五大数据类型

Redis-Key

127.0.0.1:6379[1]> flushall # 清空所有数据库中的所有键
OK
127.0.0.1:6379[1]> flushdb # 清空当前数据库中的所有键
OK
127.0.0.1:6379[1]> keys * # 查看所有的key
(empty array)
127.0.0.1:6379[1]> set name czar # set key
OK
127.0.0.1:6379[1]> set age 1
OK
127.0.0.1:6379[1]> keys *
1) "name"
2) "age"
127.0.0.1:6379[1]> type age # 查看当前key的数据类型
string
127.0.0.1:6379[1]> exists name # 判断当前的key是否存在
(integer) 1
127.0.0.1:6379[1]> move name 0 # 将当前的key移到指定数据库
(integer) 1
127.0.0.1:6379[1]> keys *
1) "age"
127.0.0.1:6379[1]> select 0 # 切换数据库
OK
127.0.0.1:6379> keys *
1) "name"
127.0.0.1:6379> get name # 获取value
"czar"
127.0.0.1:6379> expire name 10 # 设置key的过期时间,单位秒
(integer) 1
127.0.0.1:6379> ttl name # 查看当前key的剩余时间
(integer) 7
127.0.0.1:6379> ttl name # 为-2时就是过期了
(integer) -2
127.0.0.1:6379> keys *
(empty array)

String

特点

• 值可以是字符串,数字(整数或浮点数)甚至是序列化的对象(如JSON,XML)
• 最大能存储512MB的数据
• 二进制安全
• 常用于存储计数器(配合INCR/DECR原子操作)

内部实现:简单动态字符串(Simple Dynamic String, SDS),相比C语言原生字符串更安全,高效

常用命令

设置/获取：

• SET key value ：设置键的值。
• SETEX key second value:设置键的值和过期时间
• SETNX key value: 仅当键不存在时设置
• GET key：获取键的值。
• GETSET key value：设置新值并返回旧值。
• MSET key value [key value ...]：批量设置键值对。
• MGET key [key ...]：批量获取键的值。

计数与增减（原子操作）：

• INCR key：将键的整数值加1。
• DECR key：将键的整数值减1。
• INCRBY key increment：将键的整数值增加指定的increment。
• DECRBY key decrement：将键的整数值减少指定的decrement。
• INCRBYFLOAT key increment：将键的浮点数值增加指定的increment。

字符串操作：

• APPEND key value：将value追加到键的原值的末尾。
• STRLEN key：返回键值的长度。
• GETRANGE key start end：获取键值的子字符串（索引从0开始，包含start和end. (0, -1)为整个字符串的长度）。
• SETRANGE key offset value：用value覆盖键值从offset开始的部分。

典型应用场景

1. 缓存：缓存用户信息、配置信息、查询结果、HTML片段等。

2. 计数器：网站访问量、文章阅读数、点赞数、API调用次数。

3. 分布式锁：利用SET key value NX EX seconds实现。

4. Session共享：在分布式Web应用中存储Session信息。

5. 存储简单配置信息。

List

特点

• 元素可以重复
• 可以在列表的头部(左边)或尾部(右边)添加元素
• 获取指定范围的元素列表
• 列表最大长度为2^32^−1个元素
• 常用于实现消息队列或栈

内部实现:早期版本是双向链表或压缩链表(ziplist),Redis3.2后引入quicklist(结合了ziplist和双向链表的优点)

常用命令

添加元素：

• LPUSH key element [element ...]：将一个或多个元素插入到列表头部。
• RPUSH key element [element ...]：将一个或多个元素插入到列表尾部。
• LINSERT key BEFORE|AFTER pivot element：在pivot元素前或后插入element。

移除元素：

• LPOP key [count]：移除并返回列表头部的count个元素（默认为1）。
• RPOP key [count]：移除并返回列表尾部的count个元素（默认为1）。
• LREM key count element：根据count值移除列表中与element相等的元素。
  • count > 0：从头向尾移除count个元素。
  • count < 0：从尾向头移除-count个元素。
  • count = 0：移除所有。

