Redis 扩展数据类型

文章目录

• 1.引言
• 2.Stream
• • 核心特性
  • 核心命令
  • 应用场景：可靠消息队列
• 3.Geospatial
• • 核心特性：高效处理地理坐标
  • 核心命令
  • 应用场景：地理相关需求
• [4. HyperLogLog](#4. HyperLogLog)
• • 核心特性：用空间换精度，适合海量去重
  • 核心命令
  • 应用场景
• 5.Bitmap
• • 核心特性
  • 核心命令
  • 应用场景
  • [与 HyperLogLog 的区别](#与 HyperLogLog 的区别)
• [6. Bitfields](#6. Bitfields)
• • 核心特性
  • 核心命令
• 6.小结

1.引言

Redis 的 String、List、Hash、Set、ZSet 五大基础类型已能覆盖大部分场景，但针对 "消息队列""地理位置""海量去重计数""空间优化存储" 等细分需求，Redis 提供了 5 种特殊数据类型 ------Stream（高级消息队列）、Geospatial（地理位置）、HyperLogLog（海量去重计数）、Bitmap（位图）、Bitfields（位域）。它们虽不像基础类型那样通用，却在各自领域做到了 "高效 + 省空间"，是分布式系统中解决特定问题的 "利器"。本文将逐一拆解这 5 种类型的核心特性、命令与应用场景，帮你掌握 "什么时候用、怎么用"。

2.Stream

Stream 是 Redis 5.0 新增的类型，专为 "可靠消息队列" 设计，解决了 List 实现消息队列时 "无消息确认、无重复消费防护" 的痛点，是 Redis 作为消息中间件的核心支撑。

stream就是一个阻塞队列

是redis作为一个消息队列的重要支撑

属于是List blpop / brpop 的升级版本

核心特性

• 消息持久化：Stream 中的消息会持久化到 RDB 和 AOF，Redis 重启后消息不丢失（List 的消息若未手动持久化，重启后可能丢失）；
• 消息确认机制：消费者读取消息后需手动 "确认"（ACK），未确认的消息会重新进入待消费队列，避免消息丢失；
• 分组消费：支持多个 "消费组" 同时消费同一个 Stream，每个消费组内可有多个消费者，实现 "消息广播" 与 "负载均衡"；
• 阻塞读取：支持类似 Listbrpop的阻塞读取，且能指定 "从最新消息开始读" 或 "从历史消息开始读"，灵活应对不同场景。

核心命令

xadd key * field value [field value ...]（生产消息）

• 功能：向 Stream 中添加一条消息；*表示让 Redis 自动生成唯一消息 ID（格式为 "时间戳 - 序列号"，如1717200000-0）；field-value为消息内容（支持多字段，类似 Hash）。

xreadgroup GROUP groupName consumerName COUNT count STREAMS key ID（消费消息）

• 功能：消费组内的消费者读取 Stream 消息；GROUP指定消费组名，consumerName指定消费者名，COUNT指定单次读取条数，ID指定从哪个消息 ID 开始读（>表示读最新未消费消息，0表示读历史消息）。

xack key groupName msgId [msgId ...]（确认消息）

• 功能：消费者处理完消息后，向 Stream 确认 "消息已处理"，避免消息重新进入待消费队列。

应用场景：可靠消息队列

• 订单状态流转：订单创建后，通过 Stream 发送 "订单待支付" 消息，支付服务消费后处理支付，处理完确认消息；若支付失败，消息不确认，会被重新消费
• 日志收集：多台服务器将日志通过xadd写入 Stream，日志服务通过消费组批量消费日志，实现 "分布式日志集中收集"。

3.Geospatial

Geospatial（简称 GEO）专为存储 "经纬度坐标" 设计，支持 "按距离查找附近地点""按区域查找地点" 等地理相关操作，适用于 "附近的人""周边商户推荐" 等场景。

核心特性：高效处理地理坐标

• 坐标存储：底层通过 Zset 实现（将经纬度编码为score，地点名称为member），支持 O (logN) 的增删查效率；
• 距离计算：支持计算两个地点之间的直线距离（单位可选米、千米、英里等）；
• 范围查询：支持两种范围查询 ------"按半径查找圆形区域内的地点""按矩形区域查找范围内的地点"。

