除了常见的数据结构String、Hash、List、Set和Set (固定集)位图)之外，还将hyperloglog (超文本记录)2.8.9版添加到Redis中)、streas
String(字符串)
字符串是一组字节。 在Redis数据库中，字符串是二进制的和安全的。 这意味着它们具有已知长度，不受特殊结束字符的影响。 一个字符串最多可以存储512兆字节的内容。虽然redis是用c语言开发的，但是c没有字符串类型，只能以指针或字符数组的形式表示一个字符串。 因此，redis设计了简单的动态字符串SDS作为基本实现。
定义SDS对象。 该对象有三个属性：
len buf已经占用的长度(表示该字符串的实际长度) free buf中未使用的缓冲区长度buf ) )字符串数据实际被保存的地方，因此取字符串长度的时间复杂度为o )1)。 另外，buf )中，仍然采用了可以直接使用c语言的c语言的标准c字符串库函数的一部分。
空间分配原则： len小于IMB(1024*1024 )时，将字符串分配空间的大小增加两倍，len为1M以上时，每次额外分配1M的空间。
这样可以获得以下特性：
redis给文字分配区域的次数在字符串的长度n以下，在原来的c语言中的分配原则一定是n。 通过减少分配次数，可以提高添加速度，占用更多内存空间，而不会自动释放这些空间。 二进制安全高效的字符串长度计算(时间复杂度为o )1) ) )高效的字符串添加操作。
Hash(舒适的牛排)
舒适的牛排是钥匙和值对的集合。 在Redis中，舒适的牛排是字符串字段和字符串值的映射。 因此，它适合于表示对象。redis散列可以存储多个键值对之间的映射。 散列中存储的值既可以是字符串，也可以是数字。 用户还可以对存储在散列中的数字执行自递增或自递减操作。 散列可以被视为文档或关系数据库中的行。 作为hash基础的数据结构的实现有两种：
1.1个是ziplist，其结构是参照以下内容，在存储的数据超过了结构的阈值时转用hashtable的结构。 这样的转换会消耗性能，所以应该尽量避免这样的转换操作。 此结构仅在同时满足以下两个条件时使用：
密钥数量小于散列-最大压缩列表条目(默认值512 )时
如果所有值都小于散列-最大压缩列表值(默认值为64 )
每个舒适的牛排最多可保存2321亿个字段值对。
2 .另一个是hashtable。 这个结构体的时间复杂度是o(1)，但是会消耗比较多的存储器空间。
List(列表)
Redis列表定义为字符串列表，按插入顺序排序。 可以将元素添加到Redis列表的开头或末尾。由于redis支持密钥表的结构，因此它在密钥值存储世界中具有独特的特征。 列表结构可以规则地存储多个字符串，并且具有操作命令，如lpush lpop rpush rpop。 在3.2版之前，列表是使用ziplist和链接的列表实现的。 在这些旧版本中，如果列表对象同时满足以下两个条件，列表对象将使用ziplist编码：
如果列表对象中存储的所有字符串元素的长度小于64个字节，列表对象中存储的元素数量小于512个，则使用linkedlist进行转码。
从3.2版开始，重新引入了快速列表数据结构。 列表的基础都是通过快速列表实现的，它结合了ziplist和链接列表的优点。 根据原文的解释，该数据结构意味着由【A doubly linked list of ziplists】ziplist组成的双向链表。 那么，这两种数据结构是如何结合的呢？
ziplist的工作原理
由标题、n个入口节点和压缩列表的末尾标识符zlend组成的连续内存块。 然后，通过一系列的编码规则，提高内存的利用率，主要用于存储整数和相对较短的字符串。 可以看到，插入和删除元素时，必须先扩展或缩小内存，然后执行一些数据移动操作，从而降低更新效率。
链接列表的工作原理
意味着双向链表，与普通链表的定义相同。 每个条目都包含指向前方的指针，插入或删除元素时，只需要指向该元素前后的指针。 所以插入和删除很有效率。 但是，查询的效率是o(n ) [n是元素的个数]。
快速列表的工作原理
