Redis中常见数据结构和数据类型

折叠的饼干

已于 2022-08-25 22:42:58 修改

阅读量403

点赞数

分类专栏： Redis 文章标签：数据结构 redis java

于 2022-08-17 14:46:46 首次发布

本文链接：https://blog.csdn.net/weixin_45627369/article/details/125892969

版权

Redis 专栏收录该内容

2 篇文章 0 订阅

订阅专栏

常见数据结构

SDS简单动态字符串
双向链表
压缩列表
哈希表
跳表
整数集合
quicklist
listpack**

常见数据类型

1. String——字符串
2. List——列表（按照插入顺序排序）
3. Hash——哈希
4. Set——集合（无序并唯一）
5. Zset——有序集合（有序并唯一）
新增
6. BitMap（2.2版新增）
7. HyperLogLog（2.8版新增）
8. GEO（3.2版新增）
9. Stream(5.0版新增）常见数据类型的底层是常见数据结构

在这里插入图片描述

1. String——字符串

底层实现：

int +SDS(新增3个属性，3大优势）

基本操作：

# 设置 key-value 类型的值
> SET name lin
OK
# 根据 key 获得对应的 value
> GET name
"lin"
# 判断某个 key 是否存在
> EXISTS name
(integer) 1
# 返回 key 所储存的字符串值的长度
> STRLEN name
(integer) 3
# 删除某个 key 对应的值
> DEL name
(integer) 1

批量设置 :

# 批量设置 key-value 类型的值
> MSET key1 value1 key2 value2 
OK
# 批量获取多个 key 对应的 value
> MGET key1 key2 
1) "value1"
2) "value2"

计数器（字符串的内容为整数的时候可以使用）：

# 设置 key-value 类型的值
> SET number 0
OK
# 将 key 中储存的数字值增一
> INCR number
(integer) 1
# 将key中存储的数字值加 10
> INCRBY number 10
(integer) 11
# 将 key 中储存的数字值减一
> DECR number
(integer) 10
# 将key中存储的数字值键 10
> DECRBY number 10
(integer) 0

过期（默认为永不过期）：

# 设置 key 在 60 秒后过期（该方法是针对已经存在的key设置过期时间）
> EXPIRE name  60 
(integer) 1
# 查看数据还有多久过期
> TTL name 
(integer) 51

#设置 key-value 类型的值，并设置该key的过期时间为 60 秒
> SET key  value EX 60
OK
> SETEX key  60 value
OK

不存在就插入：

# 不存在就插入（not exists）
>SETNX key value
(integer) 1

应用场景

1. 缓存对象
  eg.对象JSON（SET user:1 ‘{“name”:“xxx”, “age”:18}’）
  分离key（MSET user:1:name xiaolin user:1:age 18 user:2:name xiaomei user:2:age 20）
1. 常规计数
  访问次数，点赞，转发，库存数量等
1. 分布式锁
  setnx可以实现key不存在才插入,可以用它实现分布式锁

# 不存在就插入（not exists）
>SETNX key value
(integer) 1

加锁

如果key不存在，则显示插入成功，表示加锁成功
如果key存在，则显示插入失败，表示加锁失败
一般还会对分布式锁加上时间

SET lock_key unique_value NX PX 10000

lock_key 就是 key 键；
unique_value 是客户端生成的唯一的标识；
NX 代表只在 lock_key 不存在时，才对 lock_key 进行设置操作；
PX 10000 表示设置 lock_key 的过期时间为 10s，这是为了避免客户端发生异常而无法释放锁。

解锁
解锁需要保证执行操作的客户端是加锁的客户端才能删除

先判断锁的unique_value是否为加锁的客户端
如果是，再删除
有两个操作，需要LUA脚本来保证解锁的原子性（Redis执行LUA脚本时，可以以原子方式执行，保证锁释放操作的原子性）

// 释放锁时，先比较 unique_value 是否相等，避免锁的误释放
if redis.call("get",KEYS[1]) == ARGV[1] then
    return redis.call("del",KEYS[1])
else
    return 0
end

