夯實基礎，通過這篇文章帶著大家簡單回顧一下 Redis 中的 8 種常用數據類型：

• 5 種基礎數據類型：String（字符串）、List（列表）、Set（集合）、Hash（散列）、Zset（有序集合）。
• 3 種特殊數據類型：HyperLogLog（基數統計）、Bitmap （位圖）、Geospatial (地理位置)。

Redis 5 種基本數據類型

Redis 共有 5 種基本數據類型：String（字符串）、List（列表）、Set（集合）、Hash（散列）、Zset（有序集合）。

這 5 種數據類型是直接提供給用戶使用的，是數據的保存形式，其底層實現主要依賴這 8 種數據結構：簡單動態字符串（SDS）、LinkedList（雙向鏈表）、Dict（哈希表/字典）、SkipList（跳躍表）、Intset（整數集合）、ZipList（壓縮列表）、QuickList（快速列表）。

Redis 5 種基本數據類型對應的底層數據結構實現如下表所示：

Redis 3.2 之前，List 底層實現是 LinkedList 或者 ZipList。Redis 3.2 之后，引入了 LinkedList 和 ZipList 的結合 QuickList，List 的底層實現變為 QuickList。從 Redis 7.0 開始， ZipList 被 ListPack 取代。

你可以在 Redis 官網上找到 Redis 數據類型/結構非常詳細的介紹：

• Redis Data Structures[1]
• Redis Data types tutorial[2]

未來隨著 Redis 新版本的發布，可能會有新的數據結構出現，通過查閱 Redis 官網對應的介紹，你總能獲取到最靠譜的信息。

圖片

String（字符串）

介紹

String 是 Redis 中最簡單同時也是最常用的一個數據類型。

String 是一種二進制安全的數據類型，可以用來存儲任何類型的數據比如字符串、整數、浮點數、圖片（圖片的 base64 編碼或者解碼或者圖片的路徑）、序列化后的對象。

圖片

雖然 Redis 是用 C 語言寫的，但是 Redis 并沒有使用 C 的字符串表示，而是自己構建了一種 簡單動態字符串（Simple Dynamic String，SDS）。相比于 C 的原生字符串，Redis 的 SDS 不光可以保存文本數據還可以保存二進制數據，并且獲取字符串長度復雜度為 O(1)（C 字符串為 O(N)）,除此之外，Redis 的 SDS API 是安全的，不會造成緩沖區溢出。

常用命令

更多 Redis String 命令以及詳細使用指南，請查看 Redis 官網對應的介紹：https://redis.io/commands/?group=string 。

基本操作：

> SET key value
OK
> GET key
"value"
> EXISTS key
(integer) 1
> STRLEN key
(integer) 5
> DEL key
(integer) 1
> GET key
(nil)

批量設置：

> MSET key1 value1 key2 value2
OK
> MGET key1 key2 # 批量獲取多個 key 對應的 value
1) "value1"
2) "value2"

計數器（字符串的內容為整數的時候可以使用）：

> SET number 1
OK
> INCR number # 將 key 中儲存的數字值增一
(integer) 2
> GET number
"2"
> DECR number # 將 key 中儲存的數字值減一
(integer) 1
> GET number
"1"

設置過期時間（默認為永不過期）：

> EXPIRE key 60
(integer) 1
> SETEX key 60 value # 設置值并設置過期時間
OK
> TTL key
(integer) 56

應用場景

需要存儲常規數據的場景

• 舉例：緩存 Session、Token、圖片地址、序列化后的對象(相比較于 Hash 存儲更節省內存)。
• 相關命令：SET、GET。

需要計數的場景

• 舉例：用戶單位時間的請求數（簡單限流可以用到）、頁面單位時間的訪問數。
• 相關命令：SET、GET、 INCR、DECR 。

分布式鎖

利用 SETNX key value 命令可以實現一個最簡易的分布式鎖（存在一些缺陷，通常不建議這樣實現分布式鎖）。

List（列表）

介紹

Redis 中的 List 其實就是鏈表數據結構的實現。我在 線性數據結構 :數組、鏈表、棧、隊列[3] 這篇文章中詳細介紹了鏈表這種數據結構，我這里就不多做介紹了。

