Redis 5种基本数据类型 + 3种特殊数据类型

Redis官网：http://doc.redisfans.com/

---

Redis键（key）基础命令

key *	查看当前库中所有的key
exists key	判断某个key是否存在
type key	查看你的key是什么类型
del key	删除指定的key数据
unlink key	据value删除非阻塞删除，仅仅将keys从keyspace元数据中删除，真正的删除会在后续异步中操作
expire key 10	为指定的key设置有效期10秒
ttl key	查看指定的key还有多少秒过期，-1：表示永不过期，-2：表示已过期
select dbindex	换数据库【0-15】，默认为0
dbsize	查看当前数据库key的数量
flushdb	清空当前库
flushall	通杀全部库

Redis 中的 8 种常用数据类型

• 5 种基础数据类型：String（字符串）、List（列表）、Set（集合）、Hash（散列）、Zset（有序集合）。

• 3 种特殊数据类型：HyperLogLog（基数统计）、Bitmap（位图）、Geospatial（地理位置）。

5 种基础数据类型

数据类型	说明
String（字符串）	一种二进制安全的数据类型，可以用来存储任何类型的数据比如字符串、整数、浮点数、图片（图片的 base64 编码或者解码或者图片的路径）、序列化后的对象。
List（列表）	Redis 的 List 的实现为一个双向链表，即可以支持反向查找和遍历，更方便操作，不过带来了部分额外的内存开销。
Set（集合）	无序集合，集合中的元素没有先后顺序但都唯一，有点类似于 Java 中的 HashSet 。
Zset（有序集合）	和 Set 相比，Sorted Set 增加了一个权重参数 score，使得集合中的元素能够按 score 进行有序排列，还可以通过 score 的范围来获取元素的列表。有点像是 Java 中 HashMap 和 TreeSet 的结合体。
Hash（散列）	一个 String 类型的 field-value（键值对） 的映射表，特别适合用于存储对象，后续操作的时候，你可以直接修改这个对象中的某些字段的值。

String（字符串）

        String是Redis最基本的类型，可以理解成与Memcached一模一样的类型，一个key对应一个value。String类型是二进制安全的。意味着Redis的string可以包含任何数据。比如jpg图片或者序列化的对象。String类型是Redis最基本的数据类型，一个Redis中字符串value最多可以是512M。

• 数据结构

        String的数据结构为简单动态字符串（ Simple Dynamic String ，缩写 SDS ）。是可以修改的字符串，内部结构上类似于Java 的 ArrayList ，采用分配冗余空间的方式来减少内存的频繁分配。

        如图所示，内部为当前字符串实际分配的空间capacity 一般要高于实际字符串长度 len 。当字符串长度小于1M 时，扩容都是加倍现有的空间，如果超过 1M ，扩容时一次会多扩容 1M 的空间。要注意的是字符串最大长度为512M 。

•  常用命令

set <key> <value>	添加键值对
get <key>	获取值
append <key> <value>	追价值
strlen <key>	获取值的长度
setnx <key> <value>	key不存在时，设置key的值
incr <key>	原子递增1
decr <key>	原子递减1
incrby/decrby <key> <步长>	递增或者递减指定的数字
mset <key1> <value1> <key2> <value2> ...	同时设置多个key-value
mget <key1> <key2> ...	获取多个key对应的值
msetnx <key1> <value1> <key2> <value2> ...	当多个key都不存在时，则设置成功
getrange key start end	获取值的范围，类似java中的substring
setrange <key> <起始位置> <value>	覆盖指定位置的值
setex <key> <过期时间(秒)> <value>	设置键值&过期时间（秒）
getset <key> <value>	以新换旧，设置新值同时返回旧值

