一、“5種基礎”資料型別
Redis 有望所有的key（鍵）都是字串。我們在談基礎資料結構時，討論的是儲存值的資料型別，主要包括常見的5種資料型別，分別是：String、List、Set、Zset、Hash
1。1 Redis資料結構簡介
Redis基礎文章非常多，關於基礎資料結構型別，我推薦你先看下官方網站內容 （opens new window），然後再看下面的小結
首先對redis來說，所有的key（鍵）都是字串。我們在談基礎資料結構時，討論的是儲存值的資料型別，主要包括常見的5種資料型別，分別是：String、List、Set、Zset、Hash。
1。2 基礎資料結構詳解
內容其實比較簡單，我覺得理解的重點在於這個結構怎麼用，能夠用來做什麼？所以我在梳理時，圍繞圖例，命令，執行和場景來闡述
1。2。1 String字串
String是redis中最基本的資料型別，一個key對應一個value。
String型別是二進位制安全的，意思是 redis 的 string 可以包含任何資料。如數字，字串，jpg圖片或者序列化的物件。
圖例
下圖是一個String型別的例項，其中鍵為hello，值為world
命令使用
命令執行
127。0。0。1
：
6379
>
set
hello
world
OK
127。0。0。1
：
6379
>
get
hello
“world”
127。0。0。1
：
6379
>
del
hello
（
integer
）
1
127。0。0。1
：
6379
>
get
hello
（
nil
）
127。0。0。1
：
6379
>
get
counter
“2”
127。0。0。1
：
6379
>
incr
counter
（
integer
）
3
127。0。0。1
：
6379
>
get
counter
“3”
127。0。0。1
：
6379
>
incrby
counter
100
（
integer
）
103
127。0。0。1
：
6379
>
get
counter
“103”
127。0。0。1
：
6379
>
decr
counter
（
integer
）
102
127。0。0。1
：
6379
>
get
counter
“102”
實戰場景
快取
： 經典使用場景，把常用資訊，字串，圖片或者影片等資訊放到redis中，redis作為快取層，mysql做持久化層，降低mysql的讀寫壓力。
計數器
：redis是單執行緒模型，一個命令執行完才會執行下一個，同時資料可以一步落地到其他的資料來源。
session
：常見方案spring session + redis實現session共享
1。2。2 List列表
Redis中的List其實就是連結串列（Redis用雙端連結串列實現List）。
使用List結構，我們可以輕鬆地實現最新訊息排隊功能（比如新浪微博的TimeLine）。List的另一個應用就是訊息佇列，可以利用List的 PUSH 操作，將任務存放在List中，然後工作執行緒再用 POP 操作將任務取出進行執行。
圖例
命令使用
使用列表的技巧
lpush+lpop=Stack（棧）
lpush+rpop=Queue（佇列）
lpush+ltrim=Capped Collection（有限集合）
lpush+brpop=Message Queue（訊息佇列）
命令執行
127。0。0。1
：
6379
>
lpush
mylist
1
2
ll
ls
mem
（
integer
）
5
127。0。0。1
：
6379
>
lrange
mylist
0
-1
1
）
“mem”
2
）
“ls”
3
）
“ll”
4
）
5
）
“1”
127。0。0。1
：
6379
>
lindex
mylist
-1
127。0。0。1
：
6379
>
lindex
mylist
10
#
index
不在
mylist
的區間範圍內
（
nil
）
實戰場景微博
TimeLine
： 有人釋出微博，用lpush加入時間軸，展示新的列表資訊。
訊息佇列
1。2。3 Set集合
Redis 的 Set 是 String 型別的無序集合。集合成員是唯一的，這就意味著集合中不能出現重複的資料。
Redis 中集合是透過雜湊表實現的，所以新增，刪除，查詢的複雜度都是 O（1）。
圖例
命令使用
命令執行
127。0。0。1
：
6379
>
sadd
myset
hao
hao1
xiaohao
hao
（
integer
）
3
127。0。0。1
：
6379
>
smember
myset
1
）
