作者：阳光_
链接：https://www.nowcoder.com/discuss/667957
来源：牛客网

前言

在 Redis 最重要最基础就属 它丰富的数据结构了，Redis 之所以能脱颖而出很大原因是他数据结构丰富，可以支持多种场景。并且 Redis 的数据结构实现以及应用场景在面试中是相当常见的，接下来就和大家聊聊 Redis 的数据结构。

Redis数据结构有：string、list、hash、set、sorted set 这五个是大家都知道的，但Redis还有更高级得数据结构，比如：HyperLogLog、Geo、BloomFilter 这几个数据结构，接下来聊聊Redis得这些数据结构吧。

String

基本概念：String 是 Redis 最简单最常用的数据结构，也是 Memcached 唯一的数据结构。在平时的开发中，String 可以说是使用最频繁的了。
底层实现：

  • 如果一个字符串对象保存的是整数值， 并且这个整数值可以用 long 类型来表示， 那么字符串对象会将整数值保存在字符串对象结构的 ptr 属性里面（将 void* 转换成 long ）， 并将字符串对象的编码设置为 int 。
  • 如果字符串对象保存的是一个字符串值， 并且这个字符串值的长度大于 39 字节， 那么字符串对象将使用一个简单动态字符串（SDS）来保存这个字符串值， 并将对象的编码设置为 raw。
  • 如果字符串对象保存的是一个字符串值， 并且这个字符串值的长度小于等于 39 字节， 那么字符串对象将使用 embstr 编码的方式来保存这个字符串值。

使用:

  1. > redis_cli            # 启动redis-cli 客户端
  2. > set hello world      # 将键 hello 的值设置为 world   
  3. OK                     # set 命令成功后 会返回 OK
  4. > get hello            # 通过 get 命令获取 键为 hello 的值
  5. "world"                # 获得到的值
  6. > del hello            # 删除键为 hello 的值
  7. (integer) 1            # 返回的是删除的数量
  8. > mset a 10 b 20 c 30  # 批量的设置值
  9. OK
  10. > mget a b c           # 批量的返回值
  11. 1)"10"
  12. 2)"20"
  13. 3)"30"
  14. > exists hello         # 是否存在该键
  15. (integer) 1            # 1 表示存在，0 表示不存在
  16. > expire hello 10      # 给 hello 设置过期时间，单位，秒
  17. (integer) 1            # 返回1代表成功，0代表key不存在或无法设置过期时间
  18. > pexpire hello 10     # 给 hello 设置过期时间，单位，毫秒
  19. (integer) 1            # 返回1代表成功，0代表key不存在或无法设置过期时间

接下来会重点讲一下 set key value [EX seconds] [PX milliseconds] [NX|XX] 这个一系列命令，这块还是挺重要的，也很容易混淆。
reids 每次对 以前的值覆盖时，会 清空 TLL 值。（TTL 是过期时间）

  • EX second：设置键的过期时间为 second 秒。 SET key value EX second 效果等同于 SETEX key second value 。
  • PX millisecond ：设置键的过期时间为 millisecond 毫秒。 SET key value PX millisecond 效果等同于 PSETEX key millisecond value 。
  • NX ：只在键不存在时，才对键进行设置操作。 SET key value NX 效果等同于 SETNX key value 。
  • XX ：只在键已经存在时，才对键进行设置操作。
  1. # 使用 EX 选项
  2. > set key1 hello EX 1000   # 设置 过期时间 1000s
  3. OK
  4. > ttl hello                # 获取 hello 的过期时间
  5. (integer) 1000
  6. # 使用 PX 选项
  7. > set key1 hello PX 1000   # 设置 过期时间 1000ms
  8. OK
  9. > ttl hello                # 获取 hello 的过期时间
  10. (integer) 1000
  11. # 使用 NX 选项
  12. > set hello world NX
  13. OK                         # 键不存在，设置成功
  14. > get hello
  15. "value"
  16. > set hello world NX
  17. (nil)                      # 键已经存在，设置失败
  18. > get hello
  19. "world"                    # 维持原值不变
  20. # 使用 XX 选项
  21. > exists hello             # 先确定 hello 不存在
  22. (integer) 0
  23. > set hello world XX
  24. (nil)                      # 因为键不存在，设置失败
  25. > set hello wolrd          # 先给 hello 设置一个值
  26. OK
  27. > set hello newWolrd XX
  28. OK                         # 这回设置成功了
  29. > get hello
  30. "newWorld"
  31. # NX 或 XX 可以和 EX 或者 PX 组合使用
  32. > set hello world EX 1000 NX
  33. OK
  34. > get hello
  35. "world"
  36. > ttl hello
  37. (integer)1000
  38. > set hello wolrd PX 30000 NX
  39. OK
  40. > pttl hello
  41. (integer)30000          # 实际操作中 这个值肯定小于 30000，这次是为了效果才这么写的
  42. # EX 和 PX 可以同时出现，但后面给出的选项会覆盖前面给出的选项
  43. > set hello wolrd EX 1000 PX 30000
  44. OK
  45. > ttl hello
  46. (integer)30            # 这个是 PX 设置的参数，
  47. > pttl hello
  48. (integer)30000
  49. > set number 1
  50. OK
  51. > incr number          # 对 number 做自增操作
  52. (integer) 2

