【Redis 初阶】Set 类型深度解析：去重集合的运算能力与实战场景

🔥草莓熊Lotso： 个人主页
❄️个人专栏: 《C++知识分享》《Linux 入门到实践：零基础也能懂》
✨生活是默默的坚持，毅力是永久的享受！

🎬 博主简介：

文章目录

前言
[一. Set 类型基本介绍](#一. Set 类型基本介绍)
[二. Set 核心命令全解](#二. Set 核心命令全解)
- [2.1 基础增删查：sadd /smembers/sismember /scard](#2.1 基础增删查：sadd /smembers/sismember /scard)
- [2.2 随机操作：spop /srandmember](#2.2 随机操作：spop /srandmember)
- [2.3 移动与删除：smove /srem](#2.3 移动与删除：smove /srem)
- [2.4 集合运算：交、并、差三大操作](#2.4 集合运算：交、并、差三大操作)
- [2.5 命令小结](#2.5 命令小结)
[三. Set 底层编码实现](#三. Set 底层编码实现)
- [3.1 intset 整数集合](#3.1 intset 整数集合)
- [3.2 hashtable 哈希表](#3.2 hashtable 哈希表)
[四. Set 典型应用场景](#四. Set 典型应用场景)
- [4.1 用户标签系统](#4.1 用户标签系统)
- [4.2 共同好友与好友推荐](#4.2 共同好友与好友推荐)
- [4.3 UV 统计](#4.3 UV 统计)
结尾：

前言

前面我们依次拆解了 String、Hash、List 三种核心类型，今天我们来看 Set 集合类型。很多开发者对 Set 的印象只停留在 "自动去重"，但它真正的核心价值是原生支持集合交、并、差运算，在标签系统、好友关系、UV 统计这类场景里，比客户端自己写循环去重要高效得多。本文从基础特性讲起，逐个拆解 Set 的核心命令与生产踩坑点，深入 intset 和 hashtable 两种底层编码的设计逻辑，再结合三个经典业务场景讲透实战用法，带你从 "会用命令" 理解到 "为什么这么设计"。

一. Set 类型基本介绍

先澄清一个术语歧义：Set 在编程语境里有两个常见含义，一是 "集合" 数据结构，二是 "设置" 类操作（比如 set 命令）。本文讲的是集合数据结构类型。

两个核心特性

元素无序 这里的无序是相对于 List 的 "位置有序" 而言的：List 中元素调换顺序就是完全不同的列表；Set 没有位置概念，元素顺序不影响集合本身的同一性。比如 {1,2,3} 和 {2,1,3} 是同一个集合。

注意：这里的无序是 "不保证遍历顺序"，不是 "随机排序"，和 ZSet 按分数排序的有序有本质区别，不要混淆。

元素唯一不重复 同一个元素在集合里只能存在一份，写入重复元素会被自动忽略。这是 Set 最核心的特性，也是绝大多数场景选用它的根本原因。

Set 中的每个元素也都是字符串类型，同样支持存储 JSON 等结构化字符串数据。

二. Set 核心命令全解

Set 相关命令都以 S 为前缀，辨识度很高，我们按功能分组逐一讲解。

2.1 基础增删查：sadd /smembers/sismember /scard

sadd：添加元素

bash 复制代码

SADD key member [member ...]

向集合中添加一个或多个元素，重复元素会被自动忽略。返回值是本次操作成功新增的元素个数。时间复杂度：O (k)，k 为添加的元素个数。

示例：

bash 复制代码

127.0.0.1:6379> sadd tag:1 java redis mysql
(integer) 3
# 重复添加 java，返回 0
127.0.0.1:6379> sadd tag:1 java
(integer) 0

smembers：获取所有元素

bash 复制代码

SMEMBERS key

返回集合中全部元素，结果顺序不固定。时间复杂度：O (N)，N 为集合元素总数。

⚠️ 生产环境红线：和 keys *、hgetall 同理，大集合执行 smembers 会全量遍历，长时间阻塞 Redis 主线程。如果需要遍历大集合，应使用 sscan 渐进式遍历，化整为零避免卡顿。

sismember：判断元素是否存在

bash 复制代码

SISMEMBER key member

判断指定元素是否在集合中，存在返回 1，不存在返回 0。时间复杂度：O(1)，这是哈希表底层结构带来的核心优势，也是去重判断效率极高的原因。

scard：获取元素总数

bash 复制代码

SCARD key

返回集合的元素总个数，时间复杂度 O (1)。底层有专门的计数器记录长度，直接读取即可，不需要遍历。这个命令非常实用，比如统计 UV 总数时，直接用 scard 就能拿到结果。