• 应用场景

1、需要存储常规数据的场景

• 举例：缓存 Session、Token、图片地址、序列化后的对象(相比较于 Hash 存储更节省内存)。
• 相关命令：SET、GET。

2、需要计数的场景

• 举例：用户单位时间的请求数（简单限流可以用到）、页面单位时间的访问数。
• 相关命令：SET、GET、INCR、DECR。

3、分布式锁

利用SETNX key value命令可以实现一个最简易的分布式锁（存在一些缺陷，通常不建议这样实现分布式锁）。

List（列表）

        单键多值

        redis列表是简单的字符串列表，按照插入顺序排序。你可以添加一个元素到列表的头部（左边）或者尾部（右边）。它的底层实际上是使用双向链表实现的（如下图），对两端的操作性能很高，通过索引下标操作中间节点性能会较差。

• 数据结构

        List的数据结构为快速链表 quickList

        首先在列表元素较少的情况下会使用一块连续的内存存储，这个结构是ziplist，也就是压缩列表。它将所有的元素紧挨着一起存储，分配的是一块连续的内存。当就比较多的时候才会改成quickList。因为普通的链表需要的附加指针空间太大，会比较浪费空间，比如这个列表里存储的只是int 类型的书，结构上还需要2 个额外的指针 prev 和 next 。 

        redis将链表和ziplist结合起来组成了quicklist。也就是将多个ziplist使用双向指针串起来使用，这样既满足了快速的插入删除性能，又不会出现太大的空间冗余。

• 常用命令

lpush/rpush <key1> <value1> <key2> <value2> ...	从左边或者右边插入一个或多个值
lrange <key> <star> <stop>	从列表左边获取指定范围内的值
lpop/rpop <key> <count>	从左边或者右边弹出多个元素
rpoplpush source destination	从一个列表右边弹出一个元素放到另外一个列表中
lindex key index	获取指定索引位置的元素（从左到右）
llen key	获得列表长度
linsert <key> before|after <value> <newvalue>	在某个值的前或者后面插入一个值
LREM key count value	删除指定数量的某个元素
lset <key> <index> <value>	替换指定位置的值

•  应用场景

1、信息流展示

• 举例：最新文章、最新动态。
• 相关命令：LPUSH、LRANGE。

2、消息队列

List 可以用来做消息队列，只是功能过于简单且存在很多缺陷，不建议这样做。相对来说，Redis 5.0 新增加的一个数据结构 Stream 更适合做消息队列一些，只是功能依然非常简陋。和专业的消息队列相比，还是有很多欠缺的地方比如消息丢失和堆积问题不好解决。

Set（集合）

        redis set对外提供的功与 list 类似，是一个列表的功能，特殊之处在于 set 是可以自动排重的，当你需要存储一个列表数据，又不希望出现重复数据时，set 是一个很好的选择。

        redis的 set 是 string 类型的 无序集合 ，他的底层实际是一个 value 为 null 的 hash 表，收益添加，删除，查找复杂度都是O(1) 。一个算法，如果时间复杂度是O(1) ，那么随着数据的增加，查找数据的时间不变，也就是不管数据多少，查找时间都是一样的。

• 数据结构

        set数据结构是字典，字典是用hash表实现的。

        Java中的HashSet的内部实现使用HashMap，只不过所有的value都指向同一个对象。

        Redis的set结构也是一样的，它的内部也使用hash结构，所有的value都指向同一个内部值。

• 常用命令

sadd <key> <value1> <value2> ...	添加一个或多个元素
smembers <key>	取出所有元素
sismember <key> <value>	判断集合中是否有某个值
scard <key>	返回集合中元素的个数
srem key member [member ...]	删除多个元素
spop <key> <count>	随机弹出多个值
srandmember <key> <count>	随机获取多个元素，不会从集合中删除
smove <source> <destination> member	将某个原创从一个集合移动到另一个集合
sinter key [key ...]	取多个集合的交集
sinterstore destination key [key ...]	将多个集合的交集放到一个新的集合中
sunion key [key ...]	取多个集合的并集，自动去重
sinterstore destination key [key ...]	将多个集合的并集放到一个新的集合中
SDIFF key [key ...]	取多个集合的差集
sdiffstore destination key [key ...]	将多个集合的差集放到一个新的集合中

