Redis的数据结构

最新推荐文章于 2024-06-17 23:52:57 发布

zxjnmc

最新推荐文章于 2024-06-17 23:52:57 发布

阅读量334

点赞数

分类专栏： Redis

本文链接：https://blog.csdn.net/itcreater000/article/details/82685458

版权

Redis 专栏收录该内容

1 篇文章 0 订阅

订阅专栏

一.Redis有哪些数据类型?

①.字符串String
②.字典Hash
③.列表List
④.集合Set
⑤.有序集合SortedSet
⑥.HyperLogLog (Redis在2.8.9加入的HyperLogLog结构,是用来做基数统计的算法,其优点是在输入元素的数量或者体积非常大的时候,计算基数所需的空间总是固定的并且很小,在Redis中每个 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.但是,因为HyperLogLog只会根据输入的数据进行计算,而不会存储输入的数据,所以HyperLogLog不会像集合那样返回输入的每个元素)

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)的个数是5个

⑦.Geo(是Redis3.2版本新增的结构,这个结构能够将用户提供的位置信息记录下来,并对这些信息进行操作)
⑧.Pub/Sub(Redis 通过 PUBLISH 、 SUBSCRIBE 等命令实现了订阅与发布模式，这个功能提供两种信息机制，分别是订阅/发布到频道和订阅/发布到模式)
⑨.BloomFilter(BloomFilter是利用类似位图或者位集合数据结构来存储数据，利用位数组来简洁的表示一个集合，并且能够快速的判断一个元素是不是已经存在于这个集合,这种数据结构能够利用较少的内存来存储海量的数据.BloomFilter正是它的高效（使用Hash）带来了它的判断不一定是正确的，也就是说准确率不是100%。因为再好的Hash都是存在冲突的，这样的话同一个位置可能被多次置1。这样再判断的时候，有可能一个不存在的数据就会误判成存在。但是判断存在的数据一定是存在的。这里需要注意的是这里的Hash和HashMap不同，HashMap可以使用开放定址法、链地址法来解决冲突，因为HashMap是有Key-Value结构的，是可逆的，可以定位。但是Hash是不可逆的，所以不能够解决冲突。虽然BloomFilter不是100%准确，但是可以通过调节参数，使用Hash函数的个数，位数组的大小来降低失误率。这样调节完全可以把失误率降低到接近于0)
⑩.RedisSearch(是一个高性能的全文搜索引擎),Redis-ML(用于机器学习)等