Redis 提供了豐富的資料型別，每種資料型別都有其獨特的儲存結構和操作方法，可以滿足不同的業務場景需求。下面詳細介紹 Redis 支援的主要資料型別及其底層實現，並結合具體的應用場景說明其使用。
1. 字串（String）
介紹：
- Redis 中最基本的鍵值對型別，鍵和值都可以是字串，值的最大限制為 512MB。
String型別是 Redis 最常用的資料型別，它支援簡單的GET、SET操作，以及自增、自減、字串拼接等操作。
典型應用場景：
- 快取資料：儲存使用者登入狀態、Token、配置資訊等。
- 計數器：透過
INCR、DECR實現簡單的計數器，比如網站訪問量、點贊數等。 - 分散式鎖：結合
SETNX命令，可以用字串來實現簡單的分散式鎖。
底層原理：
- Redis 底層對字串使用的是簡單動態字串（SDS），它不僅是 C 字串的封裝，還加入了長度屬性和空間預留等最佳化策略。SDS 支援二進位制安全，可以儲存文字和二進位制資料。
2. 雜湊（Hash）
介紹：
- 雜湊是一個鍵值對集合，適合儲存物件。每個鍵可以有多個欄位，每個欄位都有一個值。
- 操作包括
HSET、HGET、HDEL等。
典型應用場景：
- 儲存使用者資訊：如使用者 ID 作為鍵，使用者的屬性（姓名、年齡、性別等）作為欄位，避免將整個使用者物件序列化成字串。
- 配置項管理：儲存配置項，方便根據欄位名快速訪問和更新某個配置。
底層原理：
- 雜湊使用了兩種底層資料結構：小資料量時使用壓縮列表（ziplist），大資料量時使用雜湊表（hashtable）。壓縮列表可以節省記憶體，但隨著雜湊表的增長會自動轉換為雜湊表，保證查詢效率。
3. 列表（List）
介紹：
- 列表是一個雙向連結串列，可以從頭部或尾部插入、刪除元素，常用命令包括
LPUSH、RPUSH、LPOP、RPOP等。 - Redis 支援阻塞操作，如
BLPOP、BRPOP，在沒有元素時可以阻塞等待。
典型應用場景：
- 訊息佇列：列表可以作為簡單的訊息佇列，用
LPUSH將訊息放入佇列，用RPOP或BRPOP彈出訊息。 - 任務排程：非同步任務分發系統中，可以將任務放入佇列中，由多個消費者去消費。
底層原理：
- 列表採用雙向連結串列（quicklist）實現。對於較短的列表，Redis 會使用壓縮列表（ziplist）來節省記憶體；對於較長的列表，則會採用真正的雙向連結串列來平衡操作的時間複雜度。
4. 集合（Set）
介紹：
- 集合是無序的、唯一的元素集合，提供類似於數學集合的操作，支援交集、並集、差集等。
- 常用操作包括
SADD、SREM、SISMEMBER、SMEMBERS、SINTER等。
典型應用場景：
- 標籤系統：如將使用者標籤儲存為集合，每個集合代表一個使用者群體，方便進行集合運算，如找出同時擁有某兩個標籤的使用者。
- 去重功能：在某些場景下（如熱門搜尋詞、訪問日誌的去重），可以透過集合的唯一性特性來避免重複資料。
底層原理：
- 小集合時使用整數集合（intset），大集合時使用雜湊表（hashtable）實現。透過雜湊表的快速查詢特性，可以實現 O(1) 的時間複雜度來判斷元素是否存在。
5. 有序集合（Sorted Set）
介紹：
- 有序集合類似於集合，但每個元素關聯一個分數，集合中的元素會按分數排序。支援的操作包括
ZADD、ZRANGE、ZREM、ZREVRANGE、ZCOUNT等。
典型應用場景：
- 排行榜：比如遊戲中的積分榜，按使用者分數進行排名。可以透過
