2.Redis7核心数据结构

Redis7 核心数据结构

- [📋 知识体系总览](#📋 知识体系总览)
- [Redis7 数据结构全景](#Redis7 数据结构全景)
- - [✅ Redis7 有哪些数据结构](#✅ Redis7 有哪些数据结构)
  - [✅ 永远的神：help 命令](#✅ 永远的神：help 命令)
- 一、核心数据结构
- - [✅1. String 字符串](#✅1. String 字符串)
  - - 字符串常用操作
    - 原子加减操作
    - [Key 的层级结构](#Key 的层级结构)
    - [String 常见应用场景](#String 常见应用场景)
  - [✅2. Hash 哈希](#✅2. Hash 哈希)
  - - [Hash 常用操作](#Hash 常用操作)
    - [String vs Hash 存储对象对比](#String vs Hash 存储对象对比)
    - [Hash 应用场景](#Hash 应用场景)
    - [Hash 结构优缺点](#Hash 结构优缺点)
  - [✅3. List 列表](#✅3. List 列表)
  - - [List 常用操作](#List 常用操作)
    - [List 应用场景](#List 应用场景)
    - [List 注意事项](#List 注意事项)
  - [✅4. Set 集合](#✅4. Set 集合)
  - - [Set 常用操作](#Set 常用操作)
    - [Set 运算操作](#Set 运算操作)
    - [Set 应用场景](#Set 应用场景)
  - [✅5. ZSet 有序集合](#✅5. ZSet 有序集合)
  - - [ZSet 常用操作](#ZSet 常用操作)
    - [ZSet 集合运算](#ZSet 集合运算)
    - [ZSet 应用场景：排行榜](#ZSet 应用场景：排行榜)
- 二、扩展数据结构
- - [✅6. Bitmap 位图](#✅6. Bitmap 位图)
  - - [Bitmap 常用操作](#Bitmap 常用操作)
    - [Bitmap 应用场景：每日签到](#Bitmap 应用场景：每日签到)
  - [✅7. HyperLogLog](#✅7. HyperLogLog)
  - - [HyperLogLog 常用操作](#HyperLogLog 常用操作)
    - 使用示例
  - [✅8. Geo 地理位置](#✅8. Geo 地理位置)
  - - [Geo 常用操作](#Geo 常用操作)
    - [Geo 应用场景：附近商家推荐](#Geo 应用场景：附近商家推荐)
- 三、高级数据结构
- - [✅9. Stream 消息流](#✅9. Stream 消息流)
  - - [Stream 常用操作](#Stream 常用操作)
    - [Stream 消费者组操作](#Stream 消费者组操作)
- [四、SpringBoot 集成 Redis](#四、SpringBoot 集成 Redis)
- - [✅10. Maven 依赖与配置](#✅10. Maven 依赖与配置)
  - [✅11. RestTemplate 快速上手](#✅11. RestTemplate 快速上手)
  - [✅12. RedisTemplate 解决中文乱码](#✅12. RedisTemplate 解决中文乱码)
- [📋 全文总结](#📋 全文总结)
- - [✅1. 数据结构总览对比](#✅1. 数据结构总览对比)
  - [✅2. 面试高频考点](#✅2. 面试高频考点)
  - [✅3. 数据结构选择决策树](#✅3. 数据结构选择决策树)

📋 知识体系总览

复制代码

Redis7 核心数据结构
├── 数据结构全景
│   ├── ✅ 核心版 vs 扩展版
│   └── ✅ help 命令
├── 一、核心数据结构
│   ├── ✅1. String 字符串
│   ├── ✅2. Hash 哈希
│   ├── ✅3. List 列表
│   ├── ✅4. Set 集合
│   └── ✅5. ZSet 有序集合
├── 二、扩展数据结构
│   ├── ✅6. Bitmap 位图
│   ├── ✅7. HyperLogLog
│   └── ✅8. Geo 地理位置
├── 三、高级数据结构
│   └── ✅9. Stream 消息流
└── 四、SpringBoot 集成 Redis
    ├── ✅10. Maven 依赖与配置
    ├── ✅11. RestTemplate 快速上手
    └── ✅12. RedisTemplate 中文乱码解决