获取元素/信息：

• LLEN key：返回列表长度。
• LRANGE key start stop：获取列表指定范围内的元素（索引从0开始，-1表示最后一个.(0, -1)为全部元素）。
• LINDEX key index：通过索引获取列表中的元素。

修改元素：

• LSET key index element：通过索引设置列表元素的值。

裁剪列表：

• LTRIM key start stop：只保留指定区间内的元素，其余删除。

阻塞操作 (常用于消息队列)：

• BLPOP key [key ...] timeout：阻塞式地从列表头部弹出元素，timeout为0表示无限阻塞。
• BRPOP key [key ...] timeout：阻塞式地从列表尾部弹出元素。
• BRPOPLPUSH source destination timeout：原子地从source尾部弹出一个元素，插入到destination头部，并返回该元素（阻塞版本）。

典型应用场景

1. 消息队列/任务队列：利用LPUSH生产消息，RPOP（或LPOP）消费消息。BLPOP/BRPOP实现可靠消息消费。

2. 时间线/最新动态 (Timeline)：如微博、朋友圈的关注人动态，将最新动态LPUSH进去，用LRANGE获取最新的N条。

3. 栈 (LIFO)：LPUSH + LPOP。

4. 文章/商品分页列表：结合LRANGE实现。

Set

特点

• 成员是唯一的
• 无序的
• 支持集合间的交集,并集,差集等运算
• 集合最大成员数为2^32^ - 1

内部实现:当元素都是整数且数量不多时使用intset，否则使用hashtable（value为null）.

常用命令

添加/移除成员：

• SADD key member [member ...]：向集合添加一个或多个成员。
• SREM key member [member ...]：移除集合中一个或多个成员。

获取信息/成员：

• SMEMBERS key：返回集合中的所有成员。
• SISMEMBER key member：判断member是否是集合的成员。
• SCARD key：获取集合的成员数（基数）。
• SRANDMEMBER key [count]：随机返回集合中count个成员（不删除）。
• SPOP key [count]：随机移除并返回集合中count个成员。

集合运算：

• SINTER key [key ...]：返回所有给定集合的交集。
• SINTERSTORE destination key [key ...]：将交集存储到destination。
• SUNION key [key ...]：返回所有给定集合的并集。
• SUNIONSTORE destination key [key ...]：将并集存储到destination。
• SDIFF key [key ...]：返回第一个集合与其他集合的差集。
• SDIFFSTORE destination key [key ...]：将差集存储到destination。

扫描：

• SSCAN key cursor [MATCH pattern] [COUNT count]：迭代集合中的元素。

典型应用场景

• 标签系统：给用户或文章打标签，一个标签是一个集合，存储用户ID或文章ID。

• 共同好友/共同兴趣：利用SINTER。

• 抽奖系统：将参与用户ID存入Set，用SPOP或SRANDMEMBER抽取。

• 唯一访客统计 (UV)：利用Set成员唯一性。

• 黑名单/白名单。

• 数据去重。

Hash

特点

• 特别适合用于存储对象
• 字段(field)是唯一的
• 一个哈希可以包含多达2^32^-1个键值对

内部实现:当字段较少且值较短时使用ziplist，否则使用hashtable

常用命令

设置/获取字段：

• HSET key field value [field value ...]：设置哈希中一个或多个字段的值。
• HGET key field：获取哈希中指定字段的值。
• HMSET key field value [field value ...]：(已废弃，推荐用HSET替代) 批量设置字段值。
• HMGET key field [field ...]：批量获取字段的值。
• HGETALL key：获取哈希中所有字段和值。