1. 共享Session信息
  通常开发后台管理系统时，会使用Session保存用户的会话（登录）状态，通常保存在服务器端，但只适用于单系统应用，如果是分布式系统将不适用
  eg. 用户一的 Session 信息被存储在服务器一，但第二次访问时用户一被分配到服务器二，这个时候服务器并没有用户一的 Session 信息，就会出现需要重复登录的问题，问题在于分布式系统每次会把请求随机分配到不同的服务器。

2. List——列表

最大长度2^32-1

底层实现：

双向链表 / 压缩链表（元素个数小于512个，每个元素的值小于64字节）
按照插入顺序排序，可以从头部或尾部向List列表添加元素

基本操作

# 将一个或多个值value插入到key列表的表头(最左边)，最后的值在最前面
LPUSH key value [value ...] 
# 将一个或多个值value插入到key列表的表尾(最右边)
RPUSH key value [value ...]
# 移除并返回key列表的头元素
LPOP key     
# 移除并返回key列表的尾元素
RPOP key 

# 返回列表key中指定区间内的元素，区间以偏移量start和stop指定，从0开始
LRANGE key start stop

# 从key列表表头弹出一个元素，没有就阻塞timeout秒，如果timeout=0则一直阻塞
BLPOP key [key ...] timeout
# 从key列表表尾弹出一个元素，没有就阻塞timeout秒，如果timeout=0则一直阻塞
BRPOP key [key ...] timeout

应用场景

1. 消息队列
  消息队列在取消息时，必须满足三个需求

消息保序
处理重复的消息
保证消息可靠性 Redis的List和Stream两种数据类型，可以满足消息队列的这三个需求

List实现消息保序
本身就是按先进先出进行存取，可以使用 LPUSH + RPOP （或者反过来，RPUSH+LPOP）命令实现消息队列。

生产者：使用 LPUSH key value[value…] 将消息插入到队列的头部，如果 key 不存在则会创建一个空的队列再插入消息。
消费者：使用 RPOP key 依次读取队列的消息，先进先出。

问题：消费者不知道生产者是否发送消息，需要一直RPOP获取，导致消费者CPU一直小孩在执行RPOP命令上，带来不必要的性能损失
问题解决：提供BRPOP,阻塞式读取（客户端没读到队列时，自动阻塞,直到有新的数据写入队列，再开始读取新数据）
2. List处理重复的消息
实现重复消息判断的要求：1.每个消息都有一个全局id、2.消费者要记录已经处理过消息的id
全局 ID 为 111000102、库存量为 99 的消息插入了消息队列：
LPUSH mq "111000102:stock:99"
(integer) 1
保证消息可靠性
当消费者程序从 List 中读取一条消息后，List 就不会再留存这条消息了。所以，如果消费者程序在处理消息的过程出现了故障或宕机，就会导致消息没有处理完成，那么，消费者程序再次启动后，就没法再次从 List 中读取消息了。
List提供BRPOPLPUSH命令，让消费者从程序的一个List中读取消息，同时把消息再插入到另一个List(备份List)留存

List作为消息队列的缺陷：
不支持多个消费者消费同一条消息
如果要实现多个消费者消费同一条消息，就要将多个消费者组成一个消费组。
Stream能够满足消息队列的三大需求，同时支持消费组形式的消息读取

3. Hash——哈希

是一个键值对集合，特别适合用于存储对象

底层实现

压缩列表/哈希表

基本操作

# 存储一个哈希表key的键值
HSET key field value   
# 获取哈希表key对应的field键值
HGET key field

# 在一个哈希表key中存储多个键值对
HMSET key field value [field value...] 
# 批量获取哈希表key中多个field键值
HMGET key field [field ...]       
# 删除哈希表key中的field键值
HDEL key field [field ...]    

