Redis data

Redis 数据类型

1. String 类型

含义

• Redis 中最基本的数据类型，字符串不仅可以存储普通字符串，还可以存储数字（整数、浮点数）以及二进制数据（如图片、音频等）
• 每个 String 类型的值最大为 512 MB

底层实现原理

• 简单动态字符串（SDS）：Redis 中的字符串是基于 SDS 实现的，而不是 C 语言的 char*
  • SDS 支持动态扩容，当字符串长度发生变化时会自动调整空间
  • SDS 结构包含了字符串长度信息，避免了 C 字符串以 \0 结尾导致的性能问题
• 如果存储的是整数，Redis 可能会使用整数编码优化存储

常见场景

1. 缓存数据：存储简单的键值对，如用户配置、网页 HTML 内容等
2. 计数器：如页面浏览量（PV）、点赞数等，使用 INCR 或 INCRBY 操作
3. 分布式锁：通过 SET key value NX EX seconds 实现分布式锁
4. 存储二进制数据：如图片、音频等文件的小片段

2. Hash 类型

含义

• 用于存储键值对集合的结构，适合存储对象（如用户信息）
• 每个 Hash 键对应一个字段和值的集合，支持字段级别操作

底层实现原理

• 小型 Hash：
  • 使用 ziplist（压缩列表） 存储：当字段数量少于 hash-max-ziplist-entries（默认 512），且每个字段值小于 hash-max-ziplist-value（默认 64 字节）
• 大型 Hash：
  • 使用 hashtable（哈希表） 存储：当字段数量或字段值超过阈值时，自动转为哈希表

常见场景

1. 存储对象信息：如用户资料（user:id -> name, age, email）
2. 减少内存消耗：通过将多个属性存储在一个 Hash 中，减少 Redis 键的数量
3. 数据分析：存储统计信息，例如用户行为（user:stats -> views, clicks）

3. List 类型

含义

• 一个有序的链表，可以在头部（LPUSH）或尾部（RPUSH）插入数据，支持按索引读取（LINDEX）
• 适合存储有序的数据集合

底层实现原理

• 小型 List：
  • 使用 ziplist（压缩列表）：当列表元素数量少于 list-max-ziplist-entries（默认 512），且每个元素小于 list-max-ziplist-value（默认 64 字节）
• 大型 List：
  • 使用 quicklist（快速列表），是一种压缩列表和双向链表的混合体，既支持快速插入删除，又节省内存

常见场景

1. 任务队列：如消息队列、异步任务（LPUSH/BRPOP 实现）
2. 时间序列数据：如日志记录、用户活动记录等
3. 排行榜：按时间排序的数据集合

4. Set 类型

含义

• 无序的集合，支持自动去重，常用于存储唯一值
• 提供交集、并集、差集操作

底层实现原理

• 小型 Set：
  • 使用 intset（整数集合）：当集合内的元素均为整数且数量较少（默认小于 512）
• 大型 Set：
  • 使用 hashtable（哈希表）：当集合数量较多或包含非整数元素时

常见场景

1. 标签系统：存储用户的兴趣标签（user:tags -> tag1, tag2）
2. 好友关系：如共同好友（交集）、推荐好友（差集）
3. 去重功能：如统计唯一用户 IP、唯一行为事件

5. Sorted Set 类型

含义

• 有序集合，类似于 Set，但每个元素关联一个 分数（score），通过分数排序
• 适合存储需要排序的数据

底层实现原理

• 使用 跳表（SkipList） 和 hashtable 实现：
  • 跳表用于实现按分数排序
  • 哈希表用于快速查找元素

常见场景

1. 排行榜：如游戏排名、文章热度
2. 延时任务：通过分数表示执行时间，按时间顺序取任务
3. 日志记录：排序存储用户行为日志，按时间戳排序

6. Bitmap 类型

含义

• 位数组，用于存储二进制数据，每个位（bit）表示一个状态（0 或 1），适合存储大量布尔值

底层实现原理

• 基于 字符串（String） 实现，按位操作，通过偏移量存储每个位的数据

常见场景

1. 签到功能：如用户每日签到（1 表示已签到，0 表示未签到）
2. 活跃用户统计：记录某段时间内的活跃用户
3. 大规模状态存储：如在线状态、是否完成任务等

7. HyperLogLog 类型

含义

• 一种概率性数据结构，用于基数统计（不精确，但节省内存）
• 可统计数十亿数据中不重复的元素个数，误差率约为 0.81%

底层实现原理

• 基于 HyperLogLog 算法：
  • 使用固定的 12 KB 内存存储分桶结构
  • 通过哈希函数将数据分散到多个桶，统计桶中的最大值估算基数

常见场景

1. UV 统计：统计网站的日活跃用户数
2. 去重统计：如统计广告点击的去重用户
3. 大规模数据分析：如统计日志中的唯一 IP

8. Geospatial 类型

含义

• 用于存储地理位置信息，支持基于经纬度的距离计算和范围查询

底层实现原理

• 基于 Sorted Set 实现：
  • 使用 GeoHash 算法将地理坐标编码为一个整数值
  • 分数表示坐标值，跳表支持排序和范围查询

常见场景

1. LBS 服务：如查找附近的人、附近的商家
2. 路径规划：计算两个位置之间的距离
3. 物流配送：确定配送范围内的订单

9. Stream 类型

含义

• 用于处理消息队列，类似于 Kafka 的消息流，支持多生产者、多消费者
• 支持消息持久化、分组消费、消费确认

底层实现原理

• 基于 双向链表 和 Radix Tree（压缩树） 实现：
  • 消息 ID 是时间戳 + 序列号，保证全局唯一性
  • 使用 Radix Tree 高效存储和检索

常见场景

1. 日志处理：如实时日志采集、用户行为分析
2. 消息队列：构建轻量级的消息队列系统
3. 事件流：如订单状态流转、实时监控数据

总结

数据类型	含义	底层实现	常见场景
String	基本键值对存储	SDS	缓存、计数器、分布式锁
Hash	存储对象属性	Ziplist/Hashtable	用户信息、统计数据
List	有序链表	Ziplist/Quicklist	消息队列、时间序列
Set	无序集合，自动去重	Intset/Hashtable	标签系统、好友关系、去重
Sorted Set	有序集合，按分数排序	SkipList	排行榜、延时任务
Bitmap	位数组，存储布尔值	String	签到、状态存储、活跃统计
HyperLogLog	基数统计，支持去重	HyperLogLog	UV 统计、大规模数据分析
Geospatial	地理位置存储与计算	GeoHash + ZSet	附近的人、物流路径规划
Stream	消息队列，支持持久化	Radix Tree	日志处理、事件流、消息队列