Redis 有哪些数据结构？

这里先列举一下 Redis 的数据结构，以及对应的底层实现。

Redis 提供了多种数据结构，每种结构都有其独特的应用场景和底层实现。以下是 Redis 的主要数据结构及其底层实现：

• 字符串（String）
  • 底层实现：简单动态字符串（SDS）
  • 特点：适用于存储单个值，如用户 session、缓存对象。
  • 场景：大部分简单数据的缓存都是使用这个数据结构的
• 列表（List）
  • 底层实现：有两种实现，ziplist，quicklist（链表）。这在面试中会是一个难点，但是大部分面试官如果没有更新自己的八股文知识的话，应该也不太知道，也不太会问。
  • 特点：适用于存储有序元素，如消息队列、文章列表。
  • 场景：例如说收藏夹中的收藏列表，好友列表等，有些公司还会用作消息队列。List 还有一个使用场景，就是可以用来实现滑动窗口算法，达成限流的效果。
• 集合（Set）
  • 底层实现：hashtable 和 intset
  • 特点：适用于存储无序且唯一元素，如标签、用户关注列表。
  • 场景：很多都是利用集合求差集、并集或者交集。比如说共同好友、共同关注的人这种社交的应用。
• 有序集合（Sorted Set）
  • 底层实现：skiplist（跳表） 和 ziplist
  • 特点：适用于存储有序且唯一元素，如排行榜、时间线。
  • 场景：最典型的就是各种榜单了，比如说游戏里面的分数排行，或者社交平台的各种榜单，电商平台的各种榜单。
• 哈希（Hash）
  • 底层实现： ziplist 或 hashtable （取决于元素数量和大小）
  • 特点：适用于存储对象属性，如用户信息、配置项。
  • 场景：适合存储有很多属性的对象，比如说在用户系统中，使用 Redis 哈希存储用户信息，键为 user:userid，字段为 name、email 等，HSET 设置属性，HGET 获取属性，读写都可以只操作部分数据，减少数据冗余。
• 地理空间（Geospatial）
  • 底层实现：有序集合（Sorted Set）的扩展
  • 特点：适用于存储地理空间数据，如附近的人、位置服务。
  • 场景：计算附近的人
• 位图（Bitmap）
  • 底层实现：字符串（String）的位操作
  • 特点：适用于存储布尔值，如用户签到、活跃用户统计。
  • 场景：在社交平台中，使用 Redis 位图记录用户每日签到情况，键为 signin:userid，SETBIT 设置签到，GETBIT 查询签到，节省存储空间。
• HyperLogLog
  • 底层实现：HyperLogLog 算法
  • 特点：适用于统计大量数据的基数，如 UV 统计。
  • 场景：UV 统计，在网站分析系统中，使用 Redis HyperLogLog 统计每日 UV，键为 uv:date，PFADD 添加访问记录，PFCOUNT 获取 UV 数，高效处理大数据统计。
• 流（Stream）
  • 底层实现：Rax 树和链表
  • 特点：适用于消息队列和日志收集，支持持久化。
  • 场景：在监控系统 中，使用 Redis 流收集日志信息，键为 log_stream，XADD 添加日志，XREAD 读取日志，支持持久化和高吞吐量。

我加粗的五种字符串，列表，集合，有序集合和哈希是一定要记住的，剩下的几种你要是在项目里面用过，就要记住，并且在回答的时候引导到你用的案例上。

而后可以考虑在面试中进一步回答选择 Redis 数据结构的基本原则：

• 功能性：也就是你选择的 Redis 数据结构至少能支持你所需要的业务场景，能够解决你的业务问题
• 性能：内存要少，读写操作要快
• 底层实现的潜在问题：要进一步评估在你的业务数据特性下，你使用的数据结构对应的底层结构究竟是什么，防止出现 intset 那种升级问题，或者 ziplist 连锁更新的问题
• 扩展性：典型的就是在考虑存储一个大 JSON 串还是使用 Hash 结构，如果考虑到未来存在单字段的读写情况，那么使用扩展性的问题