Redis7 数据结构全景

✅ Redis7 有哪些数据结构

Redis7 的数据结构分为核心版 和扩展版两大类别：

✅ 永远的神：help 命令

在 Redis 中，help 命令是学习数据结构的最佳入口，通过 help @<group> 可以查看任意数据结构的完整命令列表。

📝 面试要点： 面试官常问"Redis有哪些数据结构？"，标准回答是：5 种核心数据结构（String、Hash、List、Set、ZSet）+ 4 种扩展数据结构（Bitmap、HyperLogLog、Geo、Stream）。Bitmap 本质是 String 的位操作，Geo 基于 ZSet 实现。

一、核心数据结构

✅1. String 字符串

📝 关键理解： String 是 Redis 中最基础的数据类型，其 value 根据字符串格式不同分为 3 类：string（普通字符串）、int（整数类型）、float（浮点类型），其中 int 和 float 可以做自增自减操作。底层是动态字符串（SDS）。最大容量 512MB。

字符串常用操作

命令	说明
`SET key value`	存入字符串键值对（key 不存在则新增，存在则修改）
`GET key`	获取一个字符串键值
`MSET key value [key value ...]`	批量存储字符串键值对
`MGET key [key ...]`	批量获取字符串键值
`SETNX key value`	存入一个不存在的字符串键值对
`SETEX key seconds value`	存入字符串键值对并指定有效期（秒）
`DEL key [key ...]`	删除一个键
`EXPIRE key seconds`	设置一个键的过期时间（秒）
`APPEND key value`	向字符串末尾追加内容

使用示例：

bash 复制代码

127.0.0.1:6379> set name Rose     # key 不存在则新增
OK
127.0.0.1:6379> get name
"Rose"
127.0.0.1:6379> set name Jack     # key 已存在则修改
OK
127.0.0.1:6379> get name
"Jack"

127.0.0.1:6379> MSET k1 v1 k2 v2 k3 v3
OK
127.0.0.1:6379> MGET name k1 k2 k3
1) "Jack"
2) "v1"
3) "v2"
4) "v3"

原子加减操作

命令	说明
`INCR key`	将 key 中储存的数字值加 1
`DECR key`	将 key 中储存的数字值减 1
`INCRBY key increment`	将 key 所储存的值加上 increment（负数则减）
`DECRBY key decrement`	将 key 所储存的值减去 decrement

使用示例：

bash 复制代码

127.0.0.1:6379> set age 10
OK
127.0.0.1:6379> incr age          # 自增1
(integer) 11
127.0.0.1:6379> incrby age 2      # 自增2
(integer) 13
127.0.0.1:6379> incrby age -1     # 加负数 = 减
(integer) 12
127.0.0.1:6379> decr age          # 自减1
(integer) 11

Key 的层级结构

Redis 没有类似 MySQL 的 Table 概念，如何区分不同类型的 key 呢？可以通过给 key 添加前缀，用 : 分隔多个单词，形成层级结构：

复制代码

多级 key 格式：项目名:业务名:类型:id

例如：

user 相关：test:user:1
product 相关：test:product:1

如果 Value 是一个 Java 对象，可以将对象序列化为 JSON 字符串后存储：

复制代码

test:user:1  →  {"id":1, "name": "Jack", "age": 21}
test:product:1 → {"id":1, "name": "小米11", "price": 4999}

在可视化界面中，Redis 会以层级结构来展示，更加直观方便管理。

String 常见应用场景

① 单值缓存：

bash 复制代码

SET key value
GET key

② 对象缓存：

bash 复制代码

-- 方式一：JSON 字符串（简单，但不能单独操作字段）
SET user:1 '{"name":"roy","balance":1888}'

-- 方式二：多键存储（推荐，便于单独操作每个属性）
MSET user:1:name roy user:1:balance 1888
MGET user:1:name user:1:balance

③ 分布式锁：

bash 复制代码

SETNX product:10001 true          # 返回1=获取锁成功，返回0=失败
-- 执行业务操作
DEL product:10001                 # 执行完业务释放锁

