月签到：SETBIT sign:user:1001:202508 0 1（8 月 1 日签到，偏移量 0）、SETBIT ... 2 1（8 月 3 日签到），BITCOUNT sign:user:1001:202508 → 2（当月签到 2 天）。
用户在线状态 ：用位偏移量表示用户 ID，位值 1 表示在线，0 表示离线，高效统计在线人数。
示例：平台在线用户：用户 5001 在线 → SETBIT online:20250814 5001 1，BITCOUNT online:20250814 → 1000（当前在线人数）。

3.2 HyperLogLog（基数统计）

数据结构特点

基数估算：用于统计 "集合中不重复元素的个数"（基数），而非存储元素本身；
空间极致优化：无论基数多大，单个 HyperLogLog 键仅占用约 12KB 内存；
概率性算法：存在 0.81% 的误差（可接受范围内），适合海量数据基数统计。

常用命令

命令	功能描述	示例
`PFADD key element1 [element2]`	添加元素到 HyperLogLog	`PFADD uv:20250814 1001 1002 1001 1003`（网站当日 UV 统计）
`PFCOUNT key`	估算基数（不重复元素个数）	`PFCOUNT uv:20250814` → 3（去重后 1001、1002、1003）
`PFMERGE destkey key1 [key2]`	合并多个 HyperLogLog 到 destkey	`PFMERGE uv:202508 uv:20250801 uv:20250802 ...`（合并 8 月每日 UV，统计月 UV）

应用场景

UV 统计 ：统计网站 / 页面的独立访客数，无需存储用户 ID，节省内存。
示例：电商首页 UV：用户访问时PFADD uv:home:20250814 <user_id>，当日结束后PFCOUNT uv:home:20250814 → 50000（首页当日 UV）。
搜索关键词去重 ：统计用户搜索过的不重复关键词数量，优化搜索推荐。
示例：PFADD search:keywords "phone" "book" "phone" "shoes"，PFCOUNT search:keywords → 3（不重复关键词数）。

3.3 Geospatial（地理空间）

数据结构特点

地理位置存储：存储经纬度坐标（经度范围 - 180~180，纬度范围 - 85.05112878~85.05112878），支持距离计算、范围查询；
底层基于 ZSet 实现：将经纬度编码为score（Geohash 算法），通过 ZSet 命令间接操作。

常用命令

命令	功能描述	示例
`GEOADD key longitude latitude member`	添加地理位置	`GEOADD shops 116.403 39.914 "storeA" 116.410 39.905 "storeB"`（北京商店坐标）
`GEODIST key member1 member2 [unit]`	计算两个位置的距离（unit：m/km/mi/ft）	`GEODIST shops storeA storeB km` → 1.2（storeA 与 storeB 相距 1.2 公里）
`GEORADIUS key longitude latitude radius unit [WITHDIST]`	搜索指定坐标半径内的位置	`GEORADIUS shops 116.4 39.9 5 km WITHDIST` → 获取天安门 5 公里内的商店及距离

应用场景

附近的人 / 地点 ：基于用户当前坐标，搜索周边一定范围内的人或商家。
示例：外卖平台 "附近商家"：用户坐标（116.4, 39.9），GEORADIUS shops 116.4 39.9 3 km WITHDIST → 返回 3 公里内的商家及距离，按距离排序展示。
地理位置围栏 ：监控设备是否进入 / 离开指定区域（如物流包裹是否到达配送范围）。
示例：物流场景中，GEORADIUS warehouse:1 120.0 30.0 10 km → 检查 10 公里内是否有包裹（通过包裹 ID 关联的坐标），触发配送通知。

3.4 Stream（消息流）

数据结构特点

持久化消息队列：支持消息持久化、消费确认、消费组（Consumer Group），解决 List 作为队列时的消息丢失、重复消费问题；
消息 ID 自增：每条消息有唯一 ID（格式timestamp-sequence，如1723600000000-0），保证有序性；
消费组机制：支持多消费者协同消费，每个消费者处理不同消息，避免重复消费。

