【Redis】第2节｜Redis基本数据类型

一、基础数据结构

1. String（字符串）

• 特点：二进制安全，支持字符串、数值存储，原子性操作。
• 核心操作：

SET key value         # 存储键值对
GET key               # 获取值
INCR key              # 数值自增1
SETEX key seconds val # 存储带过期时间的值

• 应用场景：
  • 单值缓存（如用户余额：SET user:1:balance 1000）。
  • 分布式锁（SET lock:order 1 NX EX 10）。
  • 计数器（如点赞数：INCR post:1:like）。

2. Hash（哈希表）

• 特点：字段（field）与值（value）的映射，适合存储对象。
• 核心操作：

HSET user:1 name "roy" balance 1888 # 存储对象
HMGET user:1 name balance          # 批量获取字段
HINCRBY user:1 balance 100          # 字段值自增

• 应用场景：
  • 结构化数据存储（如用户信息：HSET user:1 id 1 name "roy"）。
  • 电商购物车（用户ID为key，商品ID为field，数量为value）。

3. List（列表）

• 特点：双向链表，支持头部/尾部快速操作，按索引访问中间元素效率低。
• 核心操作：

LPUSH list:msgs "msg1" "msg2" # 左插入元素
RPOP list:msgs                # 右弹出元素
LRANGE list:msgs 0 -1         # 获取所有元素

• 应用场景：
  • 消息队列（LPUSH + RPOP实现队列，LPUSH + LPOP实现栈）。
  • 排行榜滚动数据（如最近10条消息：LRANGE list:msgs 0 9）。

4. Set（集合）

• 特点：无序、唯一元素，支持交集、并集、差集运算。
• 核心操作：

SADD set:users 1 2 3       # 添加元素
SMEMBERS set:users         # 获取所有元素
SINTER set:A set:B         # 交集运算

• 应用场景：
  • 去重统计（如UV统计：SADD uv:202406 1 2 3，SCARD uv:202406）。
  • 社交关系（共同关注：SINTER follow:user1 follow:user2）。

5. ZSet（有序集合）

• 特点：元素关联分值（score），按分值排序，支持范围查询。
• 核心操作：

ZADD rank:202406 100 "user1" 90 "user2" # 添加带分值元素
ZREVRANGE rank:202406 0 9 WITHSCORES  # 倒序获取前10名
ZINCRBY rank:202406 5 "user1"          # 分值自增

• 应用场景：
  • 排行榜（如成绩排名、点赞排名）。
  • 时间线（按时间戳排序的动态列表）。

二、高级数据结构

1. Bitmap（位图）

• 特点：基于二进制位存储，节省空间，适合统计状态（如签到、在线状态）。
• 核心操作：

SETBIT sign:202406 1 1   # 用户1在第1天签到（offset从0开始）
GETBIT sign:202406 1     # 查询签到状态
BITCOUNT sign:202406     # 统计总签到次数

• 应用场景：
  • 每日签到（SETBIT标记日期，BITCOUNT统计天数）。
  • 活跃用户统计（按天标记在线状态）。

2. HyperLogLog（基数统计）

• 特点：近似统计不重复元素个数，内存占用固定（约12KB），存在误差（<1%）。
• 核心操作：

PFADD hll:uv 1 2 3       # 添加元素
PFCOUNT hll:uv           # 统计UV数
PFMERGE hll:uv_week hll:uv_day1 hll:uv_day7 # 合并多日统计

• 应用场景：
  • 大规模UV统计（如网站日活、月活）。

3. Geo（地理空间索引）

• 特点：存储经纬度，支持距离计算、范围查询。
• 核心操作：

GEOADD cities 113.017 28.2 "Changsha" 120.15 30.2 "Hangzhou" # 添加地点
GEODIST cities "Changsha" "Hangzhou" KM # 计算距离（公里）
GEORADIUS cities 113 28 5 KM WITHCOORD # 查询5公里内的地点并返回坐标

• 应用场景：
  • 附近推荐（如外卖商家、共享单车定位）。

4. Stream（流）

• 特点：Redis实现的消息队列，支持生产者-消费者模型，自动生成消息ID。
• 核心操作：

XADD stream:msg * user "roy" content "hello" # 添加消息（*自动生成ID）
XGROUP CREATE stream:msg group1 0           # 创建消费者组
XREADGROUP GROUP group1 consumer1 COUNT 10 STREAMS stream:msg > # 消费消息

• 应用场景：
  • 轻量级消息队列（替代Kafka/RabbitMQ的简单场景）。

三、数据结构选型指南

场景	推荐结构	理由
单值缓存	String	简单高效，支持过期时间
对象存储	Hash	字段结构化，节省内存
消息队列	List/Stream	List实现简单队列，Stream支持消费者组
去重统计	Set	唯一元素特性
排行榜	ZSet	分值排序，范围查询高效
签到统计	Bitmap	位操作节省空间
地理位置查询	Geo	经纬度索引与距离计算
大规模UV统计	HyperLogLog	内存固定，适合亿级数据

四、Spring Boot集成Redis

1. Maven依赖

<dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-data-redis</artifactId>
</dependency>

2. 核心配置（application.properties）

spring.redis.host=127.0.0.1
spring.redis.port=6379
spring.redis.password=your-password
spring.redis.database=0  # 数据库索引（默认0）

3. RedisTemplate配置（解决中文乱码）

@Bean
public RedisTemplate<String, Object> redisTemplate(RedisConnectionFactory factory) {RedisTemplate<String, Object> template = new RedisTemplate<>();template.setConnectionFactory(factory);// 字符串序列化（解决key和value中文乱码）StringRedisSerializer stringSerializer = new StringRedisSerializer();template.setKeySerializer(stringSerializer);template.setValueSerializer(stringSerializer);// Hash类型序列化template.setHashKeySerializer(stringSerializer);template.setHashValueSerializer(stringSerializer);return template;
}

4. 操作示例

@Autowired
private RedisTemplate<String, Object> redisTemplate;// String操作
redisTemplate.opsForValue().set("key", "value");
String value = (String) redisTemplate.opsForValue().get("key");// Hash操作
redisTemplate.opsForHash().put("user:1", "name", "roy");
String name = (String) redisTemplate.opsForHash().get("user:1", "name");

五、注意事项

1. 大Key问题：避免单个Key存储过多数据（如List超过百万元素），影响性能。
2. 内存优化：优先使用压缩存储结构（如Hash比String更节省空间）。
3. 持久化策略：根据业务选择RDB或AOF，避免数据丢失。
4. 集群模式：分布式场景需考虑数据分片（如Hash Tag确保相关数据在同一节点）。