-- 推荐写法（原子操作：加锁 + 设置过期时间，防止死锁）
SET product:10001 true EX 10 NX

✅2. Hash 哈希

📝 关键理解： Hash 类型，也叫散列，其 value 是一个无序字典，类似于 Java 中的 HashMap 结构。适合存储对象，将一个对象的多个属性存储在一个 key 下，可以针对单个 field 做 CRUD。底层使用 listpack（小数据量）或 hashtable（大数据量）。

Hash 常用操作

命令	说明
`HSET key field value`	存储一个哈希表 key 的键值（field 不存在则新增，存在则修改）
`HGET key field`	获取哈希表 key 对应的 field 键值
`HSETNX key field value`	存储一个不存在的哈希表 key 的键值
`HMSET key field value [field value ...]`	在一个哈希表 key 中存储多个键值对
`HMGET key field [field ...]`	批量获取哈希表 key 中多个 field 键值
`HGETALL key`	返回哈希表 key 中所有的 field 和 value
`HKEYS key`	获取一个 hash 类型的 key 中的所有 field
`HVALS key`	获取一个 hash 类型的 key 中的所有 value
`HDEL key field [field ...]`	删除哈希表 key 中的 field 键值
`HLEN key`	返回哈希表 key 中 field 的数量
`HINCRBY key field increment`	为哈希表 key 中 field 键的值加上增量 increment

使用示例：

bash 复制代码

127.0.0.1:6379> HSET heima:user:3 name Lucy   # field 不存在则新增
(integer) 1
127.0.0.1:6379> HSET heima:user:3 age 21
(integer) 1
127.0.0.1:6379> HSET heima:user:3 age 17      # field 存在则修改
(integer) 0
127.0.0.1:6379> HGET heima:user:3 name
"Lucy"
127.0.0.1:6379> HGET heima:user:3 age
"17"

127.0.0.1:6379> HMSET heima:user:4 name LiLei age 20 sex man
OK
127.0.0.1:6379> HMGET heima:user:4 name age sex
1) "LiLei"
2) "20"
3) "man"

127.0.0.1:6379> HGETALL heima:user:4
1) "name"
2) "LiLei"
3) "age"
4) "20"
5) "sex"
6) "man"

127.0.0.1:6379> HKEYS heima:user:4
1) "name"
2) "age"
3) "sex"

127.0.0.1:6379> HINCRBY heima:user:4 age 2    # age 自增2
(integer) 22

String vs Hash 存储对象对比

方式	写法	优点	缺点
String（JSON）	`SET user:1 '{"name":"Jack","age":21}'`	简单直接	修改单个字段需反序列化整个 JSON
String（多键）	`MSET user:1:name Jack user:1:age 21`	可单独操作每个属性	key 数量多，管理不便
Hash	`HSET user:1 name Jack age 21`	归类整合、节省空间、可单独操作 field	field 不支持独立设置过期时间

Hash 应用场景

① 对象缓存：

bash 复制代码

HSET user:1 name roy balance 1888
HMGET user:1 name balance

② 电商购物车：

以用户 id 为 key
商品 id 为 field
商品数量为 value

bash 复制代码

-- 添加商品
HSET cart:1001 10088 1

-- 增加数量
HINCRBY cart:1001 10088 1

-- 商品总数
HLEN cart:1001

-- 删除商品
HDEL cart:1001 10088

-- 获取购物车所有商品
HGETALL cart:1001

Hash 结构优缺点

优点	缺点
同类数据归类整合储存，方便数据管理	过期功能不能使用在 field 上，只能用在 key 上
相比 string 操作消耗内存与 CPU 更小	Redis 集群架构下不适合大规模使用
相比 string 储存更节省空间	---

✅3. List 列表

📝 关键理解： List 与 Java 中的 LinkedList 类似，底层是一个双向链表。支持正向和反向检索。特征：有序、元素可重复、插入删除快、查询速度一般。一个 list 的容量是 2^32-1 个元素（约 40 多亿）。使用时要注意大 key 问题。

