Redis中的数据结构

1.五种常见的数据结构类型

1. 字符串（String）

特点

• 字符串是 Redis 最基本的数据类型，可以存储字符串、整数或浮点数。
• 一个字符串最多可以存储 512 MB 的数据。

使用场景

• 缓存简单数据：比如存储用户的登录状态、会话信息或配置信息。
• 计数器：字符串支持自增和自减，可以方便地用来实现计数器，如网站访问次数统计。
• 分布式锁：通过 SETNX 命令可以实现分布式锁。

2. 列表（List）

特点

• 列表是一个有序的字符串序列，可以从两端添加或移除元素。
• 支持常见的栈和队列操作（如 LIFO 和 FIFO）。

使用场景

• 消息队列：列表支持从头部或尾部推入和弹出元素，因此常用于简单的消息队列。
• 任务列表：可以用来存储一系列需要按顺序处理的任务。
• 时间轴：社交媒体的时间轴可以用列表来实现，记录用户的操作历史等。

3. 集合（Set）

特点

• 集合是无序且唯一的字符串集合，元素不重复。
• 支持交集、并集和差集等集合运算。

使用场景

• 标签和关注关系：如用于存储用户的关注列表、标签等，避免重复。
• 抽奖系统：用户抽奖时，可以使用集合确保每位用户只参与一次。
• 共同好友推荐：通过交集运算，找出两个用户共同关注的好友。

4. 有序集合（Sorted Set）

特点

• 有序集合中的每个元素都有一个分数（score），Redis 会根据分数对元素进行排序。
• 支持按分数范围查询元素，也可以按分数排名来访问元素。

使用场景

• 排行榜：常用于实现游戏或应用的排行榜，按得分高低排序。
• 任务调度：可以根据任务的优先级来安排执行顺序。
• 带权重的数据：例如评分系统，可以根据评分来展示内容的排名。

5. 哈希（Hash）

特点

• 哈希是一个键值对集合，适合存储对象或数据结构。
• 可以把多个字段及其值存储在一个键下，通过字段名称快速访问字段的值。

使用场景

• 用户信息存储：可以用来存储用户信息（如用户名、年龄、地址等），并快速访问特定字段。
• 缓存对象数据：适合存储一些需要快速访问的对象或数据结构。
• 配置项管理：适合存储分模块的配置信息。

类型对比

2.后续引入的四种数据类型

1. BitMap

版本

• Redis 2.2 版引入。

特点

• BitMap 并不是 Redis 独立的数据类型，而是一种基于字符串类型的位操作方法。
• BitMap 允许我们将一个大的字符串值视为一系列的位（bit），并可以对每一位进行单独操作。
• BitMap 中的每一位可以是 0 或 1，能高效地进行位操作，例如设置某一位的值、获取某一位的值，或者统计多个位中的 1 的个数。

使用场景

• 用户签到：可以用一个 BitMap 表示每个用户在一年中的签到情况。假设有 365 天，用 365 位表示即可。
• 活跃用户统计：在每一位表示一个用户的活跃状态，0 表示不活跃，1 表示活跃。通过位操作快速统计活跃用户。
• 二进制标记：用于对大量用户的某些特定标记进行标识和统计。

示例

假设我们想记录一个用户在一个月中的签到情况，可以用 BitMap 操作设置某天为签到：

# 设置用户在第 5 天签到
SETBIT user:1001:checkin 5 1
# 获取用户第 5 天的签到状态
GETBIT user:1001:checkin 5  # 返回 1
# 统计这个用户的签到天数
BITCOUNT user:1001:checkin

2. HyperLogLog

版本

• Redis 2.8 版引入。

特点

• HyperLogLog 是一种基数估计算法，可以高效地计算大规模数据的基数（独特元素的数量）。
• HyperLogLog 的存储空间是固定的，只占用 12 KB 内存，即使是十亿级的去重数据，也不会增加内存占用。
• HyperLogLog 通过概率算法近似计算基数，因此有误差（标准误差约 0.81%），但通常可接受。

使用场景

• UV（独立访问用户）统计：在大数据量的情况下，用 HyperLogLog 统计页面的独立访问用户数量。
• 去重计数：如在电商网站中统计特定时间内访问商品详情页的独立用户数，HyperLogLog 非常适合这种场景。

示例

使用 HyperLogLog 统计每天访问某网站的用户数量：

# 将用户 ID 添加到 HyperLogLog
PFADD page:1001:user_set user1 user2 user3
# 获取 HyperLogLog 基数
PFCOUNT page:1001:user_set  # 返回基数估算值
# 合并多个 HyperLogLog 的基数
PFMERGE combined_users page:1001:user_set page:1002:user_set

3. GEO

版本

• Redis 3.2 版引入。

特点

• GEO 是 Redis 的地理位置数据类型，基于有序集合实现，能够存储地理位置信息（经纬度）并支持地理操作。
• Redis 提供了一系列 GEO 命令，如添加位置、计算两地距离、查询指定范围内的位置等。

使用场景

• 附近的人：在社交或打车应用中，可以快速查找某个范围内的用户或服务提供者。
• POI（兴趣点）查询：例如餐馆、加油站等可以存储在 Redis 中，用户可以根据当前地点查询附近的 POI。

示例

假设我们要在 Redis 中存储和查询城市的地理位置：

# 添加地理位置（城市名称和经纬度）
GEOADD cities 13.361389 38.115556 "Palermo"
GEOADD cities 15.087269 37.502669 "Catania"

# 查询两个城市之间的距离
GEODIST cities "Palermo" "Catania" km  # 返回距离，单位为公里

# 获取指定地点附近的城市
GEORADIUS cities 15 37 200 km  # 返回 200 公里范围内的地点

4. Stream

版本

• Redis 5.0 版引入。

特点

• Stream 是一种可无限增长的日志结构数据类型，支持队列和发布-订阅模式，适合处理实时数据流。
• Stream 提供了对消息的追加、读取、分组消费等操作，并可以按 ID 或时间戳查询数据。
• Stream 支持消费者分组，允许不同消费者组读取相同的数据流。