删除字段：

• HDEL key field [field ...]：删除哈希中一个或多个字段。

获取信息：

• HLEN key：获取哈希中字段的数量。
• HEXISTS key field：判断哈希中指定字段是否存在。
• HKEYS key：获取哈希中所有字段名。
• HVALS key：获取哈希中所有值。
• HSTRLEN key field：返回哈希表中指定字段所存储值的字符串长度。

数值增减：

• HINCRBY key field increment：为哈希中指定字段的整数值增加increment。
• HINCRBYFLOAT key field increment：为哈希中指定字段的浮点数值增加increment。

扫描：

• HSCAN key cursor [MATCH pattern] [COUNT count]：迭代哈希表中的键值对。

应用场景

• 存储对象信息：如用户信息（ID、用户名、密码、邮箱等）、商品信息。

• 购物车：以用户ID为key，商品ID为field，商品数量为value。

• 缓存结构化数据：比将整个对象序列化成JSON字符串存入String类型更灵活，可以单独修改某个属性。

Zset

特点

• 成员唯一，但分数(score)可以重复。

• 有序（根据score排序，score相同则按字典序）。

• 支持按分数范围或成员排名范围获取元素。

内部实现：当元素较少且成员较短时使用ziplist，否则使用skiplist（跳跃表）和dict（哈希表）结合的方式。skiplist保证有序和范围查找，dict保证O(1)查找成员分数。

常用命令

添加/更新成员：

• ZADD key [NX|XX] [CH] [INCR] score member [score member ...]
  

  ：添加或更新成员及其分数。

  • NX：只添加新成员。
  • XX：只更新已存在成员。
  • CH：返回实际修改的成员数量。
  • INCR：对成员的分数进行自增。

移除成员：

• ZREM key member [member ...]：移除一个或多个成员。
• ZREMRANGEBYRANK key start stop：按排名范围移除成员。
• ZREMRANGEBYSCORE key min max：按分数范围移除成员。

获取信息/成员：

• ZCARD key：获取成员数量。
• ZSCORE key member：获取指定成员的分数。
• ZCOUNT key min max：获取指定分数区间的成员数量（min和max前可加(表示开区间）。
• ZRANK key member：获取指定成员的排名（升序，从0开始）。
• ZREVRANK key member：获取指定成员的排名（降序，从0开始）。

按排名范围获取：

• ZRANGE key start stop [WITHSCORES]：按排名升序获取成员（可带分数）。
• ZREVRANGE key start stop [WITHSCORES]：按排名降序获取成员（可带分数）。

按分数范围获取：

• ZRANGEBYSCORE key min max [WITHSCORES] [LIMIT offset count]：按分数升序获取成员。
• ZREVRANGEBYSCORE key max min [WITHSCORES] [LIMIT offset count]：按分数降序获取成员。

数值增减：

• ZINCRBY key increment member：为指定成员的分数增加increment。

集合运算 (高级)：

• ZUNIONSTORE destination numkeys key [key ...] [WEIGHTS w [w ...]] [AGGREGATE SUM|MIN|MAX]
• ZINTERSTORE destination numkeys key [key ...] [WEIGHTS w [w ...]] [AGGREGATE SUM|MIN|MAX]

扫描：

• ZSCAN key cursor [MATCH pattern] [COUNT count]：迭代有序集合中的元素。

应用场景

• 排行榜：游戏积分榜、文章热度榜、商品销量榜等。

• 带权重的任务队列/延时队列：score可以表示优先级或执行时间。

• 范围查找：如查找积分在某个区间的用户。

• Top N问题：获取排名最高或最低的N个元素。

• 用户点赞/投票排序：根据点赞数或投票数排序。

三种特殊数据类型

Geo

定义与特点

本质： 专门用于存储地理位置信息（经度、纬度）并支持对这些位置进行查询的数据结构。

特点：

• 可以将成员（通常是某个地点的名称或ID）和其对应的经纬度坐标关联起来。
• 支持查找指定坐标点附近（按半径）的成员。
• 支持计算两个成员之间的距离。
• 底层通常使用Sorted Set实现，结合Geohash算法。Geohash将二维的经纬度编码成一维的字符串（或数字），这个编码后的值作为Sorted Set的score。