“xiaohao”
2
）
“hao1”
3
）
“hao”
127。0。0。1
：
6379
>
sismember
myset
hao
（
integer
）
1
實戰場景
標籤
（tag），給使用者新增標籤，或者使用者給訊息新增標籤，這樣有同一標籤或者類似標籤的可以給推薦關注的事或者關注的人。
點贊，或點踩，收藏等
，可以放到set中實現
1。2。4 Hash雜湊
Redis hash 是一個 string 型別的 field（欄位） 和 value（值） 的對映表，hash 特別適合用於儲存物件。
圖例
命令使用
命令執行
127。0
。
0
。
1
：
6379
>
hset
user
name1
hao
（
integer
）
1
127。0
。
0
。
1
：
6379
>
hset
user
email1
hao
@
163
。
com
（
integer
）
1
127。0
。
0
。
1
：
6379
>
hgetall
user
1
）
“name1”
2
）
3
）
“email1”
4
）
“hao@163。com”
127。0
。
0
。
1
：
6379
>
hget
user
user
（
nil
）
127。0
。
0
。
1
：
6379
>
hget
user
name1
127。0
。
0
。
1
：
6379
>
hset
user
name2
xiaohao
（
integer
）
1
127。0
。
0
。
1
：
6379
>
hset
user
email2
xiaohao
@
163
。
com
（
integer
）
1
127。0
。
0
。
1
：
6379
>
hgetall
user
1
）
2
）
3
）
4
）
5
）
“name2”
6
）
7
）
“email2”
8
）
“xiaohao@163。com”
實戰場景
快取
： 能直觀，相比string更節省空間，的維護快取資訊，如用
戶
資訊，影片資訊等
1。2。5 Zset有序集合
Redis 有序集合和集合一樣也是 string 型別元素的集合，且不允許重複的成員。不同的是每個元素都會關聯一個 double 型別的分數。redis 正是透過分數來為集合中的成員進行從小到大的排序。
有序集合的成員是唯一的，但分數（score）卻可以重複。集合是透過雜湊表實現的，所以新增，刪除，查詢的複雜度都是 O（1）。
圖例
命令使用
127。0。0。1
：
6379
>
zadd
myscoreset
100
hao
90
xiaohao
（
integer
）
2
127。0。0。1
：
6379
>
ZRANGE
myscoreset
0
-1
1
）
2
）
127。0。0。1
：
6379
>
ZSCORE
myscoreset
hao
“100”
實戰場景
排行榜
：有序集合經典使用場景。例如小說影片等網站需要對使用者上傳的小說影片做排行榜，榜單可以按照使用者關注數，更新時間，字數等打分，做排行
二、3種特殊型別詳解
Redis除了上文中5種基礎資料型別，還有三種特殊的資料型別，分別是 HyperLogLogs（基數統計）， Bitmaps （點陣圖） 和 geospatial （地理位置）
2。1 HyperLogLogs（基數統計）
Redis 2。8。9 版本更新了 Hyperloglog 資料結構！
什麼是基數？
舉個例子，A = {1， 2， 3， 4， 5}， B = {3， 5， 6， 7， 9}；那麼基數（不重複的元素）= 1， 2， 4， 6， 7， 9； （允許容錯，即可以接受一定誤差）
HyperLogLogs 基數統計用來解決什麼問題
？
這個結構可以非常省記憶體的去統計各種計數，比如註冊 IP 數、每日訪問 IP 數的頁面實時UV、線上使用者數，共同好友數等。
它的優勢體現在哪
？
一個大型的網站，每天 IP 比如有 100 萬，粗算一個 IP 消耗 15 位元組，那麼 100 萬個 IP 就是 15M。而 HyperLogLog 在 Redis 中每個鍵佔用的內容都是 12K，理論儲存近似接近 2^64 個值，不管儲存的內容是什麼，它一個基於基數估算的演算法，只能比較準確的估算出基數，可以使用少量固定的記憶體去儲存並識別集合中的的唯一元素。而且這個估算的基數並不一定準確，是一個帶有 0。81% 標準錯誤的近似值（對於可以接受一定容錯的業務場景，比如IP數統計，UV等，是可以忽略不計的）。
相關命令使用
127。0。0。1
：
6379
>
pfadd
key1
a
b
c
d
e
f
g
h
i
#
建立第一組元素
（
integer
）
1
