Redis 五种数据结构以及三种高级数据结构解析

关注

发布于: 2 小时前

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。

由于篇幅有限，关于 Redis 得底层实现详细介绍可以参考：Redis底层实现详细解析

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

复制代码

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 1000sOK> 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 1000msOK> ttl hello                # 获取 hello 的过期时间(integer) 1000# 使用 NX 选项> set hello world NXOK                         # 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 XXOK                         # 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 NXOK> get hello"world"> ttl hello(integer)1000> set hello wolrd PX 30000 NXOK> 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 30000OK> ttl hello(integer)30            # 这个是 PX 设置的参数，> pttl hello(integer)30000> set number 1OK> incr number          # 对 number 做自增操作(integer) 2

复制代码

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 10sOK> 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 10sOK> setnx hello world            # 也可以这么写> setex hello 10 wolrd

复制代码

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；

由于篇幅有限，关于 Redis 得底层实现详细介绍可以参考：Redis底层实现详细解析

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

复制代码

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；

由于篇幅有限，关于 Redis 得底层实现详细介绍可以参考：Redis底层实现详细解析

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 student1)"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

复制代码

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；

由于篇幅有限，关于 Redis 得底层实现详细介绍可以参考：Redis底层实现详细解析

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 family11)"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"

复制代码

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；

由于篇幅有限，关于 Redis 得底层实现详细介绍可以参考：Redis底层实现详细解析

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

复制代码

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

复制代码

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

复制代码

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)39.9128352)(nil)

复制代码

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"

复制代码

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。
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 tc071) (integer) 12) (integer) 13) (integer) 1> bf.mexists boomFilter tc05 tc06 tc07 tc081) (integer) 12) (integer) 13) (integer) 14) (integer) 0

复制代码

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<String> 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 }

复制代码

2. 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<String> 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    }}

复制代码

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。

发布于: 2 小时前阅读数: 2

原文链接:【http://xie.infoq.cn/article/4edaa0413c1ff7a9e37a90150】。文章转载请联系作者。

善良的布隆

关注

还未添加个人签名 2020.11.12 加入

还未添加个人简介

发布

暂无评论

创作场景

Redis 五种数据结构以及三种高级数据结构解析

前言

String

List

Hash

Set

Sorted Set

HyperLogLog

GEO

BloomFilter

总结

善良的布隆

评论