List 常用操作

命令	说明
`LPUSH key value [value ...]`	将一个或多个值插入到 key 列表的表头（最左边）
`RPUSH key value [value ...]`	将一个或多个值插入到 key 列表的表尾（最右边）
`LPOP key`	移除并返回 key 列表的头元素，列表为空则返回 nil
`RPOP key`	移除并返回 key 列表的尾元素，列表为空则返回 nil
`LRANGE key start stop`	返回列表 key 中指定区间内的元素（-1 表示到末尾）
`BLPOP key [key ...] timeout`	从表头弹出元素，若无元素则阻塞等待 timeout 秒（timeout=0 一直阻塞）
`BRPOP key [key ...] timeout`	从表尾弹出元素，若无元素则阻塞等待 timeout 秒（timeout=0 一直阻塞）

使用示例：

bash 复制代码

127.0.0.1:6379> LPUSH users 1 2 3      # 左进：3 2 1
(integer) 3
127.0.0.1:6379> RPUSH users 4 5 6      # 右进：3 2 1 4 5 6
(integer) 6
127.0.0.1:6379> LPOP users             # 左出：弹出3
"3"
127.0.0.1:6379> RPOP users             # 右出：弹出6
"6"
127.0.0.1:6379> LRANGE users 0 -1      # 查看所有元素
1) "2"
2) "1"
3) "4"
4) "5"

List 应用场景

常用数据结构组合：

复制代码

Stack（栈）            = LPUSH + LPOP
Queue（队列）          = LPUSH + RPOP
Blocking MQ（阻塞队列）  = LPUSH + BRPOP

常见业务场景：

视频列表、签到列表
排队机
简化版的 MQ（消息队列）

List 注意事项

一个 list 的容量是 2^32-1 个元素，大概 40 多亿。但在应用时，要注意大 key 问题。
list 的底层是一个双向链表，对双端的操作性能很高。但是通过索引下标直接操作某一个中间节点的性能就会比较低。

✅4. Set 集合

📝 关键理解： Set 是无序不重复集合，底层使用 listpack（小数据量）或 hashtable。支持交并差集运算，适合做标签、点赞、抽奖等场景。

Set 常用操作

命令	说明
`SADD key member [member ...]`	往集合 key 中存入元素，元素存在则忽略，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 运算操作

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

Set 应用场景

① 微信抽奖小程序：

bash 复制代码

-- 点击参与抽奖加入集合
SADD key {userID}

-- 查看参与抽奖所有用户
SMEMBERS key

-- 抽取 count 名中奖者
SRANDMEMBER key [count]     -- 不删除元素，可重复中奖
SPOP key [count]            -- 删除元素，不可重复中奖

② 微信/微博点赞、收藏、标签：

bash 复制代码

-- 点赞
SADD like:{消息ID} {用户ID}

-- 取消点赞
SREM like:{消息ID} {用户ID}

-- 检查用户是否点过赞
SISMEMBER like:{消息ID} {用户ID}

-- 获取点赞的用户列表
SMEMBERS like:{消息ID}

-- 获取点赞用户数
SCARD like:{消息ID}

③ 集合运算实现社交关系：

bash 复制代码

SINTER set1 set2    → 共同关注的人
SUNION set1 set2    → 朋友圈所有人
SDIFF set1 set2     → 可能认识的人（推荐好友）

④ 社交好友关系实战练习：

需求：

张三的好友有：李四、王五、赵六
李四的好友有：王五、麻子、二狗

bash 复制代码

127.0.0.1:6379> SADD zs lisi wangwu zhaoliu
(integer) 3
127.0.0.1:6379> SADD ls wangwu mazi ergou
(integer) 3

-- 计算张三好友有几人
127.0.0.1:6379> SCARD zs
(integer) 3

-- 计算张三和李四的共同好友
127.0.0.1:6379> SINTER zs ls
1) "wangwu"

-- 查询哪些人是张三好友却不是李四好友
127.0.0.1:6379> SDIFF zs ls
1) "zhaoliu"
2) "lisi"