ZADD新增玩家及其分數，透過ZRANGE獲取排名。 - 延遲任務：透過分數設定任務執行的時間，按時間從集合中取出需要執行的任務。
底層原理：
- 有序集合底層使用的是跳錶（Skiplist）和雜湊表相結合的資料結構，跳錶使得有序集合支援快速的範圍查詢和插入操作（時間複雜度 O(logN)），而雜湊表保證元素的快速定位。
6. 點陣圖（Bitmaps）
介紹：
- 點陣圖實際上是字串型別的擴充套件，可以把字串看作一系列連續的二進位制位，可以對這些二進位制位進行位操作。支援的命令有
SETBIT、GETBIT、BITCOUNT、BITOP等。
典型應用場景：
- 使用者簽到系統：用點陣圖儲存使用者的簽到記錄，每天對應一個 bit，0 表示未簽到，1 表示已簽到。
- 活躍使用者統計：透過點陣圖儲存某一時間段內使用者是否活躍，快速統計某天有多少活躍使用者。
底層原理：
- 點陣圖的底層儲存是 Redis 的字串結構，但位操作是直接針對每個二進位制位，因此能夠在非常緊湊的儲存空間內實現高效的操作，適合海量資料場景。
7. HyperLogLog
介紹：
- HyperLogLog 是一種用於基數統計的演算法，可以用於估算一個集合中不重複元素的個數，且佔用的記憶體空間非常小。
- 常用命令有
PFADD、PFCOUNT。
典型應用場景：
- 獨立訪客統計：在網站分析中統計獨立訪客（UV），只需為每個訪客 ID 新增到 HyperLogLog 中，快速得到不重複使用者數。
- 大規模資料去重計數：用於估算大規模資料中的去重個數，如點選、請求、訪問量等。
底層原理：
- HyperLogLog 是一種基數估計演算法，透過雜湊分佈將資料對映到位向量中，透過統計不同字首的最大長度來估算基數，其優點是佔用記憶體極小，缺點是隻能進行估算，存在一定誤差。
8. 地理空間（Geospatial）
介紹：
- Redis 支援儲存地理位置資料，並基於這些資料進行範圍查詢和距離計算。常用命令包括
GEOADD、GEODIST、GEORADIUS、GEOHASH等。
典型應用場景：
- LBS 應用：比如叫車應用中，儲存司機和乘客的地理位置，根據位置計算距離，匹配最近的車輛。
- 附近商家搜尋：使用者輸入位置後，查詢附近的商家，並根據距離排序返回。
底層原理：
- Redis 的地理空間資料是基於有序集合實現的，使用
GEOHASH演算法將地理座標編碼為 64 位的整數，存入有序集合中。透過對這些編碼的範圍查詢，可以實現快速的空間檢索。
9. 流（Streams）
介紹：
Stream是 Redis 5.0 引入的一種新的資料型別，支援訊息佇列的功能，類似於 Kafka 或者 RabbitMQ，支援消費組、訊息持久化和自動應答等特性。常用命令包括XADD、XREAD、XGROUP、XACK等。
典型應用場景：
- 訊息系統：透過流資料型別，多個消費者可以從同一個佇列中消費資料，實現訊息分發和處理。
- 日誌系統：可以將日誌資訊儲存在 Redis 的流中，實現持久化和實時消費。
底層原理：
- Stream 是基於壓縮列表和連結串列的結合體，資料結構複雜度較高，可以高效儲存大量的流式資料。透過內部維護的 ID 進行排序和管理，使得它適合處理有序的、持續生成的資料流。
總結
Redis 提供的多種資料型別，不僅豐富了其在不同業務場景下的適用性，還能透過記憶體友好的資料結構和高效的演算法來保證效能。在選擇 Redis 資料型別時，通常需要根據業務需求來匹配合適的資料結構，從而最大限度地提升系統效能和資源利用率。