在理解上述两种数据结构的基础上，我们来看看上述“基于ziplist的双向链表”的含义。 实际上，整体上宏观上是链表结构。 但是，每个节点都以压缩列表ziplist的结构存储数据，每个ziplist可以包含多个条目。 也可以说quicklist节点存储的不是数据，而是单个数据。 总结：
总体来说，quicklist是双向链表结构，和常规链表操作一样，插入删除的效率很高，但查询的效率为o(n )。 但是，这种链表访问两端要素的时间复杂度为o(1)。 因此，对list的操作大多是poll和push。
/p>每个quicklist节点就是一个ziplist，具备压缩列表的特性。
在redis.conf配置文件中，有两个参数可以优化列表：
list-max-ziplist-size 表示每个quicklistNode的字节大小。默认为-2 表示8KB
list-compress-depth 表示quicklistNode节点是否要压缩。默认是0 表示不压缩
列表的最大长度为232 – 1个元素（每个列表超过40亿个元素）。
Set(集合)
redis的集合和列表都可以存储多个字符串，它们之间的不同在于，列表可以存储多个相同的字符串，而集合则通过使用散列表（hashtable）来保证自已存储的每个字符串都是各不相同的(这些散列表只有键，但没有与键相关联的值)，redis中的集合是无序的。还可能存在另一种集合，那就是intset，它是用于存储整数的有序集合，里面存放同一类型的整数。共有三种整数：int16_t、int32_t、int64_t。查找的时间复杂度为O(logN)，但是插入的时候，有可能会涉及到升级（比如：原来是int16_t的集合，当插入int32_t的整数的时候就会为每个元素升级为int32_t）这时候会对内存重新分配，所以此时的时间复杂度就是O(N)级别的了。注意：intset只支持升级不支持降级操作。
intset在redis.conf中也有一个配置参数set-max-intset-entries默认值为512。表示如果entry的个数小于此值，则可以编码成REDIS_ENCODING_INTSET类型存储，节约内存。否则采用dict（字典）的形式存储。
在Redis中，添加，删除和查找的时间复杂度是O(1)，集合中的最大成员数为2^32 – 1个元素（每个列表超过40亿个元素）。
Sorted Set(有序集合)
Redis有序集合类似于Redis集合，也是一组非重复的字符串集合。但是，排序集的每个成员都与一个分数相关联，该分数用于获取从最小到最高分数的有序排序集。虽然成员是独特的，但可以重复分数。
有序集合和散列一样，都用于存储键值对：有序集合的键被称为成员（member),每个成员都是各不相同的。有序集合的值则被称为分值（score），分值必须为浮点数。有序集合是redis里面唯一一个既可以根据成员访问元素(这一点和散列一样),又可以根据分值以及分值的排列顺序访问元素的结构。它的存储方式也有两种：
是ziplist结构。与上面的hash中的ziplist类似，member和score顺序存放并按score的顺序排列
另一种是skiplist与dict的结合。skiplist是一种跳跃表结构，用于有序集合中快速查找，大多数情况下它的效率与平衡树差不多，但比平衡树实现简单。redis的作者对普通的跳跃表进行了修改，包括添加spantailbackward指针、score的值可重复这些设计，从而实现排序功能和反向遍历的功能。
一般跳跃表的实现，主要包含以下几个部分：
表头（head）：指向头节点表尾（tail）：指向尾节点节点（node）：实际保存的元素节点，每个节点可以有多层，层数是在创建此节点的时候随机生成的一个数值，而且每一层都是一个指向后面某个节点的指针。层（level）：目前表内节点的最大层数长度（length）：节点的数量。跳跃表的遍历总是从高层开始，然后随着元素值范围的缩小，慢慢降低到低层。
跳跃表的原理请参考我前面的文章：数据结构与算法 -- 跳跃表（SkipList）
前面也说了，有序列表是使用skiplist和dict结合实现的，skiplist用来保障有序性和访问查找性能，dict就用来存储元素信息，并且dict的访问时间复杂度为O(1)。