127。0。0。1
：
6379
>
pfcount
key1
#
統計元素的基數數量
（
integer
）
9
127。0。0。1
：
6379
>
pfadd
key2
c
j
k
l
m
e
g
a
#
建立第二組元素
（
integer
）
1
127。0。0。1
：
6379
>
pfcount
key2
（
integer
）
8
127。0。0。1
：
6379
>
pfmerge
key3
key1
key2
#
合併兩組：
key1
key2
-
>
key3
並集
OK
127。0。0。1
：
6379
>
pfcount
key3
（
integer
）
13
2。2 Bitmap （位儲存）
Bitmap 即點陣圖資料結構，都是操作二進位制位來進行記錄，只有0 和 1 兩個狀態。
用來解決什麼問題
？
比如：統計使用者資訊，活躍，不活躍！ 登入，未登入！ 打卡，不打卡！
兩個狀態的，都可以使用 Bitmaps
！
如果儲存一年的打卡狀態需要多少記憶體呢？ 365 天 = 365 bit 1位元組 = 8bit 46 個位元組左右！
相關命令使用
使用bitmap 來記錄 週一到週日的打卡！ 週一：1 週二：0 週三：0 週四：1 ……
127。0。0。1
：
6379
>
setbit
sign
0
1
（
integer
）
0
127。0。0。1
：
6379
>
setbit
sign
1
1
（
integer
）
0
127。0。0。1
：
6379
>
setbit
sign
2
0
（
integer
）
0
127。0。0。1
：
6379
>
setbit
sign
3
1
（
integer
）
0
127。0。0。1
：
6379
>
setbit
sign
4
0
（
integer
）
0
127。0。0。1
：
6379
>
setbit
sign
5
0
（
integer
）
0
127。0。0。1
：
6379
>
setbit
sign
6
1
（
integer
）
0
檢視某一天是否有打卡！
127。0。0。1
：
6379
>
getbit
sign
3
（
integer
）
1
127。0。0。1
：
6379
>
getbit
sign
5
（
integer
）
0
統計操作，統計 打卡的天數！
127。0。0。1
：
6379
>
bitcount
sign
#
統計這周的打卡記錄，就可以看到是否有全勤！
（
integer
）
3
2。3 geospatial （地理位置）
Redis 的 Geo 在 Redis 3。2 版本就推出了！ 這個功能可以推算地理位置的資訊： 兩地之間的距離， 方圓幾里的人
2。3。1 geoadd
新增地理位置
127。0。0。1
：
6379
>
geoadd
china
：
city
118。76
32。04
manjing
112。55
37。86
taiyuan
123。43
41。80
shenyang
（
integer
）
3
127。0。0。1
：
6379
>
geoadd
china
：
city
144。05
22。52
shengzhen
120。16
30。24
hangzhou
108。96
34。26
xian
（
integer
）
3
規則
兩級無法直接新增，我們一般會下載城市資料（這個網址可以查詢 GEO：
www。jsons。cn/lngcode
）！
有效的經度從-180度到180度。
有效的緯度從-85。05112878度到85。05112878度。
#
當座標位置超出上述指定範圍時，該命令將會返回一個錯誤。
127。0。0。1
：
6379
>
geoadd
china
：
city
39。90
116。40
beijin
（
error
）
ERR
invalid
longitude
，
latitude
pair
39。900000
，
116。400000
2。3。2 geopos
獲取指定的成員的經度和緯度
127。0。0。1
：
6379
>
geopos
china
：
city
taiyuan
manjing
1
）
1
）
“112。54999905824661255”
1
）
“37。86000073876942196”
2
）
1
）
“118。75999957323074341”
1
）
“32。03999960287850968”
獲得當前定位， 一定是一個座標值！
2。3。3 geodist
如果不存在， 返回空
單位如下
m
km
mi 英里
ft 英尺
127。0。0。1
：
6379
>
geodist