• 应用场景

1、需要存放的数据不能重复的场景

• 举例：网站 UV 统计（数据量巨大的场景还是 HyperLogLog更适合一些）、文章点赞、动态点赞等场景。
• 相关命令：SCARD（获取集合数量） 。

2、需要获取多个数据源交集、并集和差集的场景

• 举例：共同好友(交集)、共同粉丝(交集)、共同关注(交集)、好友推荐（差集）、音乐推荐（差集）、订阅号推荐（差集+交集） 等场景。
• 相关命令：SINTER（交集）、SINTERSTORE （交集）、SUNION （并集）、SUNIONSTORE（并集）、SDIFF（差集）、SDIFFSTORE （差集）。

3、需要随机获取数据源中的元素的场景、

• 举例：抽奖系统、随机点名等场景。
• 相关命令：SPOP（随机获取集合中的元素并移除，适合不允许重复中奖的场景）、SRANDMEMBER（随机获取集合中的元素，适合允许重复中奖的场景）。

ZSet（有序集合）

        redis有序集合zset与普通集合set非常相似，是一个没有重复元素的字符串集合。 不同之处是有序集合的每个成员都关联了一个评分（score），这个评分（score）被用来按照从最低分到最高分的方式排序集合中的成员。

        集合的成员是唯一的，但是评分是可以重复的。因为元素是有序的，所以你可以很快的根据评分（score）或者次序（position）来获取一个范围的元素。访问有序集合中的中间元素也是非常快的，因为你能够使用有序集合作为一个没有重复成员你的智能列表。

• 数据结构

        SortedSet（zset）是redis提供的一个非常特别的数据结构，内部使用到了2种数据结构。

        1、 hash 表

        类似于java 中的 Map<String,score> ， key 为集合中的元素， value 为元素对应的 score ，可以用来快速定位元素定义的score ，时间复杂度为 O(1)

        2、跳表

        跳表（skiplist ）是一个非常优秀的数据结构，实现简单，插入、删除、查找的复杂度均为 O(logN) 。类似java 中的 ConcurrentSkipListSet ，根据 score 的值排序后生成的一个跳表，可以快速按照位置的顺序或者score 的顺序查询元素。

这里我们来看一下跳表的原理，首先从考虑一个有序表开始：

        从该有序表中搜索元素 < 23, 43, 59 > ，需要比较的次数分别为 < 2, 4, 6 > ，总共比较的次数为 2 + 4 + 6 = 12 次。有没有优化的算法吗 ? 链表是有序的，但不能使用二分查找。类似二叉搜索树，我们把一些节点提取出来，作为索引。得到如下结构：

        这里我们把 < 14, 34, 50, 72 > 提取出来作为一级索引，这样搜索的时候就可以减少比较次数了。我们还可以再从一级索引提取一些元素出来，作为二级索引，变成如下结构：

        这里元素不多，体现不出优势，如果元素足够多，这种索引结构就能体现出优势来了。

• 应用场景 

1、需要随机获取数据源中的元素根据某个权重进行排序的场景

举例：各种排行榜比如直播间送礼物的排行榜、朋友圈的微信步数排行榜、王者荣耀中的段位排行榜、话题热度排行榜等等。
相关命令：ZRANGE (从小到大排序)、 ZREVRANGE （从大到小排序）、ZREVRANK (指定元素排名)。

2、需要存储的数据有优先级或者重要程度的场景 比如优先级任务队列。

举例：优先级任务队列。
相关命令：ZRANGE (从小到大排序)、 ZREVRANGE （从大到小排序）、ZREVRANK (指定元素排名)。

Hash（散列）

        Redis hash是一个键值对集合。 Redis hash是一个string类型的field和value的映射表，hash特别适合用于存储对象。 类似于java里面的Map<String,Object>