# 返回哈希表key中field的数量
HLEN key       
# 返回哈希表key中所有的键值
HGETALL key 

# 为哈希表key中field键的值加上增量n
HINCRBY key field

应用场景

缓存对象
对象可以通过String+Json存储，也可以通过HASH存储
一般对象用 String + Json 存储，对象中某些频繁变化的属性可以考虑抽出来用 Hash 类型存储。
购物车
以用户 id 为 key，商品 id 为 field，商品数量为 value

##添加商品：
HSET cart:{用户id} {商品id} 1
## 添加数量：
HINCRBY cart:{用户id} {商品id} 1
##商品总数：
HLEN cart:{用户id}
##删除商品：
HDEL cart:{用户id} {商品id}
##获取购物车所有商品：
HGETALL cart:{用户id}

4. Set——集合

是一个无序并唯一的键值集合，存储顺序不会按照插入的先后顺序进行存储
最多可以存储2^32-1个元素，除了增删改查，还支持交集，并集，差集

底层实现

哈希表/整数集合

基本操作

# 往集合key中存入元素，元素存在则忽略，若key不存在则新建
SADD key member [member ...]
# 从集合key中删除元素
SREM key member [member ...] 
# 获取集合key中所有元素
SMEMBERS key
# 获取集合key中的元素个数
SCARD key

# 判断member元素是否存在于集合key中
SISMEMBER key member

# 从集合key中随机选出count个元素，元素不从key中删除
SRANDMEMBER key [count]
# 从集合key中随机选出count个元素，元素从key中删除
SPOP key [count]

应用场景

集合的主要几个特性：无序、不可重复、支持并交差等操作
适合用来数据去重和保障数据的唯一性，还可以用来统计多个集合的交集、错集和并集
set的差集、并集和交集的计算复杂度较高，在数据量大的情况下，如果直接执行，会导致Redis实例阻塞。
在主从集群中，为了避免主库因为 Set 做聚合计算（交集、差集、并集）时导致主库被阻塞，我们可以选择一个从库完成聚合统计，或者把数据返回给客户端，由客户端来完成聚合统计。

点赞
可以保证一个用户只能点一个赞

# uid:1 用户对文章 article:1 点赞
> SADD article:1 uid:1
(integer) 1
# uid:1 取消了对 article:1 文章点赞
> SREM article:1 uid:1
(integer) 1
# 获取 article:1 文章所有点赞用户 :
> SMEMBERS article:1
1) "uid:3"
2) "uid:2"

共同关注

# 获取共同关注
> SINTER uid:1 uid:2
1) "7"
2) "8"
3) "9"
# 给 uid:2 推荐 uid:1 关注的公众号：
> SDIFF uid:1 uid:2
1) "5"
2) "6"

抽奖活动
保证同一个用户不会中奖两次
如果允许重复中奖，可以使用 SRANDMEMBER 命令。

# 抽取 1 个一等奖：
> SRANDMEMBER lucky 1
1) "Tom"
# 抽取 2 个二等奖：
> SRANDMEMBER lucky 2
1) "Mark"
2) "Jerry"

如果不允许重复中奖，可以使用 SPOP 命令。

# 抽取一等奖1个
> SPOP lucky 1
1) "Sary"
# 抽取二等奖2个
> SPOP lucky 2
1) "Jerry"
2) "Mark"

5. Zset——有序集合

相比于set类型，多了一个排序属性score(分值）
集合key值不可以重复，但元素有序

底层实现

压缩列表（元素个数小于128个，每个元素的值小于64字节时）/跳表

基本操作

# 往有序集合key中加入带分值元素
ZADD key score member [[score member]...]   
# 往有序集合key中删除元素
ZREM key member [member...]                 
# 返回有序集合key中元素member的分值
ZSCORE key member
# 返回有序集合key中元素个数
ZCARD key 

# 为有序集合key中元素member的分值加上increment
ZINCRBY key increment member 

# 正序获取有序集合key从start下标到stop下标的元素
ZRANGE key start stop [WITHSCORES]
# 倒序获取有序集合key从start下标到stop下标的元素
ZREVRANGE key start stop [WITHSCORES]

# 返回有序集合中指定分数区间内的成员，分数由低到高排序。
ZRANGEBYSCORE key min max [WITHSCORES] [LIMIT offset count]

# 返回指定成员区间内的成员，按字典正序排列, 分数必须相同。
ZRANGEBYLEX key min max [LIMIT offset count]
# 返回指定成员区间内的成员，按字典倒序排列, 分数必须相同
ZREVRANGEBYLEX key max min [LIMIT offset count]

Zset 运算操作（相比于 Set 类型，ZSet 类型没有支持差集运算）：

# 并集计算(相同元素分值相加)，numberkeys一共多少个key，WEIGHTS每个key对应的分值乘积
ZUNIONSTORE destkey numberkeys key [key...] 
# 交集计算(相同元素分值相加)，numberkeys一共多少个key，WEIGHTS每个key对应的分值乘积
ZINTERSTORE destkey numberkeys key [key...]