Bit(位图)
位图不是特殊的数据结构，它的内容其实就是普通的字符串，也就是 byte 数组。我们可以使用普通的 get/set 直接获取和设置整个位图的内容，也可以使用位图操作 getbit/setbit等将 byte 数组看成「位数组」来处理。
Redis 的位数组是自动扩展，如果设置了某个偏移位置超出了现有的内容范围，就会自动将位数组进行零扩充。
HyperLogLog
HyperLogLog算法经常在数据库中被用来统计某一字段的Distinct Value（即不重复值，下文简称DV）
HyperLogLog算法来源于论文《HyperLogLog the analysis of a near-optimal cardinality estimation algorithm》，可以使用固定大小的字节计算任意大小的DV,如果你感兴趣可以试着百度一下，本文不做深究，只做简单介绍
基数就是指一个集合中不同值的数目，比如[a,b,c,d]的基数就是4，[a,b,c,d,a]的基数还是4，因为a重复了一个，不算。基数也可以称之为Distinct Value，简称DV。HyperLogLog算法就是用来计算基数的。
Stream
stream是一个看起来比pubsub可靠多的消息队列。pubsub不靠谱？ 很不靠谱，网络一断或buffer一大就会主动清理数据。stream的设计参考了kafka的消费组模型
用过kafka的人再看这图就很好理解了。源数据用来存放stream的生产出来的数据，数据是按照有seq_id序排列的。 redis会记录stream里每个消费组最后消费的last_id及还没有返回ack确认的id数据。每个消费组都有一个last_id, 也就是说 每个消费组都可以消费同一条数据，每个消费组里可以有多个消费者，多个消费组的关系是相互竞争的。
比如同一条数据，a系统会用，b系统也会用到，那么这时候要用消费组了。 a系统如果只有一个消费者会造成吞吐不够的情况，redis stream consumer group可以在同一个消费组里有多个消费者，consumer消费者多了，吞吐自己就上来了。 redis stream是可以保证这些操作原子性的。
stream又维护了一个pending_ids的数据，他的作用是维护消费者的未确认的id，比如消费者get了数据，但是返回给你的时候网络异常了，crash了，又比如消费者收到了，但是crash掉了？ redis stream维护了这些没有xack的id. 我们可以xpending来遍历这些数据，xpending是有时间信息的，我们可以在代码层过滤一个小时之前还未xack的id。
至于底层细节，我们后续慢慢给大家解开它的面纱！本文点到为止。
适用场景分析
String，redis对于KV的操作效率很高，可以直接用作计数器。例如，统计在线人数等等，另外string类型是二进制存储安全的，所以也可以使用它来存储图片，甚至是视频等。hash，存放键值对，一般可以用来存某个对象的基本属性信息，例如，用户信息，商品信息等，另外，由于hash的大小在小于配置的大小的时候使用的是ziplist结构，比较节约内存，所以针对大量的数据存储可以考虑使用hash来分段存储来达到压缩数据量，节约内存的目的，例如，对于大批量的商品对应的图片地址名称。比如：商品编码固定是10位，可以选取前7位做为hash的key,后三位作为field，图片地址作为value。这样每个hash表都不超过999个，只要把redis.conf中的hash-max-ziplist-entries改为1024，即可。list，列表类型，可以用于实现消息队列，也可以使用它提供的range命令，做分页查询功能。set，集合，整数的有序列表可以直接使用set。可以用作某些去重功能，例如用户名不能重复等，另外，还可以对集合进行交集，并集操作，来查找某些元素的共同点zset，有序集合，可以使用范围查找，排行榜功能或者topN功能。位图，可以用来实现签到功能Stream，消息队列HyperLogLog，统计基数的场景都适用OK,篇幅不宜过长，谢谢你的浏览！！喜欢就关注一下吧。