• 数据结构

        Hash类型对应的数据结构是2中：ziplist（压缩列表），hashtable（哈希表）。 当field-value长度较短个数较少时，使用ziplist，否则使用hashtable。

• 常用命令

hset key field value [field value ...]	设置多个 field 的值
hget key field	获取指定 filed 的值
hgetall key	返回 hash 表所有的域和值
hmset key field value [field value ...]	和 hset 类似（已弃用）
hexists key field	判断给定的 field 是否存在， 1 ：存在， 0 ：不存在
hkeys key	列出所有的 filed
hvals key	列出所有的 value
HLEN key	返回 filed 的数量
hincrby key field increment	filed 的值加上指定的增量
hsetnx key field value	当 filed 不存在的时候，设置 filed 的值

•  应用场景

 1、对象数据存储场景：

• 举例：用户信息、商品信息、文章信息、购物车信息。
• 相关命令：HSET （设置单个字段的值）、HMSET（设置多个字段的值）、HGET（获取单个字段的值）、HMGET（获取多个字段的值）。

3 种特殊数据类型

数据类型	说明
HyperLogLog（基数统计）	你可以将 Bitmap 看作是一个存储二进制数字（0 和 1）的数组，数组中每个元素的下标叫做 offset（偏移量）。通过 Bitmap, 只需要一个 bit 位来表示某个元素对应的值或者状态，key 就是对应元素本身 。我们知道 8 个 bit 可以组成一个 byte，所以 Bitmap 本身会极大的节省储存空间。
Bitmap（位图）	Redis 提供的 HyperLogLog 占用空间非常非常小，只需要 12k 的空间就能存储接近2^64个不同元素。不过，HyperLogLog 的计数结果并不是一个精确值，存在一定的误差（标准误差为 0.81% ）。
Geospatial（地理位置）	Geospatial index（地理空间索引，简称 GEO） 主要用于存储地理位置信息，基于 Sorted Set 实现。

HyperLogLog（基数统计）

 在工作当中，我们经常会遇到与统计相关的功能需求，比如统计网站 PV（PageView 页面访问量），可以使用 Redis 的 incr、incrby 轻松实现。但像 UV（UniqueVisitor 独立访客）、独立 IP 数、搜索记录数等需要去重和计数的问题如何解决？这种求集合中不重复元素个数的问题称为基数问题。

解决基数问题有很多种方案：

数据存储在 MySQL 表中，使用 distinct count 计算不重复个数。

使用 Redis 提供的 hash、set、bitmaps 等数据结构来处理。

以上的方案结果精确，但随着数据不断增加，导致占用空间越来越大，对于非常大的数据集是不切实际的。能否能够降低一定的精度来平衡存储空间？Redis 推出了 HyperLogLog。

Redis HyperLogLog 是用来做基数统计的算法，HyperLogLog 的优点是：在输入元素的数量或者体积 非常非常大时，计算基数所需的空间总是固定的、并且是很小的。

在 Redis 里面，每个 HyperLogLog 键只需要花费 12 KB 内存，就可以计算接近 2^64 个不同元素的基数。这和计算基数时，元素越多耗费内存就越多的集合形成鲜明对比。

但是，因为 HyperLogLog 只会根据输入元素来计算基数，而不会储存输入元素本身，所以HyperLogLog 不能像集合那样，返回输入的各个元素。

什么是基数？比如数据集 {1, 3, 5, 7, 5, 7, 8}，那么这个数据集的基数集为 {1, 3, 5 ,7, 8}，基数 (不重复元素) 为 5。基数估计就是在误差可接受的范围内，快速计算基数。

• 常用命令

pfadd key element [element ...]	添加多个元素
pfcount key1 key2 ...	获取多个HLL合并后元素的个数
pfmerge destkey sourcekey [sourcekey ...]	将多个HLL合并后元素放入另外一个HLL