2.2 随机操作：spop /srandmember

spop：随机弹出元素

bash 复制代码

SPOP key [count]

随机删除并返回集合中的一个或多个元素，count 参数指定弹出数量，默认弹出一个。时间复杂度：O (n)，n 为弹出的元素个数。

因为集合没有头尾的概念，所以 pop 操作是完全随机的。官方文档明确承诺随机行为，源码内部通过生成随机索引来实现。非常适合抽奖、随机选题这类场景。

srandmember：随机获取元素

bash 复制代码

SRANDMEMBER key [count]

随机返回集合中的元素，但只读取不删除。count 可以指定返回个数。和 spop 的区别就是一个移除元素、一个保留元素，适合随机推荐、随机展示这类不需要移除数据的场景。

2.3 移动与删除：smove /srem

smove：移动元素

bash 复制代码

SMOVE source destination member

原子性地将指定元素从源集合移动到目标集合。移动成功返回 1，源集合中不存在该元素则返回 0。时间复杂度：O (1)。

整个操作是原子的，不会出现 "源集合删了、目标集合没加上" 的中间状态，在数据迁移、状态变更场景中非常实用。即使目标集合已经存在该元素，也会正常执行，不会报错。

srem：删除元素

bash 复制代码

SREM key member [member ...]

删除集合中一个或多个元素，返回值是成功删除的元素个数。时间复杂度：O (k)，k 为删除的元素个数。

小提示：Redis 不同命令的返回值规则差异很大，不必死记硬背，用的时候查官方文档最稳妥，常用命令自然会记住。

2.4 集合运算：交、并、差三大操作

这是 Set 最有价值的一组能力，也是它区别于其他数据结构的核心功能。

先明确三个基础概念：

交集：同时出现在所有集合中的元素。例如 A={1,2,3,4}，B={3,4,5,6}，交集为 {3,4}
并集：所有集合的全部元素汇总，重复元素只保留一份。上面例子的并集为 {1,2,3,4,5,6}
差集：在第一个集合存在、但在后续集合中不存在的元素。注意差集不满足交换律：A-B 和 B-A 结果完全不同。上面例子中 A-B={1,2}，B-A={5,6}

每组运算都有两个版本：直接返回结果的版本，和将结果存入新集合的 store 版本。

交集运算：sinter /sinterstore

bash 复制代码

# 直接返回交集结果
SINTER key [key ...]
# 将交集结果存入目标集合，返回交集元素个数
SINTERSTORE destination key [key ...]

时间复杂度：O (N*M)，N 是最小集合的元素个数，M 是最大集合的元素个数。

示例：

bash 复制代码

127.0.0.1:6379> sadd set1 1 2 3 4
127.0.0.1:6379> sadd set2 3 4 5 6
127.0.0.1:6379> sinter set1 set2
1) "3"
2) "4"

