Redis基础数据结构的用法示例

小编给大家分享一下redis基础数据结构的用法示例，相信大部分人都还不怎么了解，因此分享这篇文章给大家参考一下，希望大家阅读完这篇文章后大有收获，下面让我们一起去了解一下吧！

创新互联公司主营雁山网站建设的网络公司,主营网站建设方案,成都App定制开发,雁山h5成都小程序开发搭建,雁山网站营销推广欢迎雁山等地区企业咨询

1. 数据类型

其基础数据类型有String、List、Hash、Set、Sorted  Set，这些都是常用的基础数据类型，可以看到非常丰富，几乎能够满足大部分的需求了。其实还有一些高级数据结构，我们在这章里暂时先不提，只聊基础的数据结构。

2. String

String可以说是最基础的数据结构了，  用法上可以直接和Java中的String挂钩，你可以把String类型用于存储某个标志位，某个计数器，甚至狠一点，序列化之后的JSON字符串都行，其单个key限制为512M。其常见的命令为get、set、incr、decr  、mget。

2.1 使用

• get 获取某个key，如果key不存在会返回空指针

• set 给key赋值，将key设置为指定的值，如果该key之前已经有值了，那么将被新的值给覆盖

• incr  给当前的key的值+1，如果key不存在则会先给key调用set赋值为0，再调用incr。当然如果该key的类型不能做加法运算，例如字符串，就会抛出错误

• decr 给当前key的值-1，其余的同上

• mget 同get，只是一次性返回多条数据，不存在的key将会返回空指针

  
  

string相关命令

可能大多数的人只是到用一用的地步，这也无可厚非，但是如果是作为一个对技术有追求的开发，或者说你有想近大厂的想法，一定要有刨根问底的精神。只有当你真正知道一个东西的底层原理时，你遇到问题时才能提供给你更多的思路去解决问题。接下来我们就来聊一下Redis中String底层是如何实现的。

2.2 原理

2.2.1 结构

我们知道Redis是用C语言写的，但是Redis却没有直接使用，而是自己实现了一个叫SDS(Simple Dynamic  String)的结构来实现字符串，结构如下。

struct sdshdr {   // 记录buf中已使用的字节数量   int len;   // 记录buf中未使用的字节数量   int free;   // 字节数组，用于保存字符串   char buf[]; }

2.2.2 优点

为什么Redis要自己实现SDS而不是直接用C的字符串呢?主要是因为以下几点。

• 减少获取字符串长度开销  C语言中获取字符串的长度需要遍历整个字符串，直到遇到结束标志位\0，时间复杂度为O(n)，而SDS直接维护了长度的变量，取长度的时间复杂度为O(1)

• 避免缓冲区溢出  C语言中如果往一个字节数组中塞入超过其容量的字节，那么就会造成缓冲区溢出，而SDS通过维护free变量解决了这个问题。向buf数组中写入数据时，会先判断剩余的空间是否足够塞入新数据，如果不够，SDS就会重新分配缓冲区，加大之前的缓冲区。且加大的长度等于新增的数据的长度

• 空间预分配&空间惰性释放  C语言中，每次修改字符串都会重新分配内存空间，如果对字符串修改了n次，那么必然会出现n次内存重新分配。而SDS由于冗余了一部分空间，优化了这个问题，将必然重新分配n次变为最多分配n次，而数据从buf中移除的时候，空闲出来的内存也不会马上被回收，防止新写入数据而造成内存重新分配

• 保证二进制安全 C语言中，字符串遇到\0会被截断，而SDS不会因为数据中出现了\0而截断字符串，换句话说，不会因为一些特殊的字符影响实际的运算结果

可以结合下面的图来理解SDS。

图片来源于网络，侵删

总结一下就是上面列表的四个小标题，为了减少获取字符串长度开销、避免缓冲区溢出、空间预分配&空间惰性释放和保证二进制安全。

3.  List

List也是一个使用频率很高的数据结构，其涉及到的命令太多了，就不像String那样一个一个演示了，感兴趣的大家可以去搜一搜。命令有lpush、lpushx、rpush、rpushx、lpop、rpop、lindex、linsert、lrange、llen、lrem、lset、ltrim、rpoplpush、brpoplpush、blpop、brpop，其都是对数组中的元素的操作。

3.1 使用

List的用途我认为主要集中在以下两个方面。

当作普通列表存储数据(类似于Java的ArrayList)

用做异步队列

普通列表这个自然不必多说，其中存放的必然业务中需要的数据，下面来着重聊一下异步队列。

啥玩意，List还能当成队列来玩?

