Redis之所以成为高性能的数据结构服务器，核心在于其支持多种丰富的数据类型。这些类型并非简单的键值对，而是为特定场景设计的高效结构。本章将系统梳理Redis的八大数据类型（字符串、列表、集合、有序集合、哈希、位图、超日志、流），详解其特性、命令及典型应用场景，帮助你精准选择合适的结构解决实际问题。
一、Redis键（Keys）：通用规则与最佳实践
在深入数据类型前，需先明确Redis键的通用特性，这是所有操作的基础：
- 二进制安全：键可以是任意二进制数据（如字符串、图片内容），空字符串也有效。
- 命名规范：
- 避免过长键（如1024字节），会增加内存占用和查找成本；
- 避免过短键（如"u1000flw"），可读性差，建议使用"user:1000:followers"等结构化命名；
- 统一格式（如"object-type:id:field"），便于管理和批量操作。
- 最大长度：键的最大允许长度为512MB（实际使用中应远小于此值）。
二、字符串（Strings）：最基础的键值类型
字符串是Redis最基本的数据类型，所有键都与字符串值相关联（即使值是其他结构，键本身仍是字符串）。
核心特性
- 二进制安全：可存储文本、数字、图片等任意二进制数据，值最大为512MB。
- 原子操作：支持自增、自减等原子命令，适合计数器场景。
常用命令
命令 | 描述 | 示例 |
SET key val | 设置键值，覆盖已有值 | SET name "Alice" → OK |
GET key | 获取键值 | GET name → "Alice" |
INCR key | 原子自增（值需为整数） | INCR counter → 1（初始值为0时） |
DECRBY key n | 原子减n（值需为整数） | DECRBY score 5 → 15（原 score=20） |
MSET | 批量设置键值 | MSET a 1 b 2 → OK |
MGET | 批量获取键值 | MGET a b → ["1", "2"] |
典型场景
- 缓存用户信息、HTML片段等文本数据；
- 计数器（如文章阅读量、点赞数）；
- 分布式锁的基础（结合SET NX PX命令）。
三、列表（Lists）：有序可重复的元素集合
Redis列表基于双向链表实现，适合存储有序序列，支持两端高效操作。
核心特性
- 有序性：元素按插入顺序排列，可从头部或尾部操作。
- 高效操作：头部/尾部插入/删除元素为O(1)，按索引访问为O(n)（不适合随机访问）。
- 自动管理：键随列表为空而自动删除，无需手动清理。
常用命令
命令 | 描述 | 示例 |
LPUSH key val | 向列表头部添加元素 | LPUSH fruits "apple" → 1 |
RPUSH key val | 向列表尾部添加元素 | RPUSH fruits "banana" → 2 |
LRANGE key s e | 获取索引s到e的元素（-1表示最后一个） | LRANGE fruits 0 -1 → ["apple", "banana"] |
LPOP key | 移除并返回头部元素 | LPOP fruits → "apple" |
RPOP key | 移除并返回尾部元素 | RPOP fruits → "banana" |
LLEN key | 获取列表长度 | LLEN fruits → 0 |
典型场景
- 消息队列（如使用LPUSH生产、RPOP消费）；
- 最新列表（如用户最新动态，结合LTRIM只保留前N条）；
- 阻塞队列（使用BRPOP/BLPOP实现消费者阻塞等待新元素）。
四、集合（Sets）：无序唯一的元素集合
集合是无序且元素唯一的集合，支持交集、并集等集合运算。
核心特性
- 唯一性：自动去重，添加重复元素会被忽略。
- 无序性：元素无固定顺序，遍历结果随机。
- 高效运算：交集、并集、差集操作效率高，适合关系计算。
常用命令
命令 | 描述 | 示例 |
SADD key val | 向集合添加元素 | SADD tags "redis" → 1 |
SMEMBERS key | 返回所有元素（无序） | SMEMBERS tags → ["redis", "db"] |
SISMEMBER key val | 判断元素是否在集合中 | SISMEMBER tags "redis" → 1 |
SINTER key1 key2 | 求两个集合的交集 | SINTER set1 set2 → ["common"] |
SUNION key1 key2 | 求两个集合的并集 | SUNION set1 set2 → ["a", "b", "c"] |
SCARD key | 获取集合元素个数 | SCARD tags → 2 |
典型场景
- 标签系统（如文章标签，支持多标签交集查询）；
- 好友关系（如共同好友查询，使用SINTER）；
- 随机抽奖（使用SRANDMEMBER随机返回元素）。
五、有序集合（Sorted Sets）：带分数的有序集合
有序集合是Redis最强大的数据类型之一，结合了集合的唯一性和列表的有序性，每个元素关联一个分数（score）用于排序。
核心特性
- 有序性：元素按分数排序，支持范围查询。
- 唯一性：元素不可重复，但分数可相同（此时按元素字符串字典序排序）。
- 高效操作：添加、删除、查询为O(log n)，适合排行榜等场景。
常用命令
命令 | 描述 | 示例 |
ZADD key score val | 添加元素及分数 | ZADD rank 90 "Alice" → 1 |
ZRANGE key s e | 按分数升序返回索引s到e的元素 | ZRANGE rank 0 -1 → ["Bob", "Alice"] |