# 把交集结果存到新集合 set3
127.0.0.1:6379> sinterstore set3 set1 set2
(integer) 2

生产提醒：多个大集合做交集运算开销较大，可能阻塞主线程。尽量控制集合规模，或者放在业务低峰期执行。

并集运算：sunion /sunionstore

bash 复制代码

# 直接返回并集结果
SUNION key [key ...]
# 将并集结果存入目标集合
SUNIONSTORE destination key [key ...]

时间复杂度：O (N)，N 为所有集合的元素总数。

差集运算：sdiff /sdiffstore

bash 复制代码

# 直接返回差集结果
SDIFF key [key ...]
# 将差集结果存入目标集合
SDIFFSTORE destination key [key ...]

时间复杂度：O (N)，N 为所有集合的元素总数。

store 系列命令非常实用，当运算结果需要后续继续使用时，直接在服务端存成新集合，省去客户端接收再回写的网络开销。

2.5 命令小结

命令	作用	时间复杂度
sadd key member $member ...$	添加元素	O (k)，k 为添加个数
srem key member $member ...$	删除元素	O (k)，k 为删除个数
scard key	获取元素总数	O(1)
sismember key member	判断元素是否存在	O(1)
srandmember key $count$	随机获取元素	O (n)，n 为返回个数
spop key $count$	随机弹出元素	O (n)，n 为弹出个数
smembers key	获取所有元素	O (k)，k 为元素总数
sinter / sinterstore	交集运算	O(N*M)
sunion / sunionstore	并集运算	O (k)，总元素数
sdiff / sdiffstore	差集运算	O (k)，总元素数

三. Set 底层编码实现

Set 类型有两种底层编码，会根据数据情况自动切换：intset（整数集合） 和 hashtable（哈希表）。

3.1 intset 整数集合

当集合同时满足两个条件时，使用 intset 编码：

集合中所有元素都是整数；
元素个数小于 set-max-intset-entries 配置，默认值为 512。

intset 是专门为整数集合设计的紧凑结构，核心目标是节省内存。相比于哈希表，它省去了指针、哈希桶这些额外开销，用连续内存存储整数，空间利用率非常高。

3.2 hashtable 哈希表

只要不满足 intset 的任意一个条件（出现非整数元素、或元素数量超过阈值），就会自动切换为 hashtable 编码。底层和 Hash 类型的哈希表实现一致，元素作为 key 存入哈希表，value 为空，利用哈希表的 O (1) 查找能力实现去重和快速存在性判断。

做个横向对比，避免和其他语言混淆：

C++ 的 std::set 底层是红黑树，有序，查找 O (logN)；

Java 的 Set 是接口，常见实现有 HashSet（哈希表，无序）和 TreeSet（红黑树，有序）；

Redis 的 Set 底层是 intset + 哈希表，无序，查找 O (1)。 Redis 中按分数排序的有序集合是 ZSet，和 Set 是完全不同的两种数据结构。

可以通过 OBJECT encoding 验证编码切换：

bash 复制代码

# 全是整数、数量少，使用 intset
127.0.0.1:6379> sadd numset 1 2 3 4
(integer) 4
127.0.0.1:6379> OBJECT encoding numset
"intset"

# 加入字符串，触发编码转换
127.0.0.1:6379> sadd numset hello
(integer) 1
127.0.0.1:6379> OBJECT encoding numset
"hashtable"

源码视角：intset 的空间优化智慧

站在 C 开发的视角看，intset 是非常经典的 "用少量性能换大量空间" 的工程优化案例。

intset 的核心结构

intset 本质是一个有序的整数数组，大致结构如下：

c 复制代码

typedef struct intset {
    uint32_t encoding;  // 编码类型：int16 / int32 / int64
    uint32_t length;    // 元素总个数
    int8_t contents[];  // 柔性数组，存储实际整数元素
} intset;

三个关键设计点：

有序存储 + 二分查找：元素按升序排列，查找用二分法，时间复杂度 O (logN)。虽然比哈希表的 O (1) 慢，但元素少的时候差异可以忽略。
编码自动升级：小整数用 int16 存储，加入大整数后自动整体升级为 int32、int64，保证数组内元素类型一致，同时尽可能节省空间。
连续内存的代价：插入删除需要移动后续元素，O (N) 开销。元素少时开销可接受，元素多了性能就不足以支撑，因此超过阈值后切换为哈希表。

这又是 Redis 一贯的设计哲学：小数据量优先省内存，大数据量优先保性能。极端的理论最优解往往工程成本极高，合适的折中才是生产环境的最佳选择。

集合运算的实现逻辑

交集运算的大致思路非常朴素高效：

先找出元素最少的集合作为遍历基准；
遍历小集合的每个元素，去其他集合中检查是否存在；
所有集合都存在的元素，加入结果集。

所以实际开销主要取决于最小集合的大小，这也是时间复杂度和最小集合强相关的原因。生产环境做交集运算时，尽量把小集合放在前面，能有效降低整体计算量。

四. Set 典型应用场景

4.1 用户标签系统

这是 Set 最经典的应用场景，也是用户画像、千人千面推荐的基础。每个用户的标签存入一个 Set，天然自动去重，添加删除都很方便。例如：

Plain 复制代码

user:tag:1001 -> {java, redis, 后端, 篮球}

基于标签可以延伸出很多玩法：

用 sinter 计算两个用户的共同标签，做用户相似度匹配；
用 sunion 合并多个用户的标签，做群体画像；
反向也可以给每个标签建一个用户集合，比如 tag:java -> {1001, 1002, ...}，方便按标签圈选目标用户。