List除了能被用做队列，还能当作栈来使用。在上面介绍了很多操作List命令，当我们用rpush/lpop组合命令的时候，实际上就是在使用一个队列，而当我们用rpush/rpop命令组合的时候，就是在使用一个栈。lpush/rpop和lpush/lpop是同理的。

假设我们用的是rpush来生产消息，当我们的程序需要消费消息的时候，就使用lpop从异步队列中消费消息。但是如果采用这种方式，当队列为空时，你可能需要不停的去询问队列中是否有数据，这样会造成机器的CPU资源的浪费。

所以你可以采取让当前线程Sleep一段时间，这样的确可以节省一部分CPU资源。但是你可能就需要去考虑Sleep的时间，间隔太短，CPU上下文切换可能也是一笔不小的开销，间隔太长，那么可能造成这条消息被延迟消费(不过都用异步队列了，应该可以忽略这个问题)。

除了Sleep，还有没有其他的方式?

有，答案是blpop。当我们使用blpop去消费时，如果当前队列是空的，那么此时线程会阻塞住，直到下面两种condition。

1. 达到设置的timeout时间

2. 队列中有消息可以被消费

比起Sleep一段时间，实时性会好一点;比起轮询，对CPU资源更加友好。

3.2  原理

在Redis3.2之前，Redis采用的是ZipList(压缩列表)或者LinkedList(链表)。当List中的元素同时满足每个元素的小于64字节和List元素个数小于512个时，存储的方式为ZipList。但凡有一个条件没满足就会转换为LinkedList。

而在3.2之后，其实现变成了QuickList(快速列表)。LinkedList由于是较为基础的东西，此处就不赘述了。

3.2.1 ZipList

ZipList采用连续的内存紧凑存储，不像链表那样需要有额外的空间来存储前驱节点和后续节点的指针。按照其存储的区域划分，大致可以分为三个部分，每个部分也有自己的划分，其详细的结构如下。

• header ziplist的头部信息

• zlbytes 标识ziplist所占用的内存字节数

• zltail 到ziplist尾节点的偏移量

• zllen ziplist中的存储的节点数量

• entries 存储实际节点的信息

• pre_entry_length 记录了前一个节点的长度，通过这个值可以快速的跳转到上一个节点

• encoding 顾名思义，存储量元素的编码格式

• length 所存储数据的长度

• content 保存节点的内容

• end 标识ziplist的末尾

如果采用链表的存储方式，链表中的元素由指针相连，这样的方式可能会造成一定的内存碎片。而指针也会占用额外的存储空间。而ZipList不会存在这些情况，ZipList占用的是一段连续的内存空间。

但是相应地，ZipList的修改操作效率较为低下，插入和删除的操作会设计到频繁的内存空间申请和释放(有点类似于ArrayList重新扩容)，且查询效率同样会受影响，本质上ZipList查询元素就是遍历链表。

3.2.2 QuickList

在3.2版本之后，list的实现就换成了QuickList。QuickList将list分成了多个节点，每一个节点采用ZipList存储数据。

4. Hash

其用法就跟Java中的HashMap中一样，都是往map中去丢键值对。

4.1 使用

基础的命令如下：

• hset 在hash中设置键值对

• hget 获hash中的某个key值

• hdel 删除hash中某个键

• hlen 统计hash中元素的个数

• hmget 批量的获取hash中的键的值

• hmset 批量的设置hash中的键和值

• hexists 判断hash中某个key是否存在

• hkeys 返回hash中的所有键(不包含值)

• hvals 返回hash中的所有值(不包含键)

• hgetall 获取所有的键值对，包含了键和值

其实大多数情况下的使用跟HashMap是差不多的，没有什么较为特殊的地方。

4.2  原理

hash的底层实现也是有两种，ZipList和HashTable。但具体采用哪一种与Redis的版本无关，而与当前hash中所存的元素有关。首先当我们创建一个hash的时候，采用的ZipList进行存储。随着hash中的元素增多，达到了Redis设定的阈值，就会转换为HashTable。

