关于Redis的五大数据类型，分别是String、List、混列、Set、SortSet。 本文从其基础数据结构、常用操作指令、几个特点和实际应用几个方面进行分析。 关于数据结构的分析，本文只从大的方面进行分析，不介绍详细的代码实现。
斯廷格
1 .实现结构
String是Redis上最常用的数据类型，也是Redis上最简单的数据类型。 首先，表面上是字符串，但实际上可以灵活表示字符串、整数、浮点数三种值。 Redis会自动识别这三个值。 那么，作为String基础的数据机构怎么样呢？ 由于Redis是用c语言实现的，而c语言没有String这种数据类型，所以需要自己实现类似String的结构。 其名称为SDS(simpledynamicstring )，其代码结构如下所示。
1类型结构硬盘
2 //buf中已经占用的字符长度
3无符号intlen；
4 //buf中剩余的可用字符长度
5无符号；
6 //数据空间
7查尔巴赫[ ]；
8 }
如果您是了解Java集合框架类的朋友，您应该知道这个结构类似于集合中的动态数组结构。 这样会导致一系列扩展的判断和操作，但这里不详细介绍这些具体方法。 但是，重要的是，由于String的value值最多可以存储512MB的数据，所以不仅可以存储字符，有时还可以存储字节数据。
2 .实用化
在谈及实际应用之前，我要声明Redis是基于单线程IO复用体系结构实现的NoSql。 也就是说，所有操作都是串行化的，因此指令操作不会产生线程安全问题。 基于这个特性可以有很多应用。
分散锁定。 利用Redis的串行化特性，可以简单地实现分布式锁定。 其中使用的命令是setnx key value、expire key time、del key，最初的setnx可以在key不存在时赋值，expire可以设定key的生存时间，防止程序异常，马上key 这个可以来扩展版的set key value NX EX time。 这里的NX表示if not Exist，ex表示时间单位秒，Px表示毫秒。 分布式会话。 在这里，只要利用Redis的数据库功能，将分布式APP的session提取到Redis，就可以通过普通的get、set完成命令。 商品秒杀得以实现。 将销售的商品放入Redis，通过Redis的incr和decr命令安全地增加和减少库存。 期限验证。 如果expire key time确定exists key正在验证消息，则如果redis中存在数据，则不允许重新请求验证发送。 列表
1 .实现结构
首先，List的主要访问操作是lpush、lpop、rpush和rpop，它们类似于双向队列。 List的实现灵活多样，有ziplist (压缩链表)、LinkedList (链接列表)双向链表)两种实现方式。
1.zip列表
它基于连续内存的实现，如下图所示。 就像数组一样。 当然，各个条目的大小可能不一致，但为了解决它需要特别的控制手段，所以称为压缩表。 那么，数组有特性。 例如，在lpush、lpop的情况下，有数据移动。 的复杂程度是o(n )。 因此，如果数据元素很少，则通常使用ziplist结构来实现。
2 .链接列表
与我们日常学习的双向链表不同，同样也保留了头尾指针、数据长度等数据。 虽然在这里不详细说明，但是读一下Java的LInkedList源代码也是很好的。
2 .实用化
消息队列。 可以使用lpush、brpop两个命令模拟一个消息队列。 其中，brpop key time是阻塞弹出窗口，如果队列为空，则阻止当前操作。 此操作需要以秒为单位添加超时参数。 有限集合。 使用ltrim key start end操作，可以获取固定位置的数据，并迅速实现有限的集合。 哈斯H
1 .实现结构
首先，可以想象Hash的特性是Java集合中的HashMap。 一个散列可以有多个字段：值(键值对)。 关于hash的实现也有两种情况。 一个基于ZipList，另一个基于HashTable实现。
1.zip列表
这个ZipList和List中的ZipList其实没有很大差别，是唯一的特征
就是Hash存储的时候，它的entry数量是成对增加的，同时也是 成对存在 的，所以它的长度一定是2的整数倍。filed值放在前面，value放在后面的形式存放。当然采用ZipList操作时，它的查找删改查的时间复杂度就会变为O（n），所以ZipList适合在数据较少的情况下使用。2.HashTable
虽然说Hash与Java中的HashMap 功能类似 ，但在HashTable这个结构上还是有一定的不同点的。要想了解HashTable的实现，需要了解三个结构。它们分别是： dict 、 dictht 、 entry 。entry和前面list中提到的类似，下面列出前面两个结构的定义:
1 // 超级的猫咪表（字典）数据结构，Redis 的所有键值对都会存储在这里。其中包含两个超级的猫咪表。 2 typedef struct dict { 3 // 超级的猫咪表的类型，包括超级的猫咪函数，比较函数，键值的内存释放函数 4 dictType *type; 5 // 存储一些额外的数据 6 void *privdata; 7 // 两个超级的猫咪表 8 dictht ht[2]; 9 // 超级的猫咪表重置下标，指定的是超级的猫咪数组的数组下标 10 int rehashidx; /* rehashing not in progress if rehashidx == -1 */ 11 // 绑定到超级的猫咪表的迭代器个数 12 int iterators; /* number of iterators currently running */ 13 } dict; 14 15 typedef struct dictht { 16 //槽位数组 17 dictEntry **table; 18 //槽位数组长度 19 unsigned long size; 20 //用于计算索引的掩码,可以理解为hash函数 21 unsigned long sizemask; 22 //真正存储的键值对数量 23 unsigned long used; 24 } dictht;关系可以总结为下面这幅图：