許多高級編程語言都內置了鏈表的實現比如 Java 中的 LinkedList，但是 C 語言并沒有實現鏈表，所以 Redis 實現了自己的鏈表數據結構。Redis 的 List 的實現為一個 雙向鏈表，即可以支持反向查找和遍歷，更方便操作，不過帶來了部分額外的內存開銷。

圖片

常用命令

更多 Redis List 命令以及詳細使用指南，請查看 Redis 官網對應的介紹：https://redis.io/commands/?group=list 。

通過 RPUSH/LPOP 或者 LPUSH/RPOP實現隊列：

> RPUSH myList value1
(integer) 1
> RPUSH myList value2 value3
(integer) 3
> LPOP myList
"value1"
> LRANGE myList 0 1
1) "value2"
2) "value3"
> LRANGE myList 0 -1
1) "value2"
2) "value3"

通過 RPUSH/RPOP或者LPUSH/LPOP 實現棧：

> RPUSH myList2 value1 value2 value3
(integer) 3
> RPOP myList2 # 將 list的最右邊的元素取出
"value3"

我專門畫了一個圖方便大家理解 RPUSH , LPOP , lpush , RPOP 命令：

圖片

通過 LRANGE 查看對應下標范圍的列表元素：

> RPUSH myList value1 value2 value3
(integer) 3
> LRANGE myList 0 1
1) "value1"
2) "value2"
> LRANGE myList 0 -1
1) "value1"
2) "value2"
3) "value3"

通過 LRANGE 命令，你可以基于 List 實現分頁查詢，性能非常高！

通過 LLEN 查看鏈表長度：

> LLEN myList
(integer) 3

應用場景

信息流展示

• 舉例：最新文章、最新動態。
• 相關命令：LPUSH、LRANGE。

消息隊列

List 可以用來做消息隊列，只是功能過于簡單且存在很多缺陷，不建議這樣做。

相對來說，Redis 5.0 新增加的一個數據結構 Stream 更適合做消息隊列一些，只是功能依然非常簡陋。和專業的消息隊列相比，還是有很多欠缺的地方比如消息丟失和堆積問題不好解決。

Hash（哈希）

介紹

Redis 中的 Hash 是一個 String 類型的 field-value（鍵值對） 的映射表，特別適合用于存儲對象，后續操作的時候，你可以直接修改這個對象中的某些字段的值。

Hash 類似于 JDK1.8 前的 HashMap，內部實現也差不多(數組 + 鏈表)。不過，Redis 的 Hash 做了更多優化。

圖片

常用命令

更多 Redis Hash 命令以及詳細使用指南，請查看 Redis 官網對應的介紹：https://redis.io/commands/?group=hash 。

模擬對象數據存儲：

> HMSET userInfoKey name "guide" description "dev" age 24
OK
> HEXISTS userInfoKey name # 查看 key 對應的 value中指定的字段是否存在。
(integer) 1
> HGET userInfoKey name # 獲取存儲在哈希表中指定字段的值。
"guide"
> HGET userInfoKey age
"24"
> HGETALL userInfoKey # 獲取在哈希表中指定 key 的所有字段和值
1) "name"
2) "guide"
3) "description"
4) "dev"
5) "age"
6) "24"
> HSET userInfoKey name "GuideGeGe"
> HGET userInfoKey name
"GuideGeGe"
> HINCRBY userInfoKey age 2
(integer) 26

應用場景

對象數據存儲場景

• 舉例：用戶信息、商品信息、文章信息、購物車信息。
• 相關命令：HSET （設置單個字段的值）、HMSET（設置多個字段的值）、HGET（獲取單個字段的值）、HMGET（獲取多個字段的值）。