•  应用场景

1、数量量巨大（百万、千万级别以上）的计数场景

• 举例：热门网站每日/每周/每月访问 ip 数统计、热门帖子 uv 统计、
• 相关命令：PFADD、PFCOUNT 。

Bitmap （位图）

        现代计算机使用二进制（位）作为信息的基本单位，1个字节等于8位，例如“abc”字符串是有3个字节组成，但实际在计算机内存储时将其使用二进制表示，“abc”分别对应的ASCII码是：97、98、99，对应的二进制分别是01100001、01100010、01100011，如下图：

        合理地使用位操作能够有效地提高内存使用率和开发效率。

        Redis提供了Bitmaps这个“数据类型”可以实现对位的操作：

• Bitmaps本身不是一种数据类型， 实际上它就是字符串（key-value） ， 但是它可以对字符串的位进行操作，字符串中每个字符对应1个字节，也就是8位，一个字符可以存储8个bit位信息。
• Bitmaps单独提供了一套命令， 所以在Redis中使用Bitmaps和使用字符串的方法不太相同。 可以把Bitmaps想象成一个以位为单位的数组， 数组的每个单元只能存储0和1， 数组的下标在 Bitmaps中叫做偏移量。

• bitmaps与set比较  

        假设网站有 1 亿用户， 每天独立访问的用户有 5 千万， 如果每天用集合类型和 Bitmaps 分别存储活跃用户可以得到表：

set 和 Bitmaps 存储一天活跃用户对比

数据类型	每个用户 id 占用空间	需要存储的用户量	全部内存量
set 集合	64 位	50000000	64 位 * 50000000 = 400MB
Bitmaps	1 位	100000000	1 位 * 100000000 = 12.5MB

        很明显， 这种情况下使用 Bitmaps 能节省很多的内存空间， 尤其是随着时间推移节省的内存还是非常可观的。

set 和 Bitmaps 存储独立用户空间对比

数据类型	一天	一月	一年
set 集合	400MB	12GB	144GB
Bitmaps	12.5MB	375MB	4.5GB

        但 Bitmaps 并不是万金油， 假如该网站每天的独立访问用户很少， 例如只有 10 万（大量的僵尸用户） ， 那么两者的对比如下表所示， 很显然， 这时候使用 Bitmaps 就不太合适了， 因为基本上大部分位都 是 0。

数据类型	每个 userid 占用空间	需要存储的用户量	全部内存量
set 集合	64 位	100000	64 位 * 100000 = 800KB
Bitmaps	1 位	100000000	1 位 * 100000000 = 12.5MB

•  常用命令

SETBIT key offset value	设置某个偏移量的值（ 0 或 1 ）
GETBIT key offset	获取某个偏移位的值
BITCOUNT key [start] [end]	统计 bit 位都为 1 的数量
BITOP operation destkey key [key ...]	对一个多个 bitmaps 执行位操作

• 应用场景

1、需要保存状态信息（0/1 即可表示）的场景

• 举例：用户签到情况、活跃用户情况、用户行为统计（比如是否点赞过某个视频）。
• 相关命令：SETBIT、GETBIT、BITCOUNT、BITOP。

Geospatial (地理位置)

        Reids3.2 中增加了对GEO类型的支持，GEO（Geographic），地理信息的缩写。该类型，就是元素的 2 维坐标，在地图上就是经纬度，redis基于该类型，提供了经纬度设置、查询、范围查询、距离查询，经纬度Hash等常见操作。

• 常用命令

geoadd key longitude latitude member [longitude latitude member ...]	添加多个位置的经纬度
geopos key member [member ...]	获取多个位置的坐标值
geodist key member1 member2 [m|km|ft|mi]	获取两个位置的直线距离
georadius key longitude latitude radius m|km|ft|mi	以给定的经纬度为中心，找出某一半径内的元素

•  应用场景

1、需要管理使用地理空间数据的场景

• 举例：附近的人。
• 相关命令: GEOADD、GEORADIUS、GEORADIUSBYMEMBER 。