核心命令

geoadd key longitude latitude member [longitude latitude member ...]（添加地理坐标）

• 功能：向 GEO 类型中添加一个或多个 "经纬度 - 地点" 对；longitude为经度（范围 - 180~180），latitude为纬度（范围 - 90~90），member为地点名称。

georadius key longitude latitude radius m|km|mi|ft [WITHCOORD] [WITHDIST] [COUNT count]（按半径查附近地点）

• 功能：以 "指定经纬度" 为中心，查找半径radius范围内的地点；m/km/mi/ft分别表示米、千米、英里、英尺；WITHCOORD返回地点经纬度，WITHDIST返回地点到中心的距离，COUNT限制返回条数

geodist key member1 member2 [m|km|mi|ft]（计算两点距离）

• 功能：计算两个地点之间的直线距离，返回距离值（单位默认米）。

应用场景：地理相关需求

• 附近的人：存储用户实时经纬度，通过georadius查找 "以当前用户为中心，1 千米内的其他用户"；
• 周边商户推荐：存储商户坐标，用户打开 App 时，查找 "500 米内的餐厅 / 便利店"，并按距离排序展示。

4. HyperLogLog

HyperLogLog（简称 HLL）是一种 "概率性数据结构"，核心功能只有一个 ------估算集合中的元素个数（去重计数），特点是 "占用空间极小（固定约 12KB），支持海量数据（亿级）"，但存在 0.81% 左右的计数误差。

核心特性：用空间换精度，适合海量去重

• 固定空间：无论统计的元素个数是 100 还是 1 亿，HyperLogLog 始终占用约 12KB 内存（对比 Set：1 亿个 8 字节的用户 ID 需 800MB 内存）；
• 去重计数：自动实现元素去重，重复添加的元素不会重复计数（如同一用户多次访问，仅计 1 次 UV）；
• 概率估算：计数结果存在 0.81% 的误差，适合 "对精度要求不高，对内存敏感" 的场景（如 UV 统计、访问量统计）；
• 不存元素：仅记录元素的 "特征"（用于判断是否新元素），无法获取具体元素内容（区别于 Set）。

核心命令

pfadd key element [element ...]（添加元素）

• 功能：向 HyperLogLog 中添加一个或多个元素；重复添加的元素会被自动忽略。

pfcount key [key ...]（统计元素个数）

• 功能：估算 HyperLogLog 中元素的去重个数；支持同时统计多个 HyperLogLog 的合并个数。

pfmerge destkey sourcekey [sourcekey ...]（合并多个 HLL）

• 功能：将多个 HyperLogLog 的元素合并到destkey中，destkey的计数结果为所有源 HLL 的 "去重合并个数"。

应用场景

• UV 统计：统计网站 / APP 的独立访客数（无需精确到个位数，0.81% 误差可接受）；
• 搜索关键词去重：统计某段时间内用户搜索的 "不重复关键词个数"，无需存储具体关键词；
• 设备去重：统计连接 WiFi 的 "不重复设备数"，海量设备场景下节省内存。

5.Bitmap

Bitmap（位图）是一种 "按位存储" 的数据结构，本质是一个二进制字符串（如010110），每个比特位（bit）对应一个 "状态"（0 或 1），支持 "位级别的读写操作"，核心优势是 "极致节省空间"（1 字节 = 8 比特，可存储 8 个整数的状态）。

核心特性

• 空间高效：存储 100 万个整数的状态（如 "是否在线"），仅需约 125KB 内存（1000000 / 8 / 1024 ≈ 122KB）；
• 位级操作：支持 "设置某比特位的值""获取某比特位的值""统计所有 1 的个数" 等操作，时间复杂度均为 O (1)；
• 整数映射：适合存储 "整数型 ID" 的状态（如用户 ID、设备 ID），每个 ID 对应一个比特位（ID 为比特位的下标）。

核心命令

setbit key offset value（设置某比特位的值）

• 功能：设置 Bitmap 中 "下标为offset" 的比特位的值（value为 0 或 1）；offset为非负整数（对应整数 ID，如用户 ID=100，offset=100）。