-- 查询张三和李四的全部好友
127.0.0.1:6379> SUNION zs ls
1) "wangwu"
2) "zhaoliu"
3) "lisi"
4) "mazi"
5) "ergou"

-- 判断李四是否是张三的好友
127.0.0.1:6379> SISMEMBER zs lisi
(integer) 1               # 返回1：是好友

-- 将李四从张三的好友列表中移除
127.0.0.1:6379> SREM zs lisi
(integer) 1

✅5. ZSet 有序集合

📝 关键理解： ZSet 与 Java 中的 TreeSet 类似，每个元素关联一个 score 用于排序。底层使用 listpack（小数据量）+ skiplist（跳跃表）+ hashtable。可排序、元素不重复、查询速度快。适合排行榜场景。

ZSet 常用操作

命令	说明
`ZADD key score member [[score member]...]`	往有序集合 key 中加入带分值元素（已存在则更新 score）
`ZREM key member [member ...]`	从有序集合 key 中删除元素
`ZSCORE key member`	返回有序集合 key 中元素 member 的分值
`ZRANK key member`	获取指定元素的排名（从 0 开始，按分数从小到大）
`ZREVRANK key member`	获取指定元素的排名（从 0 开始，按分数从大到小）
`ZCARD key`	返回有序集合 key 中元素个数
`ZCOUNT key min max`	统计有序集合中分数在给定范围内的元素个数
`ZINCRBY key increment member`	为有序集合 key 中元素 member 的分值加上 increment
`ZRANGE key start stop [WITHSCORES]`	正序获取有序集合 key 从 start 下标到 stop 下标的元素
`ZREVRANGE key start stop [WITHSCORES]`	倒序获取有序集合 key 从 start 下标到 stop 下标的元素
`ZRANGEBYSCORE key min max [WITHSCORES]`	按 score 排序后，获取指定 score 范围内的元素

📝 注意： 所有排名默认都是升序，如果要降序则在命令的 Z 后面加 REV。例如：ZRANK（升序排名）→ ZREVRANK（降序排名）；ZRANGE（升序获取）→ ZREVRANGE（降序获取）。

ZSet 集合运算

命令	说明
`ZUNIONSTORE destkey numkeys key [key ...]`	并集计算
`ZINTERSTORE destkey numkeys key [key ...]`	交集计算
`ZDIFFSTORE destkey numkeys key [key ...]`	差集计算

ZSet 应用场景：排行榜

bash 复制代码

-- 1）用户点击新闻，增加热度
ZINCRBY hotNews:20190819 1 守护香港

-- 2）展示当日排行前十（按热度倒序）
ZREVRANGE hotNews:20190819 0 9 WITHSCORES

-- 3）七日搜索榜单计算（合并7天的数据）
ZUNIONSTORE hotNews:20190813-20190819 7 \
  hotNews:20190813 hotNews:20190814 ... hotNews:20190819

-- 4）展示七日排行前十
ZREVRANGE hotNews:20190813-20190819 0 9 WITHSCORES

二、扩展数据结构

✅6. Bitmap 位图

📝 关键理解： Bitmap 本质是 String 的位操作，用一个 bit 位来表示某个元素对应的值或状态。最大优势是节省空间，适合只有两个状态的数据统计。

Bitmap 常用操作

命令	说明
`SETBIT key offset value`	将一个二进制数组的 offset 位置设置成 value（0 或 1）
`GETBIT key offset`	返回一个二进制数组的 offset 位置的值
`BITCOUNT key [start end [BYTE	BIT]]`
`BITPOS key bit [start [end [BYTE	BIT]]]`
`BITOP AND	OR

Bitmap 应用场景：每日签到

bash 复制代码

-- 1号用户第100天完成了签到
SETBIT dailycheck:1 100 1

-- 统计1号用户的签到次数
BITCOUNT dailycheck:1

-- 统计1号用户第一天签到的时间
BITPOS dailycheck:1 1

优点：快速、高效、节省空间。

✅7. HyperLogLog

📝 关键理解： HyperLogLog 用于统计一个集合中不重复的元素个数（基数统计）。它不保存具体数据，占用空间极小（12KB），但有约 0.81% 的误差率。典型应用场景：统计网站的 UV。