在开发过程中，用 redis 来实现锁是很常用的操作。结合 NX 以及 EX 来实现。

  1. > set hello world NX EX 10     # 成功加锁，过期时间是 10s
  2. OK
  3. > set hello wolrd NX EX 10     # 在10s内执行这个命令返回错误，因为上一次的锁还没有释放
  4. (nil)
  5. > del hello                    # 释放了锁
  6. OK
  7. > set hello world NX EX 10     # 成功加锁，过期时间是 10s
  8. OK
  9. > setnx hello world            # 也可以这么写
  10. > setex hello 10 wolrd

锁可以通过设置过期时间以及手动 del 删除来释放锁。
string 的命令比较常用就多介绍了点，下面的命令我就挑重点介绍了。

应用场景：

  • 缓存功能：string 最常用的就是缓存功能，会将一些更新不频繁但是查询频繁的数据缓存起来，以此来减轻 DB 的压力。

  • 计数器：可以用来计数，通过 incr 操作，如统计网站的访问量、文章访问量等。

    List

  • 基本概念: list 是有序可重复列表，和 Java 的 List 蛮像的，查询速度快，可以通过索引查询；插入删除速度慢。

底层实现：

  • 列表对象的编码可以是 ziplist 或者 linkedlist 。
  • 列表对象保存的所有字符串元素的长度都小于 64 字节并且保存的元素数量小于 512 个，使用 ziplist 编码；否则使用 linkedlist；

使用：

  1. > lpush mylist a     # 从左边插入数据
  2. (ineteger)1
  3. > lpush mylist b
  4. (integer)1
  5. > rpush mylist c     # 从右边插入数据
  6. (integer)1
  7. > lrange mylist 0 -1 # 检索数据，lrange 需要两个索引，左闭右闭；0 就是从第 0 个，-1 是倒数第一个，-2 倒数第二个...以此类推
  8. 1)"b"
  9. 2)"a"
  10. 3)"c"
  11. > lrange mylist 0 -2 # 0 到 倒数第 2 个 
  12. 1)"b"
  13. 2)"a"
  14. > lpush mylist a b c # 批量插入
  15. (integer)3
  16. > lpop mylist        # 从左侧弹出元素
  17. "b"
  18. > rpop mylist        # 从右侧弹出元素
  19. "c"
  20. > rpop mylist        # 当列表中没有元素时返回 null
  21. (nil)
  22. > brpoop mylist 5    # 从右侧弹出元素，如果列表没有元素，会阻塞住，如果 5 s后还是没有元素则返回
  23. 1)"mylist"   # 列表名        
  24. 2)"b"        # 弹出元素
  25. > del mylist         # 删除列表 
  26. (integer)1

使用场景:

  • 消息队列：Redis 的 list 是有序的列表结构，可以实现阻塞队列，使用左进右出的方式。Lpush 用来生产 从左侧插入数据，Brpop 用来消费，用来从右侧 阻塞的消费数据。
  • 数据的分页展示： lrange 命令需要两个索引来获取数据，这个就可以用来实现分页，可以在代码中计算两个索引值，然后来 redis 中取数据。

  • 可以用来实现粉丝列表以及最新消息排行等功能。

    Hash

  • 简介*:Redis 散列可以存储多个键值对之间的映射。和字符串一样，散列存储的值既可以是字符串又可以是数值，并且用户同样可以对散列存储的数字值执行自增或自减操作。这个和 Java 的 HashMap 很像，每个 HashMap 有自己的名字，同时可以存储多个 k/v 对。