使用场景

• 日志和事件存储：可以用于存储系统日志、用户行为数据等，可以在需要时实时读取。
• 消息队列：Stream 的消费者分组特性使其适合构建简单的消息队列系统。
• 实时数据处理：如 IoT 设备传回的数据流处理，Redis Stream 可以充当数据缓冲区。

示例

使用 Stream 存储和读取事件：

# 添加一条新事件（Stream 会自动生成 ID）
XADD mystream * temperature 22.5 humidity 60

# 读取最新的事件
XRANGE mystream - +  # 返回按时间排序的所有事件

# 创建消费者组
XGROUP CREATE mystream mygroup $  # $ 表示从最新消息开始消费

# 消费者组读取消息
XREADGROUP GROUP mygroup consumer1 COUNT 2 STREAMS mystream >

类型对比

3.五种常见数据类型的实现

1. 字符串（String）

实现方式

• Redis 的字符串是最基础的数据类型，主要是用简单动态字符串（SDS）来实现的。SDS 是一种类似于 C 语言的字符串，但在结构和管理方式上更为灵活。
• SDS 包括两部分：实际存储的字符串内容和长度信息，其中长度信息可以让 Redis 快速获取字符串长度。

结构细节

• 空间管理：SDS 会自动扩容。比如新增内容超出当前空间时，SDS 会一次性增加空间，减少多次扩容带来的开销。
• 安全性：SDS 不用像 C 字符串那样依赖终止符 \0。它能直接记录长度，避免越界问题。
• 灵活性：SDS 允许存储二进制数据，可以不仅仅是字符串，甚至可以存放图片、视频等。

内部操作

• Redis 会根据字符串的长度自动选择存储形式，比如短字符串直接存储，而长字符串可以使用压缩或对象来节省内存。

2. 列表（List）

实现方式

Redis 的列表有两种实现结构：

• 双向链表（Linked List）：当列表元素较少且不需要快速访问时，Redis 会使用双向链表。这种结构非常适合频繁在两端插入和删除元素的场景。
• 紧凑列表（ziplist）：当列表的元素数量少或数据量不大时，Redis 使用压缩存储的 ziplist，它将所有元素压缩成一个连续的内存块。这样不仅节省空间，还能加速遍历。

结构细节

• 双向链表：每个节点包含指向前后两个节点的指针，因此可以从两端快速插入和删除。双向链表适合处理大型列表或频繁插入删除操作。
• 紧凑列表：由于没有指针，节省了空间，并且通过连续的内存区域存储元素，提高了读取效率。但随着元素变多，ziplist 的插入和删除会变慢。

内部操作

• Redis 会根据列表的元素数量和大小动态选择链表或紧凑列表作为实现。比如，当元素很少且较小时，使用 ziplist；反之则使用双向链表。

3. 集合（Set）

实现方式

Redis 的集合有两种实现：

• 字典（hash table）：当集合中的元素较多时，Redis 使用哈希表来存储。哈希表的结构允许快速增删查改元素。
• 整数集合（intset）：当集合中的元素数量少并且全为整数时，Redis 会使用 intset 存储。整数集合通过连续的内存区域存储每个整数，适合小型集合。

结构细节

• 字典：使用哈希表存储，每个元素的值通过散列函数分布在不同的桶中，可以快速进行查找、插入和删除。
• 整数集合：是一种小而紧凑的数据结构，特别适合存储小数量的整数集合。通过二分查找提高查询速度。

内部操作

• Redis 会根据集合的大小和内容类型选择合适的数据结构。开始时如果集合小且是整数，就使用整数集合；随着数据的增加或类型变化，再切换到哈希表。

4. 有序集合（Sorted Set）

实现方式

有序集合通过跳表（skip list）和哈希表结合来实现。

• 跳表：是一种分层链表结构，允许元素在链表中分层跳跃，从而实现高效的增删查操作。
• 哈希表：用来实现元素值到分数的快速映射。

结构细节

• 跳表的实现：有序集合中的每个元素都被存储在跳表中，跳表的每一层可以包含多个节点，而高层节点更少，使得查找效率接近于二分查找。
• 哈希表的作用：哈希表帮助 Redis 快速定位元素，确保在修改或删除元素时，跳表和哈希表同步更新。

内部操作

• 跳表的主要作用是保持元素按分数排序，而哈希表则帮助 Redis 快速访问元素分数。通过两者的结合，有序集合既支持快速查询特定分数的元素，又能按分数排序输出。

5. 哈希（Hash）

实现方式

Redis 的哈希表使用两种结构：

• 压缩列表（ziplist）：当哈希表的字段少且数据量小，Redis 使用 ziplist 存储，这样可以节省内存空间。
• 字典（hash table）：当哈希表字段多时，Redis 使用哈希表来实现，便于快速查找和更新。

结构细节

• 压缩列表：ziplist 把字段和值紧凑存储在一个连续的内存区域，适合小型哈希表。这样存储的方式减少了内存碎片，但不适合频繁插入和删除。
• 哈希表：当哈希表变大或数据复杂时，Redis 转为用哈希表来管理。这种结构有助于快速访问每个字段。

内部操作

• Redis 会根据哈希表的大小选择合适的实现。如果字段较少则用压缩列表，而随着字段增多或变大，则切换为哈希表，从而提升效率。

总结

        Redis 的这种“结构适应性”设计，让它可以根据数据特点自动调整底层实现，在保证数据存储灵活性的同时，保持高效的查询和操作速度。