应用场景

排行榜(从小到大）
如果数据更新频繁或者需要分页显示，可以优先考虑使用Sorted Set

# arcticle:1 文章获得了200个赞
> ZADD user:xiaolin:ranking 200 arcticle:1
(integer) 1
# arcticle:2 文章获得了40个赞
> ZADD user:xiaolin:ranking 40 arcticle:2
(integer) 1

# 文章 arcticle:4 新增一个赞
> ZINCRBY user:xiaolin:ranking 1 arcticle:4
"51"

# 获取文章赞数最多的 3 篇文章，可以使用 ZREVRANGE 命令（倒序获取有序集合 key 从start下标到stop下标的元素）：
> ZREVRANGE user:xiaolin:ranking 0 2 WITHSCORES
1) "arcticle:1"
2) "200"
3) "arcticle:5"
4) "150"
5) "arcticle:3"
6) "100"

电话、姓名排序

> ZRANGEBYLEX names [A (B
1) "Aidehua"
2) "Aimini"

6. BitMap（2.2版新增）

位图，是一串连续的二进制数组（0和1），可以通过偏移量（offset)定位元素，通过最小的单位bit进行0|1的设置，表示某个元素的值或状态，时间复杂度O(1)
适用于数据量大且使用二值统计的场景,在记录海量数据时，Bitmap 能够有效地节省内存空间。

底层实现

String
保存为二进制的字节数组

基本操作

# 设置值，其中value只能是 0 和 1
SETBIT key offset value

# 获取值
GETBIT key offset

# 获取指定范围内值为 1 的个数
# start 和 end 以字节为单位
BITCOUNT key start end

bitmap 运算操作：

# BitMap间的运算
# operations 位移操作符，枚举值
  AND 与运算 &
  OR 或运算 |
  XOR 异或 ^
  NOT 取反 ~
# result 计算的结果，会存储在该key中
# key1 … keyn 参与运算的key，可以有多个，空格分割，not运算只能一个key
# 当 BITOP 处理不同长度的字符串时，较短的那个字符串所缺少的部分会被看作 0。返回值是保存到 destkey 的字符串的长度（以字节byte为单位），和输入 key 中最长的字符串长度相等。
BITOP [operations] [result] [key1] [keyn…]

# 返回指定key中第一次出现指定value(0/1)的位置
BITPOS [key] [value]

应用场景

注意offset从0开始

签到统计

# 签到6.3
SETBIT uid:sign:100:202206 2 1
# 判断6.3是否签到
GETBIT uid:sign:100:202206 2 
# 统计该用户在6月的签到次数
BITCOUNT uid:sign:100:202206
# 统计这个月首次打卡时间 
# BITPOS key bitValue [start] [end] 可选的 start 参数和 end 参数指定要检测的范围
BITPOS uid:sign:100:202206 1

判断用户登录态
连续签到用户总数
key每天的日期 value打卡用户
一共有 7 个这样的 Bitmap，对这 7 个 Bitmap 的对应的 bit 位做与运算。
Redis 提供了 **BITOP operation destkey key [key …]**这个指令用于对一个或者多个 key 的 Bitmap 进行位元操作。
opration 可以是 and、OR、NOT、XOR。当 BITOP 处理不同长度的字符串时，较短的那个字符串所缺少的部分会被看作 0 。空的 key 也被看作是包含 0 的字符串序列。

# 与操作
BITOP AND destmap bitmap:01 bitmap:02 bitmap:03
# 统计 bit 位 =  1 的个数
BITCOUNT destmap

即使一天产生一个亿的数据，Bitmap 占用的内存也不大，大约占 12 MB 的内存（10^8/8/1024/1024），7 天的 Bitmap 的内存开销约为 84 MB。同时我们最好给 Bitmap 设置过期时间，让 Redis 删除过期的打卡数据，节省内存。