  • 底层实现*:
  • 哈希对象的编码可以是 ziplist 或者 hashtable 。
  • 哈希对象保存的所有键值对的键和值的字符串长度都小于 64 字节并且保存的键值对数量小于 512 个，使用ziplist 编码；否则使用hashtable；

使用：

  1. > hset student name 张三    # 可以理解为忘名叫student的map中添加 kv 键值对
  2. (integer)1            # 返回1 代表 不存在这个key，并且添加成功
  3. > hset student sex 男
  4. (integer)1
  5. > hset student name 张三
  6. (integer)0            # 返回0 因为这个key已经存在
  7. > hgetall student
  8. 1)"name"
  9. 2)"张三"
  10. 3)"sex"
  11. 4)"男"
  12. > hdel student name       #删除这key
  13. (integer)1           # 返回 1 同样代表整个 key 存在 并且删除成功
  14. > hdel student name
  15. (integer)0           # 返回 0 是因为 该 key 已经不存在

应用场景：

  • Hash 更适合存储结构化的数据，比如 Java 中的对象；其实 Java 中的对象也可以用 string 进行存储，只需要将 对象 序列化成 json 串就可以，但是如果这个对象的某个属性更新比较频繁的话，那么每次就需要重新将整个对象序列化存储，这样消耗开销比较大。可如果用 hash 来存储 对象的每个属性，那么每次只需要更新要更新的属性就可以。

  • 购物车场景：可以以用户的id为key，商品的id 为存储的field，商品数量为键值对的value，这样就构成了购物车的三个要素。

    Set

  • 基本概念*：Redis 的set和list都可以存储多个字符串，他们之间的不同之处在于，list是有序可重复，而set是无序不可重复。

  • 底层实现*：
  • 集合对象的编码可以是 intset 或者 hashtable 。
  • 集合对象保存的所有元素都是整数值并且保存的元素数量不超过 512 个，使用intset 编码；否则使用hashtable；

使用：

  1. > sadd family mother          # 尝试将 mother 添加进 family 集合中
  2. (integer)1       # 返回 1 表示添加成功，0 表示元素已经存在集合中
  3. > sadd family father
  4. (integer)1
  5. > sadd family father
  6. (intger)0
  7. > smembers family             # 获取集合中所有的元素
  8. 1)"mother"
  9. 2)"father"
  10. > sismember family father     # 判断 father 是否在 family 集合中 
  11. (integer)1      # 1 存在；0 不存在
  12. > sismber family son
  13. (integer)0
  14. > srem family son             # 移除 family 集合中元素 son
  15. (integer)1     # 1 表示存在并且移除成功;0 表示存在该元素
  16. > srem family som
  17. (integer)0
  18. > sadd family1 mother
  19. (integer)1
  20. > smembers family 
  21. 1)"mother"
  22. 2)"father"
  23. > smember family1
  24. 1)"mother"
  25. > sinter family family1     # 获取 family 和 family1 的交集
  26. 1)"mother"
  27. > sadd family1 son
  28. (integer)1
  29. > sunion family family1     # 获取 family 和 family1 的并集
  30. 1)"mother"
  31. 2)"father"
  32. > sdiff family family1      # 获取 family 和 family1 的差集（就是family有但是family1没有的元素）
  33. 1)"father"

应用场景：

  • 标签：可以将博客网站每个人的标签用 set 集合存储，然后还按每个标签 将用户进行归并。

  • 存储好友/粉丝：set 具有去重功能；还可以利用set并集功能得到共同好友之类的功能。

    Sorted Set

  • 基本概念*：有序集合和散列一样，都用于存储键值对：其中有序集合的每个键称为成员（member），都是独一无二的，而有序集合的每个值称为分值（score），都必须是浮点数。可以根据分数进行排序，有序集合是Redis里面唯一既可以根据成员访问元素（这一点和散列一样），又可以根据分值以及分值的排列顺序来访问元素的结构。和Redis的其他结构一样，用户可以对有序集合执行添加、移除和获取等操作。

  • 底层实现*：
  • 有序集合的编码可以是 ziplist 或者 skiplist
  • 有序集合保存的元素数量小于 128 个并且保存的所有元素成员的长度都小于 64 字节。使用 ziplist 编码；否则使用skiplist；

即使集合中的元素频繁更新，Sorted Set 也能通过 ZRANGEBYSCORE命令准确地获取到按序排列的数据。
在面对需要展示最新列表、排行榜等场景时，如果数据更新频繁或者需要分页显示，建议优先考虑使用 Sorted Set。

