Redis 五种数据结构以及三种高级数据结构解析 java后端redis

记得点赞+关注呦。
更多更好的文章，请关注公众号【蘑菇睡不着】，里面有知识点干货以及刷题相关的分享。

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 五种数据结构以及三种高级数据结构解析】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:

> redis_cli# 启动redis-cli 客户端 > set hello world# 将键 hello 的值设置为 world OK# set 命令成功后会返回 OK > get hello# 通过 get 命令获取键为 hello 的值 "world"# 获得到的值 > del hello# 删除键为 hello 的值 (integer) 1# 返回的是删除的数量 > mset a 10 b 20 c 30# 批量的设置值 OK > mget a b c# 批量的返回值 1)"10" 2)"20" 3)"30" > exists hello# 是否存在该键 (integer) 1# 1 表示存在，0 表示不存在 > expire hello 10# 给 hello 设置过期时间，单位，秒 (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 > pexpire hello 10# 给 hello 设置过期时间，单位，毫秒 (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。

# 使用 EX 选项 > set key1 hello EX 1000# 设置过期时间 1000s OK > ttl hello# 获取 hello 的过期时间 (integer) 1000 # 使用 PX 选项 > set key1 hello PX 1000# 设置过期时间 1000ms OK > ttl hello# 获取 hello 的过期时间 (integer) 1000 # 使用 NX 选项 > set hello world NX OK# 键不存在，设置成功 > get hello "value" > set hello world NX (nil)# 键已经存在，设置失败 > get hello "world"# 维持原值不变 # 使用 XX 选项 > exists hello# 先确定 hello 不存在 (integer) 0 > set hello world XX (nil)# 因为键不存在，设置失败 > set hello wolrd# 先给 hello 设置一个值 OK > set hello newWolrd XX OK# 这回设置成功了 > get hello "newWorld" # NX 或 XX 可以和 EX 或者 PX 组合使用 > set hello world EX 1000 NX OK > get hello "world" > ttl hello (integer)1000 > set hello wolrd PX 30000 NX OK > pttl hello (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 # 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 > set hello wolrd EX 1000 PX 30000 OK > ttl hello (integer)30# 这个是 PX 设置的参数， > pttl hello (integer)30000 > set number 1 OK > incr number# 对 number 做自增操作 (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。

> set hello world NX EX 10# 成功加锁，过期时间是 10s OK > 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 (nil) > del hello# 释放了锁 OK > set hello world NX EX 10# 成功加锁，过期时间是 10s OK > setnx hello world# 也可以这么写 > 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：

> lpush mylist a# 从左边插入数据 (ineteger)1 > lpush mylist b (integer)1 > rpush mylist c# 从右边插入数据 (integer)1 > 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 1)"b" 2)"a" 3)"c" > lrange mylist 0 -2 # 0 到倒数第 2 个 1)"b" 2)"a" > lpush mylist a b c # 批量插入 (integer)3 > lpop mylist# 从左侧弹出元素 "b" > rpop mylist# 从右侧弹出元素 "c" > rpop mylist# 当列表中没有元素时返回 null (nil) > 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 1)"mylist"# 列表名 2)"b"# 弹出元素 > del mylist# 删除列表 (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：

> hset student name 张三# 可以理解为忘名叫student的map中添加 kv 键值对 (integer)1# 返回1 代表不存在这个key，并且添加成功 > hset student sex 男 (integer)1 > hset student name 张三 (integer)0# 返回0 因为这个key已经存在 > hgetall student 1)"name" 2)"张三" 3)"sex" 4)"男" > hdel student name#删除这key (integer)1# 返回 1 同样代表整个 key 存在并且删除成功 > hdel student name (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：