常用命令

命令	功能描述	示例
`XADD key * field value [field value]`	添加消息（* 表示自动生成 ID）	`XADD orderStream * type "pay" orderId "123" amount 99`（订单支付消息）
`XREAD COUNT count STREAMS key startId`	读取消息（startId=0-0 表示从头读）	`XREAD COUNT 1 STREAMS orderStream 0-0` → 读取 1 条消息
`XGROUP CREATE key groupName startId`	创建消费组	`XGROUP CREATE orderStream group1 $`（$ 表示从最新消息开始消费）
`XREADGROUP GROUP groupName consumer COUNT count STREAMS key >`	消费组内消费者读取消息（> 表示未消费消息）	`XREADGROUP GROUP group1 consumer1 COUNT 1 STREAMS orderStream >` → consumer1 读取 1 条未消费消息
`XACK key groupName msgId`	确认消息已消费	`XACK orderStream group1 1723600000000-0`（确认消息处理完成）

应用场景

可靠消息队列 ：替代 List 实现高可靠消息传递，支持消息重试、消费确认，适合订单处理、日志收集等场景。
示例：电商订单系统：订单支付后XADD payStream * orderId "123" status "success"，下游物流服务通过消费组XREADGROUP读取消息并处理，处理完成后XACK确认，避免消息丢失。

4. 持久化机制（RDB vs AOF）

Redis 支持两种持久化方式，可单独启用或混合使用，核心目标是防止内存数据丢失。

4.1 RDB（Redis Database）

原理：在指定时间间隔内生成内存数据的快照文件（.rdb），保存到磁盘。
触发方式 ：
- 手动触发：SAVE（阻塞 Redis，适合离线备份）、BGSAVE（fork 子进程执行，不阻塞主进程）；
- 自动触发：配置文件中save <seconds> <changes>（如save 3600 1：3600 秒内有 1 次修改则触发）。
优缺点 ：
- 优点：文件体积小，恢复速度快（直接加载快照到内存）；
- 缺点：数据安全性低，两次快照间的修改可能丢失（如 5 分钟快照间隔，崩溃时丢失 5 分钟数据）。

4.2 AOF（Append Only File）

原理：记录所有写命令（如 SET、HSET）到日志文件（.aof），重启时通过重新执行命令恢复数据。
配置参数 ：
- appendfsync always：每条命令立即刷盘（安全性最高，性能最差）；
- appendfsync everysec：每秒刷盘一次（默认，平衡安全与性能，最多丢失 1 秒数据）；
- appendfsync no：由操作系统决定刷盘时机（性能最好，安全性最低）。
AOF 重写 ：解决 AOF 文件膨胀问题，通过BGREWRITEAOF命令生成新 AOF 文件（合并重复命令，如多次 INCR 合并为最终值）。
优缺点 ：
- 优点：数据安全性高，丢失数据少；
- 缺点：文件体积大，恢复速度慢（需重新执行所有命令）。

4.3 混合持久化（Redis 4.0+）

原理：AOF 文件头部存储 RDB 快照，尾部存储增量 AOF 命令，结合 RDB 恢复快和 AOF 数据全的优点。
配置：aof-use-rdb-preamble yes（默认开启）。

4.4 持久化方案选择

场景	推荐方案	理由
数据安全性要求高（如金融交易）	AOF（everysec）+ 混合持久化	最多丢失 1 秒数据，恢复速度较纯 AOF 快
性能优先（如缓存场景）	RDB（或禁用持久化）	减少磁盘 IO 开销，缓存数据可从数据库重建
灾备需求	RDB 定期备份 + AOF 实时记录	RDB 用于全量恢复，AOF 用于增量数据补充

5. 高可用方案（主从复制与哨兵）

5.1 主从复制

作用：实现数据备份与读写分离，主库（Master）负责写操作，从库（Slave）同步主库数据并提供读服务。
原理：
- 全量复制：从库首次连接主库时，主库生成 RDB 快照发送给从库，从库加载快照后，主库再发送缓冲的增量命令；
- 增量复制 ：后续主库将写命令记录到repl_backlog_buffer，从库通过偏移量（offset）同步增量命令。
配置：从库配置slaveof <master-ip> <master-port>，主库无需额外配置。
应用：读写分离（主库写、从库读），如电商商品详情查询走从库，减轻主库压力。

