Redis - ZSet数据结构与滑动窗口应用
Redis 的 ZSET（有序集合） 是一种结合了 哈希表 和 跳跃表（Skip List） 的混合数据结构，既能实现 O(1) 复杂度的成员存在性判断，又能以 O(logN) 复杂度维护有序性。
Redis ZSET 数据存储机制
ZSET 有两种实现机制：
SkipList + HashTable
数据实际上是同时存在于两个数据结构中的
跳表（SkipList）
按
score排序存储member支持范围查询（ZRANGE 等命令）
维护成员的有序性
哈希表（HashTable）
存储
member -> score的映射用于快速判断成员是否存在（O(1) 复杂度）
直接获取成员的分数（ZSCORE 命令）
ZipList
ZipList：对于小型有序集合（元素少且 member 小），Redis 会使用 ziplist 编码来节省内存，只有当元素数量或大小超过阈值时才会转换为真正的跳跃表+哈希表实现。
按
(元素, score)对顺序存储
数据一致性
Redis 通过保证所有写操作（ZADD/ZREM等）都同时更新这两个数据结构来维护一致性。当添加一个新成员时：
会先将其添加到哈希表中
然后插入到跳跃表的正确位置
跳跃表（Skip List）详解
基本概念
跳跃表是一种概率平衡的数据结构，它通过维护多级索引来提高有序链表的查找效率。它结合了链表和类似二分查找的特性。
数据结构实现
Redis 中跳跃表的核心定义（简化版）：
typedef struct zskiplistNode {robj *member; // 成员对象（如字符串）double score; // 分数（用于排序）struct zskiplistNode *backward; // 后退指针（双向链表）struct zskiplistLevel {struct zskiplistNode *forward; // 前进指针unsigned int span; // 跨度（用于计算排名）} level[]; // 柔性数组，表示节点的层级
} zskiplistNode;typedef struct zskiplist {struct zskiplistNode *header, *tail;unsigned long length; // 节点数量int level; // 当前最大层数
} zskiplist;关键特性
层级随机生成：
新节点的层数由随机算法决定（幂次定律）
Redis 中最大层数为 32
int zslRandomLevel(void) {int level = 1;while ((random()&0xFFFF) < (ZSKIPLIST_P * 0xFFFF))level += 1;return (level<ZSKIPLIST_MAXLEVEL) ? level : ZSKIPLIST_MAXLEVEL; }查找操作：
从最高层开始查找
如果当前节点的值小于目标值，则继续前进
否则下降一层继续查找
时间复杂度：O(logN)
插入操作：
先查找插入位置
随机生成新节点的层数
更新各层指针
时间复杂度：O(logN)
删除操作：
类似插入的逆过程
时间复杂度：O(logN)
为什么选择跳跃表？
Redis 选择跳跃表而非平衡树（如红黑树）的主要原因：
实现简单：不需要复杂的旋转操作
范围查询高效：底层链表天然有序，便于范围操作
并发友好：更容易实现无锁并发
平均性能好：虽然最坏情况不如平衡树，但实际表现优异
ZSET中与哈希表的协作
当执行 ZADD 命令时：
先在哈希表中查找/更新 member-score 映射
然后在跳跃表中插入/更新节点
保证两个操作的原子性
这种双数据结构设计使得 ZSET 能够：
快速判断成员是否存在（哈希表）
高效执行范围查询（跳跃表）
支持丰富的有序集合操作
Redis ZSET 实现滑动时间窗口限流
Redis ZSET除了实现排行榜之类的排序功能，还能根据拥有排序的特性，简单的实现滑动时间窗口限流功能。
关键步骤
清理旧数据：
ZREMRANGEBYSCORE key -inf (currentTime - windowSize)统计当前请求数：
ZCARD key检查是否超限：比较当前计数与阈值
记录新请求：
ZADD key currentTime uniqueId设置过期时间：
EXPIRE key windowSize + buffer
代码实现（Spring Boot）
import org.springframework.data.redis.core.RedisTemplate;
import org.springframework.data.redis.core.script.DefaultRedisScript;
import org.springframework.stereotype.Component;import java.util.Collections;
import java.util.UUID;@Component
public class SlidingWindowLimiter {private final RedisTemplate<String, String> redisTemplate;// Lua脚本（原子操作）private static final String LUA_SCRIPT = "local key = KEYS[1]\n" +"local now = tonumber(ARGV[1])\n" +"local window = tonumber(ARGV[2])\n" +"local maxRequests = tonumber(ARGV[3])\n" +"local requestId = ARGV[4]\n" +"\n" +"-- 1. 移除窗口外的旧数据\n" +"redis.call('ZREMRANGEBYSCORE', key, 0, now - window)\n" +"\n" +"-- 2. 获取当前请求数\n" +"local count = redis.call('ZCARD', key)\n" +"\n" +"-- 3. 检查是否超限\n" +"if count >= maxRequests then\n" +" return 0\n" +"end\n" +"\n" +"-- 4. 记录本次请求\n" +"redis.call('ZADD', key, now, requestId)\n" +"\n" +"-- 5. 刷新过期时间\n" +"redis.call('EXPIRE', key, window/1000 + 10)\n" +"return 1";public SlidingWindowLimiter(RedisTemplate<String, String> redisTemplate) {this.redisTemplate = redisTemplate;}/*** 检查请求是否允许通过* @param key 限流键（如 user_123:api_pay）* @param windowMillis 窗口大小（毫秒）* @param maxRequests 窗口内允许的最大请求数* @return true=允许, false=限流*/public boolean allowRequest(String key, long windowMillis, int maxRequests) {// 构造Redis KeyString redisKey = "rate_limit:" + key;// 准备脚本参数long currentTime = System.currentTimeMillis();String requestId = UUID.randomUUID().toString();// 执行Lua脚本DefaultRedisScript<Long> script = new DefaultRedisScript<>(LUA_SCRIPT, Long.class);Long result = redisTemplate.execute(script,Collections.singletonList(redisKey),currentTime, windowMillis, maxRequests, requestId);return result != null && result == 1;}
}使用示例
@RestController
public class PaymentController {@Autowiredprivate SlidingWindowLimiter limiter;@PostMapping("/pay")public ResponseEntity<?> createPayment(@RequestBody PaymentRequest request) {// 构造限流键: 用户ID + 接口名String key = "user_" + request.getUserId() + ":payment";// 检查限流: 每用户每分钟最多10次支付if (!limiter.allowRequest(key, 60000, 10)) {return ResponseEntity.status(429).body("请求过于频繁");}// 执行业务逻辑paymentService.process(request);return ResponseEntity.ok("支付成功");}
}