其设定的阈值如下：

• 存储的某个键或者值长度大于默认值(64)

• ZipList中存储的元素数量大于默认值(512)

ZipList上面我们专门简单分析了一下，理解这个设定应该也比较容易。当ZipList中的元素过多的时候，其查询的效率就会变得低下。而HashTable的底层设计其实和Java中的HashMap差不多，都是通过拉链法解决哈希冲突。具体的可以参考从基础的使用来深挖HashMap这篇文章。

5. Set

Set的概念可以与Java中的Set划等号，用于存储一个不包含重复元素的集合。

5.1 使用

其主要的命令如下，key代表redis中的Set，member代表集合中的元素。

• sadd sadd key member [...] 将一个或者多个元素加入到集合中，如果有已经存在的元素会忽略掉。

• srem srem key member [...]将一个或者多个元素从集合中移除，不存在的元素会被忽略掉

• smembers smembers key返回集合中的所有成员

• sismember dismember key member判断member在key中是否存在，如果存在则返回1，如果不存在则返回0

• scard scard key返回集合key中的元素的数量

• smove move source destination  member将元素从source集合移动到destination集合。如果source中不包含member，则不会执行任何操作，当且仅当存在才会从集合中移出。如果destination已经存在元素则不会对destination做任何操作。该命令是原子操作。

• spop spop key随机删除并返回集合中的一个元素

• srandmember srandmember key与spop一样，只不过不会将元素删除，可以理解为从集合中随机出一个元素来。

• sinter 求一个或者多个集合的交集

• sinterstore sinterstore destination key  [...]与sinter类似，但是会将得出的结果存到destination中。

• sunion 求一个或者多个集合的并集

• sunionstore sunionstore destination key [...]

• sdiff 求一个或者多个集合的差集

• sdiffstore sdiffstore destination key  [...]与sdiff类似，但是会将得出的结果存到destination中。

5.2  原理

我们知道Java中的Set有多种实现。在Redis中也是，有IntSet和HashTable两种实现，首先初始化的时候使用的是IntSet，而满足如下的条件时，就会转换成HashTable。

• 当集合中保存的所有元素都是整数时

• 集合对象保存的元素数量不超过512

上面已经简单的介绍了HashTable了，所以这里只聊聊IntSet。

5.2.1 IntSet

intset底层是一个数组，既然数据结构是数组，那么存储数据就可以是有序的，这也使得intset的底层查询是通过二分查找来实现。其结构如下。

struct intset {   // 编码方式   uint32_t encoding;   // 集合包含元素的数量   uint32_t length;   // 存储元素的数组   int8_t contents[]; }

与ZipList类似，IntSet也是使用的一连串的内存空间，但是不同的是ZipList可以存储二进制的内容，而IntSet只能存储整数;且ZipList存储是无序的，IntSet则是有序的，这样一来，元素个数相同的前提下，IntSet的查询效率会更高。

6. Sorted

Set其与Set的功能大致类似，只不过在此基础上，可以给每一个元素赋予一个权重。你可以理解为Java的TreeSet。与List、Hash、Set一样，其底层的实现也有两种，分别是ZipList和SkipList(跳表)。

初始化Sorted  Set的时候，会采用ZipList作为其实现，其实很好理解，这个时候元素的数量很少，采用ZipList进行紧凑的存储会更加的节省空间。当期达到如下的条件时，就会转换为SkipList：

• 其保存的元素数量的个数小于128个

• 其保存的所有元素长度小于64字节

6.1 使用

下面的命令中，key代表zset的名字;4代表score，也就是权重;而member就是zset中的key的名称。

• zadd zadd key 4 member用于增加元素

• zcard zcard key用于获取zset中的元素的数量

• zrem zrem key member [...]删除zset中一个或者多个key

• zincrby zincrby key 1 member给key的权重值加上score的值(也就是1)

• zscore zscore key member用于获取指定key的权重值

• zrange zrange key 0 -1获取zset中所有的元素，zrange key 0 -1  withscores获取所有元素和权重，withscores参数的作用是决定是否将权重值也一起返回。其返回的元素按照从小到大排序，如果元素具有相同的权重，则会按照字典序排序。