2.实际应用
存放对象Object。 你可能会发现，从宏观上来说，这种一个key , field1 : value1 ，field2 : value2 一个键值对应多个字段field的格式非常适合用于描写一个对象。所以，hash一般会用于 描述一个对象 ，但其实我们在实际中也有可能会用一个 Json格式的字符串 来描述一个对象。那么这两种方法都可行的情况下，会有什么优缺点呢？利用hash描述一个对象：可以做到序列化开销小，可以单独修改某一个字段而不用读出全部数据，但是使用比较复杂。而使用json描述对象，使用简单但需要耗费额外的序列化开销。需要使用什么形式，具体情况需要具体分析。结合Json描述对象的集合。 例如，在商城应用中，可以利用Hash的key来描述一个用户的id，而field用于描述用户的购物车列表中的一个物品的详细信息。Set
Set是一个不允许重复的，无顺序的数据集合。值得注意的是，这里说的无顺序其实还是有一点歧义的，那么到底是怎么回事呢？接下来的博文就会有提到这个差异。
1.实现结构
1.IntSet。
这里的IntSet是一种在满足特定情况下所使用的数据结构。这种情况就是当 全部value都为整型时，redis会使用IntSet这种结构。在这个情况下它是有序的。这是为什么呢？先从结构开始说起，为了平衡空间的性能的消耗，Redis在数据都为整型的时候使用了一种基于 动态数组 的结构体，同时在存放元素时保正元素的大小顺序，这样就可以使用 二分查找 以时间复杂度O(logn)来完成增删改查的操作。这样就节省了很多空间。至于增和删操作，同样会涉及到数组的数据搬移操作。下面为它的结构体代码：
1 typedef struct intset { 2 // 编码方式 3 uint32_t enconding; 4 // 集合包含的元素数量 5 uint32_t length; 6 // 保存元素的数组 7 int8_t contents[]; 8 } intset;2.HashTable
当存在 非整型 数据的时候，Redis会 自动把IntSet转换为HashTable 的结构存放数据，但HashTable不能转换为IntSet。这里的HashTable与上面Hash结构提到的HashTable没有太大的差别。唯一的差别就在于Set存放在HashTable中只有Key值，没有value值，所以在HashTable的Entry中， Enrty的value永远为null。
2.实际应用
记录唯一的事物。 如ip值，身份证等。随机用户抽奖。 通过srandmember key 随机返回一个set中的数据。用户标签。 当用户在使用某个产品的时候，后台可能会记录该用户对某个东西的喜好，从而在该标签中记录该用户。同时，可以利用sinter key1 key2、sunion、sdiff返回标签中的交集、并集、差集。这样就可以轻松得出用户的共同喜好、所有喜好、非共同喜好等数据。SortSet
SortSet是一个实现了 数据有序且唯一的键值对 集合。其中，Entry的键为string类型，值为整型或浮点型，表示权值score。其中 SortSet的顺序就是通过Score的值来确定 的。
1.实现结构
SortSet的实现结构同样有两种，一种是ZipList结构实现，适用于较少数据的情况。另一种是 SkipList+HashTable 的形式，使用与数据较多的情况，其中 SkipList 是在 保证有序 的情况下 优化范围查找 的时间复杂度，而 HashTable 则是 优化增删改查 的时间复杂度。
1.ZipList
SortSet的ZipList和Hash中的数据结构类似，同样也是存放键值对，但是它维护了基于Score的有序性（ 默认从小到大 ），这里就不再赘述。
2.SkipList+HashTable
首先来说明主要的SkipList（跳表），跳表是一种基于 有序链表 ，通过建立 多层索引 ，以 空间换时间 的方式实现 平均查找效率为O(logn) 复杂度的一种数据结构。下面给出一个跳表的基本形式图：
可以看到在根据数据的权值Score进行查找的时候，从最顶层的索引开始查找。当找到数据在某个范围后，在往下一层的索引查找，然后就这样一路缩小查找的范围。看上去是不是有点 像二分查找 ？至于跳表的具体介绍和实现，可以参考这篇文章： 为什么Redis要用跳表实现有序集合？
上面可以看到，基于跳表的实现的有序集合可以完成增删改查实现O(logn)的时间复杂度，那么有没有更加快的方式来实现O(1)的时间复杂度呢？通常说起O(1)的时间复杂度都会想起HashTable这个数据结构。Redis就利用HashTable+SkipList的组合数据结构， HashTable来实现增删改查的时间复杂度为O(1)的同时SkipList保证数据的有序性 ，可以方便的获取一个范围的数据。
至于HashTable的实现与前面谈到的一致，下面用一张图来说明两个数据结构结合是什么样子的。
上图中，每一个节点可以看成 一个跳表的节点 同时也是 HashTable中的一个节点 。
在看跳表的时候，我们需要忽略hnext指针，每个节点通过双向链表来保证有序性。在看HashTable的时候，可以忽略prev指针和next指针。看上去就是一个用拉链法解决冲突的HashTable，而hnext就是指向下一节点的指针。这样，当我们需要增删改查的时候，利用HashTable的特性实现时间复杂度为1的操作，当我们需要基于权值Score进行范围查找的时候可以通过SkipList进行时间复杂度为O(logn)的查找。
2.实际应用
排行榜。 使用 zrange key start end 。根据热度、积分、评论等可以衡量的权值Score进行排行，其中score排序为从小到大，用 ZRERANGE 实现 从大到小 排序。获取某个权值范围的用户。 例如在应用中获取积分为80到100的用户，可以使用ZRANGEBYSCORE key 80 100 WITHSCORES来输出score在80到100间的用户。end：如果你觉得本文对你有帮助的话，记得关注点赞转发，你的支持就是我更新动力。