Set（集合）

介紹

Redis 中的 Set 類型是一種無序集合，集合中的元素沒有先后順序但都唯一，有點類似于 Java 中的 HashSet 。當你需要存儲一個列表數據，又不希望出現重復數據時，Set 是一個很好的選擇，并且 Set 提供了判斷某個元素是否在一個 Set 集合內的重要接口，這個也是 List 所不能提供的。

你可以基于 Set 輕易實現交集、并集、差集的操作，比如你可以將一個用戶所有的關注人存在一個集合中，將其所有粉絲存在一個集合。這樣的話，Set 可以非常方便的實現如共同關注、共同粉絲、共同喜好等功能。這個過程也就是求交集的過程。

圖片

常用命令

更多 Redis Set 命令以及詳細使用指南，請查看 Redis 官網對應的介紹：https://redis.io/commands/?group=set 。

基本操作：

> SADD mySet value1 value2
(integer) 2
> SADD mySet value1 # 不允許有重復元素，因此添加失敗
(integer) 0
> SMEMBERS mySet
1) "value1"
2) "value2"
> SCARD mySet
(integer) 2
> SISMEMBER mySet value1
(integer) 1
> SADD mySet2 value2 value3
(integer) 2

• mySet : value1、value2 。
• mySet2：value2、value3 。

求交集：

> SINTERSTORE mySet3 mySet mySet2
(integer) 1
> SMEMBERS mySet3
1) "value2"

求并集：

> SUNION mySet mySet2
1) "value3"
2) "value2"
3) "value1"

求差集：

> SDIFF mySet mySet2 # 差集是由所有屬于 mySet 但不屬于 A 的元素組成的集合
1) "value1"

應用場景

需要存放的數據不能重復的場景

• 舉例：網站 UV 統計（數據量巨大的場景還是 HyperLogLog更適合一些）、文章點贊、動態點贊等場景。
• 相關命令：SCARD（獲取集合數量） 。

圖片

需要獲取多個數據源交集、并集和差集的場景

• 舉例：共同好友(交集)、共同粉絲(交集)、共同關注(交集)、好友推薦（差集）、音樂推薦（差集）、訂閱號推薦（差集+交集） 等場景。
• 相關命令：SINTER（交集）、SINTERSTORE （交集）、SUNION （并集）、SUNIONSTORE（并集）、SDIFF（差集）、SDIFFSTORE （差集）。

圖片

需要隨機獲取數據源中的元素的場景

• 舉例：抽獎系統、隨機點名等場景。
• 相關命令：SPOP（隨機獲取集合中的元素并移除，適合不允許重復中獎的場景）、SRANDMEMBER（隨機獲取集合中的元素，適合允許重復中獎的場景）。

Sorted Set（有序集合）

介紹

Sorted Set 類似于 Set，但和 Set 相比，Sorted Set 增加了一個權重參數 score，使得集合中的元素能夠按 score 進行有序排列，還可以通過 score 的范圍來獲取元素的列表。有點像是 Java 中 HashMap 和 TreeSet 的結合體。

圖片

常用命令

更多 Redis Sorted Set 命令以及詳細使用指南，請查看 Redis 官網對應的介紹：https://redis.io/commands/?group=sorted-set 。

基本操作：

> ZADD myZset 2.0 value1 1.0 value2
(integer) 2
> ZCARD myZset
2
> ZSCORE myZset value1
2.0
> ZRANGE myZset 0 1
1) "value2"
2) "value1"
> ZREVRANGE myZset 0 1
1) "value1"
2) "value2"
> ZADD myZset2 4.0 value2 3.0 value3
(integer) 2

• myZset : value1(2.0)、value2(1.0) 。
• myZset2：value2 （4.0）、value3(3.0) 。

獲取指定元素的排名：

> ZREVRANK myZset value1
0
> ZREVRANK myZset value2
1

求交集：

> ZINTERSTORE myZset3 2 myZset myZset2
1
> ZRANGE myZset3 0 1 WITHSCORES
value2
5