使用：

  1. > zadd class 100 member1 # 将member1元素及其score值100加入到 有序集合 class中
  2. (integer)1
  3. > zadd class 90 member2 80 member3 # 批量添加
  4. (integer)2
  5. > zrange class 0 -1 withscores  # 获取有序集合中的值与score，并按 score 排序
  6. 1)"member3" 
  7. 2)"80"
  8. 3)"member2"
  9. 4)"90"
  10. 5)"member1"
  11. 6)"100"
  12. > zrem class member1   # 删除 class 中 的member1
  13. (integer)1

应用场景：

  • 排行榜：有序集合最常用的场景。如新闻网站对热点新闻排序，比如根据点击量、点赞量等。

  • 带权重的消息队列：重要的消息 score 大一些，普通消息 score 小一些，可以实现优先级高的任务先执行。

    HyperLogLog

  • 基本概念：
    Redis 在 2.8.9 版本添加了 HyperLogLog 结构。

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。
使用：
这里就拿一个统计网站2021年5月23日，有多少用户登录举例

  1. > pfadd user_login_20210523 tom #  user_login_20210523是key；tom 是登录的用户
  2. (integer)1
  3. > pfadd user_login_20210523 tom jack lilei 的用户
  4. (integer)1
  5. > pfcount user_login_20210523  # 获取 key 对应值的数量，同一个用户多次登录只统计一次
  6. (integer) 3  
  7. > pfadd user_login_20210522 sira 
  8. (integer)1
  9. > pfcount user_login_20210523 user_login_20210522 # 统计22号和23号一共有多少登陆的用户
  10. (integer)4
  11. >pfmerge user_login_20210522_23 user_login_20210522 user_login_20210523 # 将连个键内容合并
  12. "OK"
  13. > pfcount user_login_20210522_23
  14. (integer)4

应用场景：

  • 可以用来统计网站的登陆人数以及其他指标

GEO

基本概念：
在 Redis 3.2 版本中新增了一种叫 geo 的数据结构，它主要用来存储地理位置信息，并对存储的信息进行操作。
使用：
geoadd 用于存储指定的地理空间位置，可以将一个或多个经度(longitude)、纬度(latitude)、位置名称(member)添加到指定的 key 中。

  1. > GEOADD beijing 116.405285 39.912835 "蘑菇睡不着"
  2. (integer)2

geopos 用于从给定的 key 里返回所有指定名称(member)的位置（经度和纬度），不存在的返回 nil。

  1. > GEOPOS beijing "蘑菇睡不着" "故宫"
  2. 1) 1)116.405285
  3.    2)39.912835
  4. 2)(nil)

geodist 用于返回两个给定位置之间的距离。
单位参数：
m ：米，默认单位。
km ：千米。
mi ：英里。
ft ：英尺。

  1. > GEOADD beijing 116.403681 39.921156 "故宫"
  2. (integer)1
  3. > GEODIST beijing "蘑菇睡不着" "故宫" km
  4. "0.936"

应用场景：
用于存储地理信息以及对地理信息作操作的场景。
科普一个地理小知识：
经度范围：-180 - 180。从0°经线算起，向东、向西各分作180°，以东的180°属于东经，习惯上用“E”作代号，以西的180°属于西经，习惯上用“W”作代号。0°位置是：英国格林威治（Greenwich）天文台子午仪中心的经线为本初子午线。
纬度范围：-90 - 90。位于赤道以北的点的纬度叫北纬，记为N；位于赤道以南的点的纬度称南纬，记为S。为了研究问题方便，人们把纬度分为低、 中、高纬度。0°～30°为低纬度， 30°～ 60°为中纬度， 60～90°为高纬度。

BloomFilter

基本概念：
一种数据结构，是由一串很长的二进制向量组成，可以将其看成一个二进制数
组。既然是二进制，那么里面存放的不是0，就是1，但是初始默认值都是0。他的主要作用是：判断一个元素是否在某个集合中。比如说，我想判断20亿的号码中是否存在某个号码，如果直接插DB，那么数据量太大时间会很慢；如果将20亿数据放到 缓存 中，缓存也装不下。这个时候用 布隆过滤器 最合适了，布隆过滤器的原理是：