5.2 哨兵（Sentinel）

作用：监控主从节点状态，实现自动故障转移（主库挂了后从库自动升级为主库）。
核心功能 ：
- 监控：定期检查主从节点是否存活；
- 通知：通过 API 向管理员或其他应用发送故障通知；
- 自动故障转移：主库故障时，选举从库升级为主库，其他从库重新指向新主库。
部署：通常部署 3 个哨兵节点（奇数，避免脑裂），配置文件指定监控的主库信息。
示例：一主二从 + 三哨兵架构，主库挂了后，哨兵通过投票选举其中一个从库升级为主库，客户端通过哨兵获取新主库地址继续访问。

6. Redis Cluster（分布式集群）

6.1 核心概念

分片存储：将数据按 "槽位"（共 16384 个槽）分配到多个节点，每个节点负责一部分槽位（如 3 主节点各负责 5461 个槽）；
主从复制：每个主节点可配置从节点，实现数据备份与故障转移；
去中心化：无中心节点，客户端直接与槽位对应节点通信，节点间通过 Gossip 协议交换状态。

6.2 数据路由

槽位计算 ：客户端根据CRC16(key) % 16384计算 key 所属槽位；
重定向 ：若客户端连接的节点不负责目标槽位，返回MOVED错误，指引客户端连接正确节点。

6.3 应用场景

海量数据存储：突破单机内存限制，如存储 100GB 数据，可通过 3 主 3 从集群（每主节点 30GB + 内存）分片存储；
高并发访问：多节点分担读写压力，提升整体吞吐量。

7. 性能优化实践

7.1 键设计规范

命名规范 ：用冒号分隔命名空间，如user:1001:info、order:202508:list，避免键名混乱；
避免大键：单个 key 存储数据不超过 10KB（如大 List、大 Hash 拆分存储），防止操作阻塞 Redis；
过期键清理 ：对缓存数据设置合理过期时间（EX/PX），避免内存溢出。

7.2 内存淘汰策略

当内存达到maxmemory限制时，Redis 通过以下策略淘汰键（配置maxmemory-policy）

策略名称	说明（优先级从高到低）
`volatile-lru`	从设置过期时间的键中，淘汰最近最少使用的键
`allkeys-lru`	从所有键中，淘汰最近最少使用的键
`volatile-ttl`	从设置过期时间的键中，淘汰剩余时间最短的键
`noeviction`	不淘汰键，写操作返回错误（默认，不推荐生产环境）

推荐配置 ：缓存场景用allkeys-lru（优先淘汰冷数据），业务数据用volatile-lru（仅淘汰过期缓存）。

7.3 命令与网络优化

批量操作 ：用MSET/MGET（String）、HMSET/HMGET（Hash）替代循环单条命令，减少网络往返；
Pipeline：客户端将多个命令打包发送，Redis 批量执行后返回结果，适合大量小命令场景（如批量更新库存）；
避免阻塞命令 ：禁用KEYS *（遍历所有键，阻塞 Redis），改用SCAN（迭代遍历）；避免HGETALL（大 Hash 全量获取），改用HMGET指定字段。

8. 总结

Redis 凭借丰富的数据结构 、高性能 、持久化 、分布式支持等特性，成为缓存、数据库、消息队列等场景的首选工具。核心知识点包括：

数据类型：String（缓存、计数器）、Hash（对象存储）、List（队列）、Set（集合运算）、ZSet（排行榜）等，需结合场景选择合适类型；
持久化：RDB（性能优先）与 AOF（安全优先），生产环境推荐混合持久化；
高可用：主从复制（读写分离）+ 哨兵（故障转移）；
分布式：Redis Cluster 实现分片存储，突破单机限制。

通过合理设计键结构、优化命令、配置持久化与高可用策略，可充分发挥 Redis 性能，支撑高并发业务场景。