HyperLogLog 常用操作

命令	说明
`PFADD key element [element ...]`	添加元素到 HyperLogLog
`PFCOUNT key [key ...]`	返回 HyperLogLog 的基数估算值
`PFMERGE destkey sourcekey [sourcekey ...]`	将多个 HyperLogLog 合并为一个

使用示例

bash 复制代码

-- 添加用户访问记录
PFADD visitlog 192.168.65.111 192.168.65.112 192.168.65.111

-- 统计不同的独立访客（UV）
PFCOUNT visitlog

📝 面试要点： HyperLogLog 和 Set 都可以做去重统计，但 HyperLogLog 不存储原始数据，内存占用仅 12KB，适合超大数据量的去重统计（如亿级 UV）。Set 精确但占内存，适合小数据量精确去重。

✅8. Geo 地理位置

📝 关键理解： Geo 基于 ZSet 实现，用于存储地理位置信息（经纬度），支持距离计算、附近搜索等。底层使用 GeoHash 算法将二维坐标编码为一个字符串。

Geo 常用操作

命令	说明
`GEOADD key [NX	XX] [CH] longitude latitude member [...]`
`GEOPOS key [member [member ...]]`	返回地址的经纬度
`GEODIST key member1 member2 [M	KM
`GEORADIUS key longitude latitude radius M	KM
`GEOSEARCH key FROMMEMBER member	FROMLONLAT longitude latitude BYRADIUS radius ...`

Geo 应用场景：附近商家推荐

获取经纬度坐标：https://api.map.baidu.com/lbsapi/getpoint/index.html

bash 复制代码

-- 添加商家地址
GEOADD changsha 113.017489 28.200454 火车站 \
                112.96903 28.201195 橘子洲 \
                113.017031 28.199706 赛格广场 \
                113.017004 28.197677 国储

-- 查询两个地点之间的距离
GEODIST changsha 火车站 橘子洲 M

-- 查找火车站附近 2KM 内的景点
GEORADIUSBYMEMBER changsha 火车站 2 KM WITHdist WITHcoord COUNT 4 WITHhash

三、高级数据结构

✅9. Stream 消息流

📝 关键理解： Stream 是 Redis 版的 MQ（消息队列），结合了阻塞队列 + pub/sub 的特性。优点是轻量级、低延迟，但企业应用中较少直接使用 Redis Stream，更多选择专业的 MQ 如 Kafka、RocketMQ 等。了解即可。

Stream 常用操作

命令	说明
`XADD key [NOMKSTREAM] [MAXLEN	MINID ...] *
`XDEL key id [id ...]`	删除队列中的一条消息
`XLEN key`	获取队列的长度
`XRANGE key start end [COUNT count]`	查询队列中的消息

Stream 消费者组操作

bash 复制代码

-- 创建队列，并添加消息（*表示让系统自动生成ID）
XADD mystream * name loulan name roy name admin

-- 查看队列消息（- 队列开始，+ 队列结尾）
XRANGE mystream - +

-- 创建消费者组（0 从队列头部开始消费，$ 从队列尾部开始消费）
XGROUP CREATE mystream groupA 0

-- 消费消息（> 表示从第一条未被消费过的消息消费）
XREADGROUP GROUP groupA consumer1 COUNT 2 STREAMS mystream >

-- 查看消费者组的消费进度
XPENDING mystream groupA

四、SpringBoot 集成 Redis

✅10. Maven 依赖与配置

Maven 依赖：

xml 复制代码

<dependency>
    <groupId>org.springframework.boot</groupId>
    <artifactId>spring-boot-starter-data-redis</artifactId>
</dependency>

核心配置（application.yml）：

yaml 复制代码

spring:
  data:
    redis:
      host: 192.168.65.214
      port: 6379
      password: 123qweasd
      # ... 更多配置

✅11. RestTemplate 快速上手

记住一个对象：

java 复制代码

@Resource
private RedisTemplate<String, Object> redisTemplate;