当然，标签系统深入做下去会有专门的用户画像团队，而信息茧房也是这类系统带来的副作用 ------ 算法总推送你偏好的内容，视野会逐渐被限制在小圈子里。技术本身是中性的，如何使用才是关键。

4.2 共同好友与好友推荐

社交产品的好友关系非常适合用 Set 存储。每个用户的好友列表存入一个 Set：

Plain 复制代码

user:friends:1001 -> {1002, 1003, 1005}

共同好友 ：用 sinter 计算两个用户好友集合的交集，直接得到共同好友列表；
好友推荐：基于差集运算，找出好友的好友中、你尚未添加的人，作为 "可能认识的人" 推荐给你。

这也是 QQ、微信同类功能的基础实现思路之一。

4.3 UV 统计

利用 Set 的自动去重特性，可以非常方便地统计页面或产品的独立访客数（UV）。先明确两个指标的区别：

PV（页面浏览量） ：每次访问都计数，重复访问累加，用 incr 即可实现；
UV（独立访客数）：同一个用户多次访问只算一次，需要按用户维度去重。

实现方式：将访问用户的 userId（或 IP）通过 sadd 写入对应页面的 Set 中，自动去重。需要查看 UV 数值时，直接 scard 就能拿到结果。

bash 复制代码

# 用户 1001 访问首页
sadd page:home:uv 1001
# 查询首页 UV 总数
scard page:home:uv

补充说明：如果是超大规模 UV（百万、千万级），用 Set 存储全量用户 ID 会比较耗内存。这种场景更适合用 HyperLogLog 做概率统计，牺牲极少量精度换取极大的空间节省。但中小规模的 UV 统计，Set 完全够用，且结果 100% 精确。

核心考点总结

核心特性：元素无序、唯一不重复；注意和 List 的位置有序、ZSet 的分数排序做好区分。
核心命令：基础增删查、随机操作、集合运算的用法与返回值含义；store 版本命令的使用场景。
生产风险：大集合执行 smembers 会阻塞主线程；多集合交集运算开销较高，注意控制规模与执行时机。
底层编码：intset 与 hashtable 两种编码的适用条件、切换阈值；intset 有序数组 + 编码升级的设计思路。
应用场景：用户标签、共同好友与好友推荐、UV 统计，能说明实现思路和选用 Set 的原因。
设计思想：小数据量省空间、大数据量保性能的时空权衡；用服务端集合运算替代客户端循环，提升整体效率。

结尾：

html 复制代码

🍓 我是草莓熊 Lotso！若这篇技术干货帮你打通了学习中的卡点：
👀 【关注】跟我一起深耕技术领域，从基础到进阶，见证每一次成长
❤️ 【点赞】让优质内容被更多人看见，让知识传递更有力量
⭐ 【收藏】把核心知识点、实战技巧存好，需要时直接查、随时用
💬 【评论】分享你的经验或疑问（比如曾踩过的技术坑？），一起交流避坑
🗳️ 【投票】用你的选择助力社区内容方向，告诉大家哪个技术点最该重点拆解
技术之路难免有困惑，但同行的人会让前进更有方向～愿我们都能在自己专注的领域里，一步步靠近心中的技术目标！

结语：Set 的魅力不在于单个元素的增删改查，而在于原生的集合运算能力，能让我们用极简洁的方式解决标签、关系、去重这类典型业务问题。理解它的底层编码和适用边界，做技术选型时才能更有把握。下一篇我们会讲解 Redis 最有特色的数据结构 ------ZSet 有序集合，看看它在 Set 的基础上如何实现排序能力，以及跳表的底层实现原理。

✨把这些内容吃透超牛的！放松下吧✨ ʕ˘ᴥ˘ʔ づきらど