7. HyperLogLog（2.8版新增）

8. GEO（3.2版新增）

9. Stream(5.0版新增）常见数据类型的底层是常见数据结构

键值对数据库的实现

键key：字符串对象（String）
值value：字符串对象（String）/集合数据类型的对象（List、Hash、Set、Zset）
Redis采用哈希表保存所有键值对
哈希表就是一个数组，数组中的元素叫做哈希桶,哈希桶存放指向键值对数据的指针（dictEntry*），这样就可以通过指针找到键值对数据
由于键值对数据结构不是直接保存值本身，而是保存了void *key,void *value指针，分别指向实际的键对象和值对象

哈希表优点：查找时间复杂度O(1)

在这里插入图片描述

redisDb结构，表示Redis数据库的结构——存放了指向dict结构的指针
dict结构，结构体里存放了2个哈希表——大小为2的dictht数组哈希表1：正常情况下用哈希表2：rehash时用
dictht结构，表示哈希表结构
dictEntry,表示哈希表节点结构，里面存放void *key和void *value指针

SDS

redis通过c语言实现，而redis对于字符串类型，不直接使用char*字符串数组，而是封装了一个名为sds简单动态字符串（simple dynamic string）的结构,解决char *字符数组的一些缺陷

c语言字符串的缺陷

c语言获取字符串长度的时间复杂度是O(N)
c语言通过‘\0’标识字符串结尾,strlen通过遍历字符串计数，遇到‘\0’停止遍历
二进制不安全，不能保存像图片、音频、视频文化这样的二进制数据
如果字符串中有’\0’,strlen就是提前终止
字符串操作函数strcat不高效且不安全，可能会造成缓冲区溢出，程序终止
c语言字符串不会记录缓冲区大小，strcat遍历完字符串后进行追加，缓冲区不够，则会溢出

SDS结构设计

在char *buf[]字符数组基础上增加

len——记录字符串长度
获取字符串时间复杂度O(1)
alloc——分配给字符数组的空间长度
通过alloc-len计算剩余可用空间大小，可以在修改时判断缓冲区大小是否可用，不够用时，Redis将自动扩大SDS空间大小（小于1MB扩大一倍（len+1[\0]+len），大于1MB扩大1MB(len+1+1MB），以满足修改所需的大小，且有效减小预分配次数，不需要手动修改大小，也不会发生缓冲区溢出，实现了内存空间预分配和惰性空间释放
flags——用来表示不同类型的sds
Redis 一共设计了 5 种类型，分别是 sdshdr5、sdshdr8、sdshdr16、sdshdr32 和 sdshdr64。
这 5 种类型的主要区别就在于，它们数据结构中的 len 和 alloc 成员变量的数据类型不同。
设计不同的结构体，是为了灵活保存不同大小字符串，有效节约空间
除了设计不同类型的结构体，Redis 在编程上还使用了专门的编译优化来节省内存空间，即在 struct 声明了 attribute ((packed)) ，它的作用是：告诉编译器取消结构体在编译过程中的优化对齐，按照实际占用字节数进行对齐。

跳表

是一种可以实现查找的多层有序链表，每个层级的结点都通过指针连接起来
只有zset对象底层实现用到了跳表

优势

支持平均时间复杂度为**O(logN)**复杂度的查找（单点查找和范围查找）

结构

在这里插入图片描述

包含两个数据结构
1.zskiplistnode
2. zskiplist

zskiplist包含

1. 跳表头head
2. 尾tail
3. 最大层级level
4. 跳表长度

typedef struct zskiplist {
    struct zskiplistNode *header, *tail;
    unsigned long length;
    int level;
} zskiplist;

zskiplistnode包含

1. sds元素
2. double元素权重
3. 后退指针（指向前一个结点，方便从跳表尾结点开始访问结点）
4. level数组（保存每层的前向指针和跨度(计算结点在跳表中的排位——沿途访问过的所有层的跨度累加起来）

typedef struct zskiplistNode {
    //Zset 对象的元素值
    sds ele;
    //元素权重值
    double score;
    //后向指针
    struct zskiplistNode *backward;
  