getbit key offset（获取某比特位的值）

• 功能：获取 Bitmap 中 "下标为offset" 的比特位的值（0 或 1）；若offset超出当前 Bitmap 长度，返回 0。

bitcount key [start end]（统计 1 的个数）

• 功能：统计 Bitmap 中 "所有比特位为 1" 的个数；start和end为字节下标（可选，默认统计所有字节），用于限定统计范围。

应用场景

• 用户在线状态：每个用户 ID 对应一个比特位（如用户 1001 对应offset=1001），1 = 在线，0 = 离线。通过setbit实时更新状态，bitcount快速统计在线人数，getbit查询单个用户状态 ------ 相比用 Set 存储 "在线用户 ID"，内存占用降低 8 倍以上。
• 签到功能：用sign:user:1001存储用户 1001 的月度签到记录，offset为日期（1-31），1 = 已签到，0 = 未签到。例如 "3 号签到" 调用setbit sign:user:1001 3 1，月末用bitcount sign:user:1001统计当月签到天数，高效且省空间。
• 数据权限标记：用 Bitmap 存储 "用户对资源的权限"，如perm:user:1001中，offset=1表示 "查看权限"，offset=2表示 "编辑权限"，1 = 拥有权限，0 = 无权限。通过setbit授予 / 收回权限，getbit验证权限，逻辑简洁。

与 HyperLogLog 的区别

两者虽都 "省空间"，但核心用途完全不同：

对比维度	Bitmap	HyperLogLog
核心功能	存储整数 ID 的 "状态"（0/1），支持查询单个状态	估算集合元素个数（去重计数），不存状态
数据可读性	可通过getbit查询单个 ID 的状态	无法查询单个元素是否存在
适用场景	用户在线、签到、权限标记	UV 统计、关键词去重计数

6. Bitfields

Bitfields（位域）是 Bitmap 的 "进阶版"------ 它将一个二进制字符串（字节数组）拆分为多个 "位段"（Bit Segment），每个位段赋予独立含义（如用 3 位存 "年龄段"，2 位存 "性别"），支持对单个位段进行 "读取、修改、算术运算"，核心目标是 "在极小空间内存储多维度整数信息"。

核心特性

• 位段自定义：可自由定义每个位段的 "长度" 和 "符号"（无符号 / 有符号），例如用 4 位存 "等级"（0-15），5 位存 "积分"（0-31）；
• 多操作批量执行：支持在一个bitfields命令中批量执行多个位段操作（如同时读取 "等级" 和 "积分"），减少网络请求；
• 安全算术运算：对位点段执行 "加 / 减" 时，自动检测溢出并返回溢出状态，避免数据错误（如 3 位无符号位段最大为 7，加 1 溢出时返回溢出标记）。

核心命令

bitfields key [GET type offset] [SET type offset value] [INCRBY type offset increment] [OVERFLOW WRAP|SAT|FAIL]

bitfields是一个 "复合命令"，通过子命令（GET/SET/INCRBY）实现不同操作，type表示位段类型（如u3=3 位无符号，i4=4 位有符号），offset表示位段在二进制字符串中的起始位置（从 0 开始）。

6.小结

类型	核心功能	空间效率	典型场景	关键限制
Stream	高级消息队列，支持 ACK、分组消费	中等（按消息条数增长）	订单状态流转、分布式日志收集	不支持消息延迟发送（需额外开发）
Geospatial	存储经纬度，支持距离 / 范围查询	中等（底层 Zset）	附近的人、周边商户推荐	仅支持二维平面距离计算（不支持海拔）
HyperLogLog	海量元素去重计数（估算）	极高（固定 12KB）	UV 统计、关键词去重计数	存在 0.81% 误差，无法查询单个元素
Bitmap	位级存储整数 ID 状态（0/1）	极高（1 字节存 8 个状态）	用户在线、签到、权限标记	仅支持整数 ID，不适合多维度信息
Bitfields	拆分位段，存储多维度小整数	极高（自定义位段长度）	用户画像、设备状态、游戏属性	位段长度有限（最大 64 位），适合小整数

Redis 的五大特殊类型，本质是针对 "细分场景" 的 "专精工具"------ 它们不像 String、Hash 那样通用，却在各自领域做到了 "效率与空间的极致平衡"：

• Stream 解决了 "可靠消息队列" 的痛点，让 Redis 能替代轻量级中间件；
• Geospatial 让 Redis 具备 "地理计算" 能力，无需依赖专门的地理数据库；
• HyperLogLog 用 12KB 搞定亿级去重计数，突破内存限制；
• Bitmap 和 Bitfields 则将 "位操作" 用到极致，在小空间内存储更多信息。

使用这些特殊类型时，关键是 "不滥用"------ 先明确业务需求是否属于它们的 "专精领域"，再结合空间、精度、操作成本选择。