> sadd family mother# 尝试将 mother 添加进 family 集合中 (integer)1# 返回 1 表示添加成功，0 表示元素已经存在集合中 > sadd family father (integer)1 > sadd family father (intger)0 > smembers family# 获取集合中所有的元素 1)"mother" 2)"father" > sismember family father# 判断 father 是否在 family 集合中 (integer)1# 1 存在；0 不存在 > sismber family son (integer)0 > srem family son# 移除 family 集合中元素 son (integer)1# 1 表示存在并且移除成功; 0 表示存在该元素 > srem family som (integer)0 > sadd family1 mother (integer)1 > smembers family 1)"mother" 2)"father" > smember family1 1)"mother" > sinter family family1# 获取 family 和 family1 的交集 1)"mother" > sadd family1 son (integer)1 > sunion family family1# 获取 family 和 family1 的并集 1)"mother" 2)"father" > sdiff family family1# 获取 family 和 family1 的差集（就是family有但是family1没有的元素） 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；

使用：

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

> pfadd user_login_20210523 tom #user_login_20210523是key；tom 是登录的用户 (integer)1 > pfadd user_login_20210523 tom jack lilei 的用户 (integer)1 > 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 (integer) 3 > pfadd user_login_20210522 sira (integer)1 > pfcount user_login_20210523 user_login_20210522 # 统计22号和23号一共有多少登陆的用户 (integer)4 >pfmerge user_login_20210522_23 user_login_20210522 user_login_20210523 # 将连个键内容合并 "OK" > pfcount user_login_20210522_23 (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。

> GEOADD beijing 116.405285 39.912835 "蘑菇睡不着" (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。

> GEOPOS beijing "蘑菇睡不着" "故宫" 1) 1)116.405285 2)39.912835 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。

> GEOADD beijing 116.403681 39.921156 "故宫" (integer)1 > GEODIST beijing "蘑菇睡不着" "故宫" km "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：

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。

文章图片
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。
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：

bf.add 添加元素到布隆过滤器 bf.exists 判断元素是否在布隆过滤器 bf.madd 添加多个元素到布隆过滤器，bf.add只能添加一个 bf.mexists 判断多个元素是否在布隆过滤器> bf.add boomFilter tc01 (integer) 1# 1：存在；0：不存在 > bf.add boomFilter tc02 (integer) 1 > bf.add boomFilter tc03 (integer) 1 > bf.exists boomFilter tc01 (integer) 1 > bf.exists boomFilter tc02 (integer) 1 > bf.exists boomFilter tc03 (integer) 1 > bf.exists boomFilter tc04 (integer) 0 > bf.madd boomFilter tc05 tc06 tc07 1) (integer) 1 2) (integer) 1 3) (integer) 1 > bf.mexists boomFilter tc05 tc06 tc07 tc08 1) (integer) 1 2) (integer) 1 3) (integer) 1 4) (integer) 0

Redisson 使用布隆过滤器 :

public static void main(String[] args) {Config config = new Config(); config.useSingleServer().setAddress("redis://192.168.15.105:6379"); config.useSingleServer().setPassword("password123"); //构造Redisson RedissonClient redisson = Redisson.create(config); RBloomFilter bloomFilter = redisson.getBloomFilter("userPhones"); //初始化布隆过滤器：预计元素为500000000L,误差率为3% bloomFilter.tryInit(500000000L,0.03); //将号码10086插入到布隆过滤器中 bloomFilter.add("18846014678"); //判断下面号码是否在布隆过滤器中 System.out.println(bloomFilter.contains("18846014678")); //true System.out.println(bloomFilter.contains("1111111222")); //false }

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

public static void main(String[] args) { BloomFilter bloomFilter = BloomFilter.create(Funnels.stringFunnel(Charsets.UTF_8), 500000, 0.01); bloomFilter.put("18846047789"); System.out.println(bloomFilter.mightContain("18846047789")); // true System.out.println(bloomFilter.mightContain("1122222")); //false } }

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。
更多的知识干货以及leetcode题解析，可以来公众号蘑菇睡不着看看，可能会对你有帮助。
看到这里记得点赞+关注+转发，不要白嫖呦