注意： Redis GEO功能在 Redis 3.2 版本引入。

常用命令

GEOADD key longitude latitude member [longitude latitude member ...]：将一个或多个指定成员的地理空间位置（经度和纬度）添加到指定的键中。

• 例如：GEOADD cities 116.407395 39.904211 Beijing 121.473701 31.230416 Shanghai

GEOPOS key member [member ...]：从键里面返回所有指定名称的成员的位置（经度和纬度）。

• 例如：GEOPOS cities Beijing

GEODIST key member1 member2 [unit]：返回两个给定位置之间的距离。unit可以是 m (米，默认), km (千米), mi (英里), ft (英尺)。

• 例如：GEODIST cities Beijing Shanghai km

GEORADIUS key longitude latitude radius m|km|ft|mi [WITHCOORD] [WITHDIST] [WITHHASH] [COUNT count [ANY]] [ASC|DESC] [STORE key] [STOREDIST key]：以给定的经纬度为中心， 返回键包含的位置元素当中， 与中心的距离不超过给定最大距离的所有位置元素。

• WITHCOORD：在返回位置元素的同时， 将位置元素的经纬度也一并返回。
• WITHDIST：在返回位置元素的同时， 将位置元素与中心之间的距离也一并返回。
• WITHHASH：在返回位置元素的同时， 将位置元素的Geohash值也一并返回。
• COUNT count [ANY]：限制返回结果的数量。ANY表示找到足够数量后立即返回，不保证是最近的。
• ASC|DESC：按距离中心点从近到远或从远到近排序。
• STORE key / STOREDIST key：将结果（或结果的距离）存储到新的键中。
• 例如：GEORADIUS cities 116.40 39.90 200 km WITHDIST COUNT 5 ASC (查找北京附近200公里内最近的5个城市并显示距离)

GEORADIUSBYMEMBER key member radius m|km|ft|mi ...：和 GEORADIUS 类似，但中心点不是给定的经纬度，而是键中已存在的某个成员的位置。

• 例如：GEORADIUSBYMEMBER cities Beijing 200 km WITHDIST

GEOHASH key member [member ...]：返回一个或多个位置元素的Geohash表示。

GEOSEARCH key [FROMMEMBER member | FROMLONLAT longitude latitude] [BYRADIUS radius unit | BYBOX width height unit] [ASC|DESC] [COUNT count [ANY]] [WITHCOORD] [WITHDIST] [WITHHASH] (Redis 6.2+): 更强大和灵活的搜索命令，可以按成员、经纬度搜索，按半径或矩形区域搜索。

GEOSEARCHSTORE destination source ... (Redis 6.2+): 将 GEOSEARCH 的结果存储起来。

应用场景

• “附近的人/地点”功能： 如查找附近的餐馆、酒店、共享单车、朋友等。

• LBS（Location Based Service）应用： 基于位置的服务，如滴滴打车派单，美团外卖商家筛选。

• 计算两点间距离。

• 地理围栏： 判断某个点是否在指定区域内。

HyperLogLog

定义与特点

本质： 一种概率数据结构，用于对一个集合中的唯一元素数量（基数）进行估算。

特点：

• 极省空间： 估算非常大的数据集的基数时，只需要固定且很小的内存（Redis中每个HLL键只需要12KB）。
• 估算值： 结果不是精确的，但有可控的误差率（标准误差约为0.81%）。
• 不可逆： 不能获取到具体的元素是哪些，只能得到不重复元素的近似数量。
• 合并方便： 多个HLL可以合并，合并后的HLL的基数估算值是原来各个集合并集后的基数估算值。

常用命令

PFADD key element [element ...]：向指定的HyperLogLog键添加一个或多个元素。如果元素已存在，则不会重复计数（HLL内部处理）。

