Redis的Set：你以为我是青铜？其实我是百变星君！

一、Set的基因检测报告（底层编码）

当你们用SADD命令往我身体里塞元素时，我体内会发生奇妙的基因变异。偷偷告诉你们，我有双重人格：

• intset（整数集合） ：当所有元素都是整数且元素数量 ≤512（默认）时，我就是这个精打细算的抠门管家。像这样整整齐齐排排坐：

arduino

代码解读

复制代码

typedef struct intset { uint32_t encoding; // 比如INTSET_ENC_INT16 uint32_t length; // 元素个数 int8_t contents[]; // 元素数组 } intset;

• hashtable（哈希表） ：当遇到非整数元素，或者元素数量超过阈值，我就秒变土豪，直接甩出哈希表大杀器。这时候每个元素都是哈希表里的key，value统一指向NULL（就是这么任性）。

举个栗子：你往集合里加数字就像往钱包里塞钢镚，用intset省空间；突然要加个"老板的私房钱"这种字符串，钱包瞬间爆炸成保险柜！

---

二、Set的七十二变（底层数据结构）

1. 整型特工队（intset）

这个编码暗藏玄机：它会根据最大元素自动升级编码方式！比如原本用16位存储数字，突然来了个32768（超过int16），整个集合会立即升级到int32，像变形金刚合体一样酷炫。

ruby

代码解读

复制代码

127.0.0.1:6379> SADD my_set 1 2 3 (integer) 3 127.0.0.1:6379> OBJECT ENCODING my_set "intset" 127.0.0.1:6379> SADD my_set 32768 (integer) 1 127.0.0.1:6379> OBJECT ENCODING my_set "hashtable"

2. 哈希表狂战士（hashtable）

当元素放飞自我开始乱来时，哈希表就带着O(1)时间复杂度闪亮登场。这时候每个元素都对应哈希表里的一个entry，查找速度堪比闪电侠。

---

三、Set的职场生存指南（使用场景）

场景1：百万级标签系统（hashtable的高光时刻）

假设你要给10万用户打标签，每个用户有100个标签。用SINTER查共同标签，速度堪比高铁，时间复杂度O(N*M)？不存在的！Redis用了魔法般的算法优化。

bash

代码解读

复制代码

# 查找喜欢"火锅"和"密室逃脱"的用户 SINTER users:火锅 users:密室逃脱

场景2：实时布隆过滤器（intset的逆袭）

当处理连续数字时，intset的紧凑内存布局堪称内存刺客。比如做ID去重：

yaml

代码解读

复制代码

# 存储1-10000的连续ID（仅占16KB） SADD user_ids 1 2 3 ... 10000 # 判断9999是否存在 SISMEMBER user_ids 9999

场景3：社交裂变大师（集合运算）

想要搞"共同好友""你可能认识的人"？Set的并/交/差集操作就是你的瑞士军刀：

bash

代码解读

复制代码

# 张三的好友 ∩ 李四的好友 = 共同好友 SINTER friends:张三 friends:李四 # 推荐系统：李四好友 - 张三好友 - 张三 = 潜在好友 SDIFF friends:李四 friends:张三 张三

彩蛋场景：老板的紧急需求

"小王啊，咱们要搞个实时在线用户统计，还要能随机踢人！"
"好的老板，我这就用SADD记录登录用户，SPOP随机踢人，SCARD统计在线人数！"

---

四、Set的灵魂拷问（思考题）

思考题1：intset遇到字符串就要全体叛变？

Q：为什么不能像渣男一样，留几个整数在intset里，只把字符串转成hashtable？
A：这就好比你在用Excel表格记账：

1. 当你所有数据都是数字时，Excel可以用紧凑的数值格式（intset模式）
2. 突然混入"老板的私房钱"这样的文本，整个列都会被强制转为文本格式（hashtable模式）

技术真相：

• intset是连续内存块存储，类似数组
• 插入不同类型元素会导致内存布局崩溃（想象往整型数组里突然插入字符串指针）
• Redis选择简单粗暴但可靠的方式：要么全数字，要么全对象

灵魂拷问：如果你非要混搭，可以用两个Set（数字Set+字符串Set），但你会收获双倍的快乐（内存开销）！

---

思考题2：1亿个IP用Set存？老板会杀了你！

Q：假设每个IP占15字节（如"192.168.1.1"）
计算器警告：

scss

代码解读

复制代码

哈希表存储成本 ≈ 1亿 * (指针大小8B + Redis对象头16B + IP值15B) ≈ 3.9GB

而用HyperLogLog：

代码解读

复制代码

12KB就能统计去重数量（但无法存储具体IP）

求生指南：
✅ 精确去重且需要具体数据 → 用Set但必须分片（每个Set<1万元素）
✅ 允许误差的去重统计 → HyperLogLog
✅ 既要精确又要省内存 → 上Bloom Filter（但Redis需要插件）

血泪教训：曾有人用Set存用户ID，直到服务器内存爆炸才明白——有些爱（数据）注定不能强求！

---

思考题3：SMEMBERS vs SSCAN，选错会死！

翻车现场：

bash

代码解读

复制代码

# 当Set有1000万元素时 SMEMBERS huge_set # 客户端卡死，Redis内存飙升 SSCAN huge_set 0 COUNT 100 # 每次温柔地取100个

原理暴击：

• SMEMBERS：一次性打包所有元素（O(n)时间复杂度+O(n)网络传输）
• SSCAN：游标分页获取（O(1)单次操作+可控的数据量）

使用哲学：

• 小数据 → 随便浪（SMEMBERS真香）
• 大数据 → 要矜持（SSCAN才是真爱）
• 需要判断存在性 → SISMEMBER永远安全

---

思考题4：用Set实现分布式锁？骚操作预警！

常规做法（String类型）：

bash

代码解读

复制代码

SET lock_key uuid NX EX 30 # 专业锁匠

邪道玩法（Set类型）：

bash

代码解读

复制代码

SADD global_lock unique_client_id # 利用Set元素唯一性 EXPIRE global_lock 30 # 记得设过期时间！ DEL global_lock # 释放锁时删除自己ID

致命缺陷：

1. 无法续期（像不能充值的停车卡）
2. 非原子操作（设过期时间可能失败）
3. 只能实现排他锁（无法升级为读写锁）

生存建议：

• 玩玩可以，生产环境请用Redlock
• 非要较真的话，建议在辞职信里写上"我用Set实现了分布式锁"

---

终极总结表

问题	关键点	保命技巧
intset类型转换	内存连续性决定不能混搭	保持元素类型纯净
海量数据存储	哈希表内存放大效应恐怖	分片存储或换用概率型数据结构
遍历大数据	SMEMBERS是煤气灶，SSCAN是电磁炉	永远对数据量保持敬畏
分布式锁	Set能实现幼儿园级别的锁	别拿玩具枪上战场

---

五、Set的生存法则（最佳实践）

• 内存敏感型应用：尽量保持元素为整数，控制数量在512以内（可配置）
• 高频查询场景：多用SISMEMBER代替SMEMBERS+客户端处理
• 海量数据场景：考虑分片（每个Set不超过1万元素）
• 精确去重场景：配合HyperLogLog使用效果更佳（但要注意特性差异）

---

六、最后一道送命题

假设你要设计一个抽奖系统：

• 总参与人数：50万
• 每天开奖10次
• 要防止重复中奖
• 要实时显示参与人数