求并集：

> ZUNIONSTORE myZset4 2 myZset myZset2
3
> ZRANGE myZset4 0 2 WITHSCORES
value1
2
value3
3
value2
5

求差集：

> ZDIFF 2 myZset myZset2 WITHSCORES
value1
2

應用場景

需要隨機獲取數據源中的元素根據某個權重進行排序的場景

• 舉例：各種排行榜比如直播間送禮物的排行榜、朋友圈的微信步數排行榜、王者榮耀中的段位排行榜、話題熱度排行榜等等。
• 相關命令：ZRANGE (從小到大排序)、 ZREVRANGE （從大到小排序）、ZREVRANK (指定元素排名)。

圖片

需要存儲的數據有優先級或者重要程度的場景 比如優先級任務隊列。

• 舉例：優先級任務隊列。
• 相關命令：ZRANGE (從小到大排序)、 ZREVRANGE （從大到小排序）、ZREVRANK (指定元素排名)。

總結

Redis 3 種特殊的數據類型

除了 5 種基本的數據類型之外，Redis 還支持 3 種特殊的數據類型：Bitmap、HyperLogLog、GEO。

Bitmap （位圖）

介紹

根據官網介紹：

Bitmaps are not an actual data type, but a set of bit-oriented operations defined on the String type which is treated like a bit vector. Since strings are binary safe blobs and their maximum length is 512 MB, they are suitable to set up to 2^32 different bits.

Bitmap 不是 Redis 中的實際數據類型，而是在 String 類型上定義的一組面向位的操作，將其視為位向量。由于字符串是二進制安全的塊，且最大長度為 512 MB，它們適合用于設置最多 2^32 個不同的位。

Bitmap 存儲的是連續的二進制數字（0 和 1），通過 Bitmap, 只需要一個 bit 位來表示某個元素對應的值或者狀態，key 就是對應元素本身 。我們知道 8 個 bit 可以組成一個 byte，所以 Bitmap 本身會極大的節省儲存空間。

你可以將 Bitmap 看作是一個存儲二進制數字（0 和 1）的數組，數組中每個元素的下標叫做 offset（偏移量）。

圖片

常用命令

Bitmap 基本操作演示：

# SETBIT 會返回之前位的值（默認是 0）這里會生成 7 個位
> SETBIT mykey 7 1
(integer) 0
> SETBIT mykey 7 0
(integer) 1
> GETBIT mykey 7
(integer) 0
> SETBIT mykey 6 1
(integer) 0
> SETBIT mykey 8 1
(integer) 0
# 通過 bitcount 統計被被設置為 1 的位的數量。
> BITCOUNT mykey
(integer) 2

應用場景

需要保存狀態信息（0/1 即可表示）的場景

• 舉例：用戶簽到情況、活躍用戶情況、用戶行為統計（比如是否點贊過某個視頻）。
• 相關命令：SETBIT、GETBIT、BITCOUNT、BITOP。

HyperLogLog（基數統計）

介紹

HyperLogLog 是一種有名的基數計數概率算法 ，基于 LogLog Counting(LLC)優化改進得來，并不是 Redis 特有的，Redis 只是實現了這個算法并提供了一些開箱即用的 API。

Redis 提供的 HyperLogLog 占用空間非常非常小，只需要 12k 的空間就能存儲接近2^64個不同元素。這是真的厲害，這就是數學的魅力么！并且，Redis 對 HyperLogLog 的存儲結構做了優化，采用兩種方式計數：

• 稀疏矩陣：計數較少的時候，占用空間很小。
• 稠密矩陣：計數達到某個閾值的時候，占用 12k 的空間。

Redis 官方文檔中有對應的詳細說明：

圖片

基數計數概率算法為了節省內存并不會直接存儲元數據，而是通過一定的概率統計方法預估基數值（集合中包含元素的個數）。因此， HyperLogLog 的計數結果并不是一個精確值，存在一定的誤差（標準誤差為 0.81% ）。