• 例如：PFADD daily_unique_visitors:20250507 user1_ip user2_ip user3_ip user1_ip

PFCOUNT key [key ...]：返回一个或多个HyperLogLog键的基数估算值。如果指定多个键，返回的是它们并集的基数估算。

• 例如：PFCOUNT daily_unique_visitors:20250507 (估算当天的独立访客数)
• 例如：PFCOUNT daily_unique_visitors:20250507 daily_unique_visitors:20250506 (估算这两天总的独立访客数，注意这里是并集)

PFMERGE destkey sourcekey [sourcekey ...]：将一个或多个源HyperLogLog键合并到目标键 destkey 中。合并后的 destkey 的基数估算值将是所有源键对应集合的并集的基数估算。

• 例如：PFMERGE weekly_unique_visitors:2025w18 daily_unique_visitors:20250505 daily_unique_visitors:20250506 ... daily_unique_visitors:20250511

应用场景

• 网站/App独立访客数（UV）统计： 统计每天、每周、每月的独立访客数量。

• 统计用户搜索的独立查询词数量。

• 统计社交网络中帖子的独立阅读用户数。

• 大数据场景下需要快速估算唯一项数量的场景，且对内存占用有严格要求。

Bitmaps

定义与特点

本质： 位图本身并不是一个独立的数据类型，而是基于String类型的一系列面向位的操作。你可以把一个String类型的值看作是一个由很多个0或1组成的位序列（bit sequence）。

特点：

• 空间效率高： 用一个bit位来表示某个元素某个状态（是/否，存在/不存在），非常节省空间。例如，记录1亿用户的每日登录状态，如果用传统的键值对（如 user:1001:20250507_logged_in true）会非常多，而用位图，每天只需要大约 1亿 bits / 8 / 1024 / 1024 ≈ 12MB 的空间。
• 操作高效： 位操作通常非常快。
• 动态扩展： 如果你设置了一个偏移量（offset）很大的位，Redis会自动扩展字符串的长度。

常用命令

• SETBIT key offset value：设置键key在 offset (偏移量，从0开始) 处的位的值（value 只能是 0 或 1）。如果 offset 超出现有字符串长度，会自动用0填充中间的位。
  • 例如：SETBIT user:login:status:20250507 1001 1 (表示用户ID为1001在20250507这天登录了)
• GETBIT key offset：获取键 key 在 offset 处的位的值。
  • 例如：GETBIT user:login:status:20250507 1001
• BITCOUNT key [start end]：统计字符串中被设置为1的位的数量。start 和 end 参数是字节的偏移量（不是位的偏移量），可以用来统计一个范围内的位数。
  • 例如：BITCOUNT user:login:status:20250507 (统计当天登录用户数)
• BITPOS key bit [start end]：返回字符串中第一个被设置为 bit (0或1) 的位的位置。start 和 end 同样是字节偏移量。
  • 例如：BITPOS user:login:status:20250507 1 (找到第一个登录的用户ID)
• BITOP operation destkey key [key ...]：对一个或多个位图（源键）进行位运算（AND, OR, XOR, NOT），并将结果保存到目标键 destkey。
  • 例如：BITOP AND active_last_3days user:login:status:20250507 user:login:status:20250506 user:login:status:20250505 (计算连续三天都登录的用户)

应用场景

• 用户签到/活跃状态统计： 用每个用户ID作为offset，记录用户每天/每月是否签到或活跃。

• 在线状态跟踪： 记录大量用户是否在线（1表示在线，0表示离线）。

• 布隆过滤器（Bloom Filter）的底层实现之一： 虽然Redis有专门的Bloom Filter模块，但理解Bitmap有助于理解其原理。

• 特征标记/权限控制： 用位表示用户是否拥有某个权限或具备某个特征。

• 人口统计学数据： 例如，统计符合特定组合条件的用户（如：男性 AND 居住在北京 AND 订阅了邮件）。