• zrevrange zrevrange key 0 -1 withscores，其与zrange类似，只不过zrevrange按照从大到小排序。

• zrangebyscore zrangebyscore key 1 5，返回key中权重在区间(1,  5]范围内元素。当然也可以使用withscores来将权重值一并返回。其元素按照从小到大排序。1代表min，5代表max，他们也可以分别是**-inf和inf**，当你不知道key中的score区间时，就可以使用这个。还有一个类似于SQL中的limit的可选参数，在此就不赘述。

除了能够对其中的元素添加权重之外，使用ZSet还可以实现延迟队列。

延迟队列用于存放延迟任务，那什么是延迟队列呢?

举个很简单的例子，  你在某个电商APP中下订单，但是没有付款，此时它会提醒你，「订单如果超过1个小时没有支付，将会自动关闭」;再比如在某个活动结束前1个小时给用户推送消息;再比如订单完成后多少天自动确认收货等等。

用人话解释一遍，那就是过会才要干的事情。

那ZSet怎么实现这个功能?

其实很简单，就是将任务的执行时间设置为ZSet中的元素权重，然后通过一个后台线程定时的从ZSet中查询出权重最小的元素，然后通过与当前时间戳判断，如果大于当前时间戳(也就是该执行了)就将其从ZSet中取出。

那，怎么取?

其实我看很多讲Redis实现延迟队列的博客都没有把这个怎么取讲清楚，到底该用什么命令，传什么参数。我们使用zrangebyscore命令来实现，还记得-inf和inf吗，其全称是infinity，分别表示无限小和无限大。

由于我们并不知道延迟队列当中的score(也就是任务执行时间)的范围，所以我们可以直接使用-inf和inf，完整命令如下。

zrangescore key -inf inf limt 0 1 withscores

还是有点用，那ZSet底层是咋实现的呢?

上面已经讲过了ZipList，就不赘述，下面聊聊SkipList。

6.2 原理

6.2.1 SkipList

SkipList存在于zset(Sorted Set)的结构中，如下：

struct zset {   // 字典   dict *dict;   // 跳表   zskiplist *zsl; }

而SkipList的结构如下：

struct zskiplist {   // 表头节点和表尾节点   struct zskiplistNode *header, *tail;   // 表中节点的数量   unsigned long length;   // 表中层数最大的节点的层数   int level; }

不知道大家是否有想过，为什么Redis要使用SkipList来实现ZSet，而不用数组呢?

首先ZSet如果数组存储的话，由于ZSet中存储的元素是有序的，存入的时候需要将元素放入数组中对应的位置。这样就会对数组进行频繁的增删，而频繁的增删在数组中效率并不高，因为涉及到数组元素的移动，如果元素插入的位置是首位，那么后面的所有元素都要被移动。

所以为了应付频繁增删的场景，我们需要使用到链表。但是随着链表的元素增多，同样的会出现问题，虽然增删的效率提升了，但是查询的效率变低了，因为查询元素会从头到尾的遍历链表。所有如果有什么方法能够提升链表的查询效率就好了。

于是跳表就诞生了。基于单链表，从第一个节点开始，每隔一个节点，建立索引。其实也是单链表。只不是中间省略了节点。

例如存在个单链表 1 3 4 5 7 8 9 10 13 16 17 18

抽象之后的索引为 1 4 7 9 13 17

如果要查询16只需要在索引层遍历到13，然后根据13存储的下层节点(真实链表节点的地址)，此时只需要再遍历两个节点就可以找到值为16的节点。

所以可以重新给跳表下一个定义，链表加多级索引的结构，就是跳表

在跳表中，查询任意数据的时间复杂度是O(logn)。时间复杂度跟二分查找是一样的。可以换句话说，用单链表实现了二分查找。但这也是一种用空间换时间的思路，并不是免费的。

以上是“Redis基础数据结构的用法示例”这篇文章的所有内容，感谢各位的阅读！相信大家都有了一定的了解，希望分享的内容对大家有所帮助，如果还想学习更多知识，欢迎关注创新互联行业资讯频道！