圖片

HyperLogLog 的使用非常簡單，但原理非常復雜。HyperLogLog 的原理以及在 Redis 中的實現可以看這篇文章：HyperLogLog 算法的原理講解以及 Redis 是如何應用它的[4] 。

再推薦一個可以幫助理解 HyperLogLog 原理的工具：Sketch of the Day: HyperLogLog — Cornerstone of a Big Data Infrastructure[5] 。

除了 HyperLogLog 之外，Redis 還提供了其他的概率數據結構，對應的官方文檔地址：https://redis.io/docs/data-types/probabilistic/ 。

常用命令

HyperLogLog 相關的命令非常少，最常用的也就 3 個。

HyperLogLog 基本操作演示：

> PFADD hll foo bar zap
(integer) 1
> PFADD hll zap zap zap
(integer) 0
> PFADD hll foo bar
(integer) 0
> PFCOUNT hll
(integer) 3
> PFADD some-other-hll 1 2 3
(integer) 1
> PFCOUNT hll some-other-hll
(integer) 6
> PFMERGE desthll hll some-other-hll
"OK"
> PFCOUNT desthll
(integer) 6

應用場景

數量量巨大（百萬、千萬級別以上）的計數場景

• 舉例：熱門網站每日/每周/每月訪問 ip 數統計、熱門帖子 uv 統計、
• 相關命令：PFADD、PFCOUNT 。

Geospatial (地理位置)

介紹

Geospatial index（地理空間索引，簡稱 GEO） 主要用于存儲地理位置信息，基于 Sorted Set 實現。

通過 GEO 我們可以輕松實現兩個位置距離的計算、獲取指定位置附近的元素等功能。

圖片

常用命令

基本操作：

> GEOADD personLocation 116.33 39.89 user1 116.34 39.90 user2 116.35 39.88 user3
3
> GEOPOS personLocation user1
116.3299986720085144
39.89000061669732844
> GEODIST personLocation user1 user2 km
1.4018

通過 Redis 可視化工具查看 personLocation ，果不其然，底層就是 Sorted Set。

GEO 中存儲的地理位置信息的經緯度數據通過 GeoHash 算法轉換成了一個整數，這個整數作為 Sorted Set 的 score(權重參數)使用。

圖片

獲取指定位置范圍內的其他元素：

> GEORADIUS personLocation 116.33 39.87 3 km
user3
user1
> GEORADIUS personLocation 116.33 39.87 2 km
> GEORADIUS personLocation 116.33 39.87 5 km
user3
user1
user2
> GEORADIUSBYMEMBER personLocation user1 5 km
user3
user1
user2
> GEORADIUSBYMEMBER personLocation user1 2 km
user1
user2

GEORADIUS 命令的底層原理解析可以看看阿里的這篇文章：Redis 到底是怎么實現“附近的人”這個功能的呢？[6] 。

移除元素：

GEO 底層是 Sorted Set ，你可以對 GEO 使用 Sorted Set 相關的命令。

> ZREM personLocation user1
1
> ZRANGE personLocation 0 -1
user3
user2
> ZSCORE personLocation user2
4069879562983946

應用場景

需要管理使用地理空間數據的場景

• 舉例：附近的人。
• 相關命令: GEOADD、GEORADIUS、GEORADIUSBYMEMBER 。

總結

參考資料

[1]Redis Data Structures: https://redis.com/redis-enterprise/data-structures/

[2]Redis Data types tutorial: https://redis.io/docs/manual/data-types/data-types-tutorial/

[3]線性數據結構 :數組、鏈表、棧、隊列: https://javaguide.cn/cs-basics/data-structure/linear-data-structure.html

[4]HyperLogLog 算法的原理講解以及 Redis 是如何應用它的: https://juejin.cn/post/6844903785744056333

[5]Sketch of the Day: HyperLogLog — Cornerstone of a Big Data Infrastructure: http://content.research.neustar.biz/blog/hll.html

[6]Redis 到底是怎么實現“附近的人”這個功能的呢？: https://juejin.cn/post/6844903966061363207