    //节点的level数组，保存每层上的前向指针和跨度
    struct zskiplistLevel {
        struct zskiplistNode *forward;
        unsigned long span;
    } level[];
} zskiplistNode;

查询过程

从最高层开始查
如果权重小于当前结点权重/等于当前结点权重且sds类型数据小于当前节点：访问该层的下一个结点
如果上面两个条件都不满足或下一结点为空，使用level数组的下一层指针进行查找

结点层数设置

跳表相邻两层节点数量比例会影响跳表的查询性能
趋近0:1就相当于退化成一个链表了
理想情况：相邻两层节点数量最理想的比例是2:1，能够进行二分查找，查找复杂度可以降到O(logN)

Redis采用的方法：
在创建节点时，随机生成0-1的随机数，随机数小于0.25（25%概率），层数增加1层，然后继续生成下一个随机数，直到随机数>0.25结束，最终确定层数
相当于每增加一层的概率不超过25%，层数越高，概率越低，层高最大限制为64

哈希

本质

数组
根据key值通过hash函数确定Entry键值对放在数组的位置
优点：查询数据时间复杂度O(1)
缺点：哈希表固定的情况下，哈希冲突可能性也会很高

解决哈希冲突方法**

开放寻址法——当前位置被占，继续遍历找下一个空位
缺点：
会占满
解决方法：
扩容
增长因子：已经占的位置与总位置的百分比
Java中HashMap在增长因子达到75%时扩容（新建一个数组为原来两倍，然后把原数组数据放进去）
拉链法——分配在同一个哈希桶上的节点通过next指针连接成一个单链表
缺点：
链表过长，查找时间复杂度从O(1)退化到O(N)
解决方法：
Java中HashMap，如果当前链表长度大于等于8的话，链表就会转换成树结构，当然如果长度小于等于6的话，就会还原链表。以此来解决链表过长导致的性能问题。中间有个7作为一个差值，来避免频繁的进行树和链表的转换。

Redis采用拉链法解决哈希冲突

解决拉链法链表过长的方法——rehash

Redis定义dict结构体，包含两个dictht哈希表
resh通过这两个hash表进行实现
步骤：

给hash表2分配空间，一般比hash表1大1倍
将hash表1数据迁移到hash表2
迁移完成后，释放hash表1空间，将hash表2设置为hash表1，在hash表2新创建一个空白的hash表，为下次rehash做准备

解决rehash在数据迁移中，因拷贝数据耗时而影响Redis性能——渐进式rehash

也就是将数据迁移由分一次变为分多次迁移
步骤：

给hash表2分配空间
在rehash期间，每次哈希表执行增删改查操作时，顺序将hash表1中索引位置上的所有key-value迁移到hash表2
eg.新增元素直接插入到hash表2
查找元素时hash表2如果查不到就到hash表1中查
最终在某个时间点完成rehash操作

rehash触发条件

与负载因子有关
负载因子=哈希表已保存节点数量/哈希表大小
当负载因子≥1，在没有执行RDB快照（执行bgsave命令）/AOF重写（执行bgrewriteaof命令）时，进行rehash操作
当负载因子≥5，此时哈希冲突非常严重，不管有没有执行RDB快照和AOF重写，都会强制进行rehash操作

折叠的饼干

关注

0
点赞
踩
2

收藏

觉得还不错? 一键收藏
0
评论
Redis中常见数据结构和数据类型

即使一天产生一个亿的数据，Bitmap 占用的内存也不大，大约占 12 MB 的内存（10^8/8/1024/1024），7 天的 Bitmap 的内存开销约为 84 MB。位图，是一串连续的二进制数组（0和1），可以通过偏移量（offset)定位元素，通过最小的单位bit进行0|1的设置，表示某个元素的值或状态，时间复杂度O(1)在创建节点时，随机生成0-1的随机数，随机数小于0.25（25%概率），层数增加1层，然后继续生成下一个随机数，直到随机数>0.25结束，最终确定层数。.........
复制链接

扫一扫