ZREVRANGE key s e | 按分数降序返回索引s到e的元素 | ZREVRANGE rank 0 -1 → ["Alice", "Bob"] |
ZSCORE key val | 获取元素的分数 | ZSCORE rank "Alice" → "90" |
ZINCRBY key n val | 增加元素的分数 | ZINCRBY rank 5 "Alice" → "95" |
ZRANK key val | 返回元素的升序排名（从0开始） | ZRANK rank "Bob" → 0 |
典型场景
- 排行榜（如游戏积分排名、商品销量排名）；
- 带权重的任务队列（按分数排序，优先执行高分任务）；
- 范围查询（如查询分数在80-100之间的用户）。
六、哈希（Hashes）：字段-值映射的对象存储
哈希适合存储结构化数据（如用户信息、商品属性），每个哈希可包含多个字段-值对。
核心特性
- 对象存储：字段和值均为字符串，类似JSON对象但更轻量。
- 高效编码：小哈希（元素少且值小）采用压缩编码，内存占用低。
常用命令
命令 | 描述 | 示例 |
HSET key field val | 设置哈希字段值 | HSET user:1 name "Alice" → 1 |
HGET key field | 获取哈希字段值 | HGET user:1 name → "Alice" |
HGETALL key | 返回所有字段和值 | HGETALL user:1 → ["name", "Alice", "age", "30"] |
HKEYS key | 返回所有字段 | HKEYS user:1 → ["name", "age"] |
HINCRBY key field n | 字段值原子自增n | HINCRBY user:1 age 1 → 31 |
典型场景
- 存储用户信息（如ID、姓名、年龄）；
- 商品属性（如价格、库存、描述）；
- 计数器集合（如多维度统计，每个字段对应一个计数器）。
七、位图（Bitmaps）：位级操作的空间高效存储
位图并非独立数据类型，而是对字符串的位级操作，适合存储大量布尔值。
核心特性
- 空间高效：1字节可存储8个布尔值，1MB可存储约800万个值。
- 位级操作：支持设置、获取、统计位值，适合批量处理。
常用命令
命令 | 描述 | 示例 |
SETBIT key pos val | 设置指定位置的位（0或1） | SETBIT active:users 100 1 → 0 |
GETBIT key pos | 获取指定位置的位值 | GETBIT active:users 100 → 1 |
BITCOUNT key | 统计值为1的位数量 | BITCOUNT active:users → 500 |
BITOP op dest key1 key2 | 对多个位图执行位运算（AND/OR等） | BITOP AND res a b → 结果存于res |
典型场景
- 用户签到（如用位位置表示日期，1表示签到）；
- 活跃用户统计（如统计7天内活跃的用户数）；
- 权限控制（如用位表示不同权限，组合位运算判断权限）。
八、超日志（HyperLogLogs）：概率性基数统计
超日志是用于估算集合基数（ unique 元素数量）的概率数据结构，以少量内存换取近似结果。
核心特性
- 空间高效：无论基数多大，内存占用约12KB。
- 近似结果：标准误差小于1%，适合非精确统计场景。
常用命令
命令 | 描述 | 示例 |
PFADD key val... | 向超日志添加元素 | PFADD uv "user1" "user2" → 1 |
PFCOUNT key | 估算基数 | PFCOUNT uv → 2 |
PFMERGE dest key1 key2 | 合并多个超日志 | PFMERGE total_uv uv1 uv2 → OK |
典型场景
- 网站独立访客（UV）统计；
- 搜索关键词去重计数；
- 大型数据集的基数估算（如商品浏览用户数）。
九、流（Streams）：日志型数据的有序存储
流是Redis 5.0新增的类型，专为日志、事件流设计，支持持久化和消费者组。
核心特性
- ** append-only ：仅支持追加操作，保证数据顺序。
- 消费者组 ：支持多消费者协同处理，避免重复消费。
- 持久化 **：数据可持久化到RDB/AOF，适合关键日志。
典型场景
- 系统日志收集（如用户操作日志、服务器监控数据）；
- 事件驱动架构（如订单状态变更、支付通知）；
- 消息队列（支持ack机制，确保消息可靠消费）。
十、数据类型选择指南：场景匹配原则
场景需求 | 推荐类型 | 核心命令示例 |
缓存文本/数字 | 字符串 | SET/GET |
有序列表/消息队列 | 列表 | LPUSH/RPOP/BRPOP |
去重/关系计算（交集等） | 集合 | SADD/SINTER/SUNION |
排行榜/带权重排序 | 有序集合 | ZADD/ZREVRANGE/ZINCRBY |
存储对象/结构化数据 | 哈希 | HSET/HGETALL/HINCRBY |
大量布尔值/空间敏感 | 位图 | SETBIT/BITCOUNT |
基数统计/非精确计数 | 超日志 | PFADD/PFCOUNT |
日志/事件流/可靠队列 | 流 | XADD/XREADGROUP/XACK |
十一、总结：数据类型是Redis的灵魂
Redis的强大之处在于其为不同场景设计的数据类型，选择合适的类型能显著提升性能和内存效率。核心原则是：** 理解每种类型的底层实现和特性，根据业务需求的访问模式（有序/无序、读写频率、是否去重等）选择最优解**。
后续章节将深入探讨这些数据类型的高级用法和性能优化，帮助你在实际开发中发挥Redis的最大潜力。