  1. 添加元素
    当要向布隆过滤器中添加一个元素key时，我们通过多个hash函数，算出一个值，然后将这个值所在的方格置为1。
  2. 判断元素是否存在：
    判断元素是否存在，是先将元素经过多个hash函数计算，计算到多个下标值，然后判断这些下标对应的元素值是否都为1，如果存在不是 1 的，那么元素肯定不在集合中；如果都是 1，那么元素大概率在集合中，并不能百分之百肯定元素存在集合中，因为多个不同的数据通过hash函数算出来的结果是会有重复的，所以会存在某个位置是别的数据通过hash函数置为的1。
    总的来说：布隆过滤器可以判断某个数据一定不存在，但是无法判断一定存在。
  3. 布隆过滤器的优缺点：
  • 优点：优点很明显，二进制组成的数组，占用内存极少，并且插入和查询速度都足够快。
  • 缺点：随着数据的增加，误判率会增加；还有无法判断数据一定存在；另外还有一个重要缺点，无法删除数据。

使用：
redis 4.0 后可以使用 布隆过滤器的插件RedisBloom，命令如下：

  1. bf.add 添加元素到布隆过滤器
  2. bf.exists 判断元素是否在布隆过滤器
  3. bf.madd 添加多个元素到布隆过滤器，bf.add只能添加一个
  4. bf.mexists 判断多个元素是否在布隆过滤器
  6. > bf.add boomFilter tc01
  7. (integer) 1            # 1：存在；0：不存在
  8. > bf.add boomFilter tc02
  9. (integer) 1
  10. > bf.add boomFilter tc03
  11. (integer) 1
  12. > bf.exists boomFilter tc01
  13. (integer) 1
  14. > bf.exists boomFilter tc02
  15. (integer) 1
  16. > bf.exists boomFilter tc03
  17. (integer) 1
  18. > bf.exists boomFilter tc04
  19. (integer) 0
  20. > bf.madd boomFilter tc05 tc06 tc07
  21. 1) (integer) 1
  22. 2) (integer) 1
  23. 3) (integer) 1
  24. > bf.mexists boomFilter tc05 tc06 tc07 tc08
  25. 1) (integer) 1
  26. 2) (integer) 1
  27. 3) (integer) 1
  28. 4) (integer) 0
  1. Redisson 使用布隆过滤器 :
  1. public static void main(String[] args) {
  3.         Config config = new Config();
  4.         config.useSingleServer().setAddress("redis://192.168.15.105:6379");
  5.         config.useSingleServer().setPassword("password123");
  7.         //构造Redisson
  8.         RedissonClient redisson = Redisson.create(config);
  10.         RBloomFilter bloomFilter = redisson.getBloomFilter("userPhones");
  12.         //初始化布隆过滤器：预计元素为500000000L,误差率为3%
  13.         bloomFilter.tryInit(500000000L,0.03);
  15.         //将号码10086插入到布隆过滤器中
  16.         bloomFilter.add("18846014678");
  18.          //判断下面号码是否在布隆过滤器中
  19.         System.out.println(bloomFilter.contains("18846014678")); //true
  20.         System.out.println(bloomFilter.contains("1111111222")); //false
  21.  }
  1. Guava 使用布隆过滤器：
    Guava 是谷歌提供的 Java 工具包，功能非常强大
  1. public static void main(String[] args) {
  2.         BloomFilter bloomFilter = BloomFilter.create(Funnels.stringFunnel(Charsets.UTF_8), 500000, 0.01);
  3.         bloomFilter.put("18846047789");
  4.         System.out.println(bloomFilter.mightContain("18846047789")); // true
  5.         System.out.println(bloomFilter.mightContain("1122222"));     //false
  6.     }
  7. }

应用场景：

  • 解决缓存穿透问题：一般得查询场景都是先去查询缓存，如果缓存没有，那么就去 DB 查询，如果查到了，先存在 缓存 中，然后返回给调用方。如果查不到就返回空。这种情况如果有人频繁的请求缓存中没有得数据，比如id = -1 得数据，那么会对 DB 造成极大得压力，这种情况就可以使用 redis 得布隆过滤器了，可以先将可能得id都存在布隆过滤器中，当查询来的时候，先去布隆过滤器查，如果查不到直接返回，不请求缓存以及DB，如果存在 布隆过滤器 中，那么才去缓存中取数据。
  • 黑名单校验：可以将黑名单中得ip放入到布隆过滤器中，这样不用每次来都去 db 中查询了。

总结

Redis 丰富的数据结构是支撑 Redis 重要基石之一。他使 Redis 可以适应很多复杂的场景。这块的内容在面试中可以说是必考的内容，所以要在这方面要多下些功夫。
看到这里记得