前言：Redis 是一个高性能的内存数据库，支持多种数据类型，能够高效处理各种场景的数据存储和操作。
- 以下是
Redis数据类型的数据结构及其应用场景的详细说明：
基础数据类型
1. 字符串 (String)
底层数据结构
- Simple Dynamic String (SDS)：动态分配内存，支持高效的字符串操作，避免缓冲区溢出问题。
应用场景
- 保存简单键值对数据：
- 用户登录状态：
SET user:123:status "online" - 配置参数：
SET config:max_connections 1000
- 用户登录状态：
- 计数器和计量数据存储：
- 网站访问量统计：
INCR page:home:views
- 网站访问量统计：
- 分布式锁：
- 设置锁状态并指定过期时间：
SET lock:resource123 "locked" EX 10
- 设置锁状态并指定过期时间：
- 短信验证码：
- 存储验证码并设置过期时间：
SET sms:code:123456 "7890" EX 300
- 存储验证码并设置过期时间：
2. 哈希 (Hash)
底层数据结构
- 哈希表（Hash Table）：用于存储字段较多的键值对。
- 压缩列表（ZipList）：当字段数量较少时，用于节省内存。
应用场景
- 存储用户信息：
- 用户名、邮箱等信息：
HMSET user:123 username "JohnDoe" email "john@example.com"
- 用户名、邮箱等信息：
- 配置或属性数据存储：
- 应用设置：
HMSET app:settings theme "dark" notifications "enabled"
- 应用设置：
- 在线购物车：
- 存储购物车内容：
HMSET cart:123 product1 2 product2 1
- 存储购物车内容：
3. 列表 (List)
底层数据结构
- 双向链表（Linked List）：支持快速的两端插入和删除操作。
- 压缩列表（ZipList）：当列表数据量较小时使用，节省内存。
应用场景
- 消息队列：
- 消息生产者：
LPUSH queue:messages "message1" - 消息消费者：
RPOP queue:messages
- 消息生产者：
- 评论区按时间排序：
- 新评论添加：
LPUSH post:123:comments "Great post!" - 获取最新评论：
LRANGE post:123:comments 0 9
- 新评论添加：
- 待办事项列表：
- 添加任务：
LPUSH todo:user:123 "task1" - 获取待处理任务：
LRANGE todo:user:123 0 -1
- 添加任务：
4. 集合 (Set)
底层数据结构
- 哈希表（Hash Table）：无序存储集合中的元素。
- 整数数组（IntSet）：当集合元素均为整数且数量较小时使用。
应用场景
- 标签或分类数据存储：
- 用户兴趣标签：
SADD user:123:tags "sports" "music"
- 用户兴趣标签：
- 好友推荐：
- 求共同好友：
SINTER user:123:friends user:456:friends
- 求共同好友：
- 去重操作：
- 记录访问过的 IP：
SADD visited_ips "192.168.1.1"
- 记录访问过的 IP：
- 黑名单管理：
- 添加黑名单用户：
SADD blacklist "user123"
- 添加黑名单用户：
5. 有序集合 (Sorted Set)
底层数据结构
- 跳表（SkipList）：支持快速的范围查找和排序操作。
- 压缩列表（ZipList）：当数据量较小时使用。
应用场景
- 排行榜：
- 添加玩家分数：
ZADD leaderboard 1500 player1 - 获取前 10 名玩家：
ZREVRANGE leaderboard 0 9 WITHSCORES
- 添加玩家分数：
- 实时热搜：
- 更新关键词热度：
ZINCRBY trending_keywords 1 "Redis" - 获取热门关键词：
ZREVRANGE trending_keywords 0 9
- 更新关键词热度：
特殊数据类型
1. 位图 (Bitmap)
底层数据结构
- 位数组（Bit Array）：基于字符串类型的位操作扩展。
应用场景
- 用户行为统计：
- 标记用户登录：
SETBIT logins:2024-12-25 123 1 - 统计当天活跃用户数：
BITCOUNT logins:2024-12-25
- 标记用户登录：
- 活动签到：
- 标记用户签到：
SETBIT event:checkin:123 1 1 - 统计签到人数：
BITCOUNT event:checkin:123
- 标记用户签到：
2. HyperLogLog
底层数据结构
- 稀疏矩阵（Sparse Matrix）：基于概率算法，内存占用小且适合估算基数。
应用场景
- 独立用户统计：
- 添加用户访问记录：
PFADD unique_visitors "user123" - 估算总访问用户数：
PFCOUNT unique_visitors
- 添加用户访问记录：
- 广告曝光统计：
- 添加曝光用户：
PFADD ad:123 "user456" - 估算广告独立曝光量：
PFCOUNT ad:123
- 添加曝光用户：
3. Geo（地理空间数据）
底层数据结构
- 有序集合 (Sorted Set)：将地理位置编码为 GeoHash 并存储。
应用场景
- 门店定位
- 添加门店位置：
GEOADD store_locations 116.397128 39.916527 "Store1" - 查询门店位置：
GEOPOS store_locations "Store1" - 获取两个门店之间的距离：
GEODIST store_locations "Store1" "Store2"
- 添加门店位置：
- 用户地理分布
- 添加用户位置：
GEOADD user_locations 116.388213 39.929987 "user123" - 查询附近用户：
GEORADIUS user_locations 116.397128 39.916527 500 km
- 添加用户位置：
- 广告投放区域
- 将广告区域用户位置加入：
GEOADD ad_locations 116.396 39.915 "ad_user1" - 查询在某个区域内的用户数：
GEORADIUSBYMEMBER ad_locations "ad_user1" 5 km COUNT 100
- 将广告区域用户位置加入：
Redis 数据类型总结表
| 数据类型 | 底层数据结构 | 应用场景 |
|---|---|---|
| 字符串 (String) | SDS (动态字符串) | 用户状态、配置参数、计数器、分布式锁、短信验证码… |
| 哈希 (Hash) | 哈希表、压缩列表 | 用户信息、应用设置、在线购物车… |
| 列表 (List) | 双向链表、压缩列表 | 消息队列、评论区排序、待办事项列表… |
| 集合 (Set) | 哈希表、整数数组 | 标签存储、共同好友计算、去重操作、黑名单管理… |
| 有序集合 (Sorted Set) | 跳表、压缩列表 | 排行榜、实时热搜… |
| 位图 (Bitmap) | 位数组 | 用户行为统计、活动签到… |
| HyperLogLog | 稀疏矩阵 | 独立用户统计、广告曝光统计… |
| Geo (地理空间数据) | 有序集合 | 门店定位、用户地理分布、广告投放区域… |
结语：Redis 提供了丰富的基础数据类型和特殊数据类型，其底层数据结构设计精巧，使得 Redis 能够在不同场景中高效地解决数据存储和查询需求。根据具体需求选择合适的数据类型，可以充分发挥 Redis 的性能优势。
“如果此文章对您有帮助😏，帮我点个赞😊，感激不尽！”