china
：
city
taiyuan
shenyang
m
“1026439。1070”
127。0。0。1
：
6379
>
geodist
china
：
city
taiyuan
shenyang
km
“1026。4391”
2。3。4 georadius
附近的人 ==> 獲得所有附近的人的地址， 定位， 透過半徑來查詢
獲得指定數量的人
127。0。0。1
：
6379
>
georadius
china
：
city
110
30
1000
km
以
100
，
30
這個座標為中心， 尋找半徑為
1000km
的城市
1
）
“xian”
2
）
“hangzhou”
3
）
“manjing”
4
）
“taiyuan”
127。0。0。1
：
6379
>
georadius
china
：
city
110
30
500
km
1
）
“xian”
127。0。0。1
：
6379
>
georadius
china
：
city
110
30
500
km
withdist
1
）
1
）
“xian”
2
）
“483。8340”
127。0。0。1
：
6379
>
georadius
china
：
city
110
30
1000
km
withcoord
withdist
count
2
1
）
1
）
“xian”
2
）
“483。8340”
3
）
1
）
“108。96000176668167114”
2
）
“34。25999964418929977”
2
）
1
）
“manjing”
2
）
“864。9816”
3
）
1
）
“118。75999957323074341”
2
）
“32。03999960287850968”
引數 key 經度 緯度 半徑 單位 ［顯示結果的經度和緯度］ ［顯示結果的距離］ ［顯示的結果的數量］
2。3。5 georadiusbymember
顯示與指定成員一定半徑範圍內的其他成員
127。0。0。1
：
6379
>
georadiusbymember
china
：
city
taiyuan
1000
km
1
）
“manjing”
2
）
“taiyuan”
3
）
“xian”
127。0。0。1
：
6379
>
georadiusbymember
china
：
city
taiyuan
1000
km
withcoord
withdist
count
2
1
）
1
）
“taiyuan”
2
）
“0。0000”
3
）
1
）
“112。54999905824661255”
2
）
“37。86000073876942196”
2
）
1
）
“xian”
2
）
“514。2264”
3
）
1
）
“108。96000176668167114”
2
）
“34。25999964418929977”
引數與 georadius 一樣
2。3。6 geohash（較少使用）
該命令返回11個字元的hash字串
127。0。0。1
：
6379
>
geohash
china
：
city
taiyuan
shenyang
1
）
“ww8p3hhqmp0”
2
）
“wxrvb9qyxk0”
將二維的經緯度轉換為一維的字串， 如果兩個字串越接近， 則距離越近
2。3。7 底層
geo底層的實現原理實際上就是Zset， 我們可以透過Zset命令來操作geo
127。0。0。1
：
6379
>
type
china
：
city
zset
檢視全部元素 刪除指定的元素
127。0
。
0
。
1
：
6379
>
zrange
china：
city
0
-
1
withscores
1
）
“xian”
2
）
“4040115445396757”
3
）
“hangzhou”
4
）
“4054133997236782”
5
）
“manjing”
6
）
“4066006694128997”
7
）
“taiyuan”
8
）
“4068216047500484”
9
）
“shenyang”
1
）
“4072519231994779”
2
）
“shengzhen”
3
）
“4154606886655324”
127。0
。
0
。
1
：
6379
>
zrem
china：
city
manjing
（
integer
）
1
127。0
。
0
。
1
：
6379
>
zrange
china：
city
0
-
1
1
）
“xian”
2
）
“hangzhou”
3
）
“taiyuan”
4
）
“shenyang”
5
）
“shengzhen”