按组操作：

java 复制代码

redisTemplate.opsForValue().xxx           // String 类型
redisTemplate.opsForSet().xxx             // Set 类型
redisTemplate.opsForHash().xxx            // Hash 类型
redisTemplate.opsForList().xxx            // List 类型
redisTemplate.opsForZset().xxx            // ZSet 类型
redisTemplate.opsForGeo().xxx             // Geo 类型
redisTemplate.opsForHyperLogLog().xxx     // HyperLogLog 类型
redisTemplate.opsForStream().xxx          // Stream 类型
redisTemplate.opsForValue().setBit()      // Bitmap 类型（基于 String）

📝 注意： Bitmap 没有单独的操作类型（opsForBit），而是通过 opsForValue().setBit() 来操作，因为 Bitmap 本质上是基于 String 的位操作。

✅12. RedisTemplate 解决中文乱码

java 复制代码

@Bean
public RedisTemplate<String, Object> redisTemplate(RedisConnectionFactory redisConnectionFactory) {
    RedisTemplate<String, Object> redisTemplate = new RedisTemplate<>();
    redisTemplate.setConnectionFactory(redisConnectionFactory);

    // GenericJackson2JsonRedisSerializer jsonSerializer = new GenericJackson2JsonRedisSerializer();
    StringRedisSerializer stringRedisSerializer = new StringRedisSerializer();
    GenericToStringSerializer<String> genericToStringSerializer = new GenericToStringSerializer<>(String.class);

    // 指定 key 和 value 的序列化方式
    redisTemplate.setKeySerializer(stringRedisSerializer);
    redisTemplate.setValueSerializer(genericToStringSerializer);
    redisTemplate.setHashKeySerializer(stringRedisSerializer);
    redisTemplate.setHashValueSerializer(stringRedisSerializer);

    redisTemplate.afterPropertiesSet();
    return redisTemplate;
}

📋 全文总结

✅1. 数据结构总览对比

数据结构	底层实现	特点	典型场景
String	SDS（动态字符串）	基础类型，最大 512MB	缓存、分布式锁、计数器
Hash	listpack / hashtable	适合存储对象	对象缓存、购物车
List	quicklist（双向链表）	有序、可重复	栈、队列、阻塞队列
Set	listpack / hashtable	无序、去重	标签、点赞、抽奖、集合运算
ZSet	listpack + skiplist	有序、去重、按分数排序	排行榜
Bitmap	String 位操作	极省空间（1bit/位）	签到、活跃统计
HyperLogLog	概率统计算法	12KB 固定内存，0.81% 误差	UV 统计、大基数去重
Geo	ZSet + GeoHash	地理位置计算	附近的人/店铺
Stream	Rax（基数树）	消息队列	轻量级 MQ

✅2. 面试高频考点

String 实现分布式锁： SET key value EX 10 NX 原子操作，注意锁超时和锁释放的安全性
Hash vs String 存对象： Hash 更节省空间，可以针对单个 field 操作，但 field 不支持独立过期
List 实现的三种结构： Stack = LPUSH+LPOP，Queue = LPUSH+RPOP，Blocking MQ = LPUSH+BRPOP
Set 实现社交关系： SINTER（共同关注）、SUNION（朋友圈）、SDIFF（推荐好友）
ZSet 实现排行榜： ZINCRBY 增加分数，ZREVRANGE 倒序获取排名
HyperLogLog vs Set 做去重： HyperLogLog 省内存但有误差，Set 精确但占内存
Redis Stream vs 专业 MQ： Stream 轻量级、低延迟，但不能持久化、没有 ACK 机制，企业级选 Kafka/RocketMQ

✅3. 数据结构选择决策树

复制代码

需要排序？
├── 是 → 用 ZSet
└── 否 → 需要去重？
    ├── 是 → 统计基数？
    │   ├── 是 → HyperLogLog（大基数估算）
    │   └── 否 → Set / ZSet
    └── 否 → 存对象？
        ├── 是 → Hash（可单字段操作）
        └── 否 → 有队列特性？
            ├── 是 → List / Stream
            └── 否 → String