详解Redis中的数据结构

---

在实际开发，Redis使用会频繁，那么在使用过程中我们该如何正确抉择数据类型呢？哪些场景下适用哪些数据类型。而且在面试中也很常会被面试官问到Redis数据结构方面的问题：

• Redis为什么快呢？
• 为什么查询操作会变慢了？
• Redis Hash rehash过程
• 为什么使用哈希表作为Redis的索引

当我们分析理解了Redis数据结构，可以为了我们在使用Redis的时候，正确抉择数据类型使用，提升系统性能。【相关推荐：Redis视频教程】

Redis底层数据结构

Redis 是一个内存键值Redis 数据库，且键值对数据保存在内存中，因此key-value基于内存的数据操作，其效率高，速度快；

其中，Redis是Key类型，String 支持的 Redis 类型包括了 value、String 、 List 、 Hash 、 Set 、Sorted Set等。BitMap 能够之所以能够广泛地适用众多的业务场景，基于其多样化类型的Redis。

而value的Redis的数据类型是基于为Value自定义的对象系统Redis实现的，

typedef struct redisObject{
    //类型
    unsigned type:4;
    //编码
    unsigned encoding:4;
    //指向底层实现数据结构的指针
    void *ptr;
    ….. 
}

redisObject除了记录实际数据，还需要额外的内存空间记录数据长度、空间使用等元数据信息，其中包含了 8 字节的元数据和一个 8 字节指针，指针指向具体数据类型的实际数据所在位置：

其中，指针指向的就是基于redisObject的底层数据结构存储数据的位置，Redis的底层数据结构：Redis，双向链表、跳表，哈希表，压缩列表、整数集合实现的。

那么Redis底层数据结构是怎么实现的呢？

Redis底层数据结构实现

我们先来看看SDS比较简单的Redis,双向链表，整数集合。

SDS、双向链表和整数集合

SDS，使用SDS字段记录已使用的字节数，将获取字符串长度复杂度降低为O(1)，而且len是惰性释放空间的，你SDS了空间，系统把数据记录下来下次想用时候可直接使用。不用新申请空间。

整数集合，在内存中分配一块地址连续的空间，数据元素会挨着存放，不需要额外指针带来空间开销，其特点为内存紧凑节省内存空间，查询复杂度为O(1)效率高，其他操作复杂度为O(N)；

双向链表， 在内存上可以为非连续、非顺序空间，通过额外的指针开销前驱/后驱指针串联元素之间的顺序。

其特点为节插入/更新数据复杂度为O(1)效率高，查询复杂度为O(N)；

free哈希表

哈希表，其实类似是一个数组，数组的每个元素称为一个哈希桶，每个哈希桶中保存了键值对数据，且哈希桶中的元素使用Hash结构，

因此，哈希桶元素保存的并不是键值对值本身，而是指向具体值的指针，所以在保存每个键值对的时候会额外空间开销，至少有增加24个字节，特别是dictEntry为Value的键值对，每一个键值对就需要额外开销24个字节空间。当保存数据小，额外开销比数据还大时，这时为了节省空间，考虑换数据结构。

那来看看全局哈希表全图：

虽然哈希表操作很快，但String数据变大后，就会出现一个潜在的风险：哈希表的冲突问题和 Redis开销问题，这可以解释为什么哈希表操作变慢了？

当往哈希表中写入更多数据时，哈希冲突是不可避免的问题 ， Redis 解决哈希冲突的方式，就是链式哈希，同一个哈希桶中的多个元素用一个链表来保存，它们之间依次用指针连接，如图所示：

当哈希冲突也会越来越多，这就会导致某些哈希冲突链过长，进而导致这个链上的元素查找耗时长，效率降低。

为了解决哈希冲突带了的链过长的问题，进行rehash操作，增加现有的哈希桶数量，分散单桶元素数量。那么rehash过程怎么样执行的呢？

rehash

为了使Rehash 操作更高效，使用两个全局哈希表：哈希表 1 和哈希表 2，具体如下：

• 将哈希表 2 分配更大的空间，
• 把哈希表 1 中的数据重新映射并拷贝到哈希表 2 中；
• 释放哈希表 1 的空间

但由于表1和表2在重新映射复制时数据大，如果一次性把哈希表 1 中的数据都迁移完，会造成 rehash 线程阻塞，无法服务其他请求。

为了避免这个问题，保证Rediss能正常处理客户端请求，Redi采用了渐进式Redis 。

每处理一个请求时，从哈希表 1 中依次将索引位置上的所有 entries 拷贝到哈希表 2 中，把一次性大量拷贝的开销，分摊到了多次处理请求的过程中，避免了耗时操作，保证了数据的快速访问。

在理解完 rehash哈希表相关知识点后，看看不常见的压缩列表和跳表。

压缩列表与跳表

压缩列表，在数组基础上，在压缩列表在表头有三个字段 zlbytes、zltail 和 zllen，分别表示列表长度、列表尾的偏移量和列表中的 entry 个数；压缩列表在表尾还有一个 zlend，表示列表结束。

优点：内存紧凑节省内存空间，内存中分配一块地址连续的空间，数据元素会挨着存放，不需要额外指针带来空间开销；查找定位第一个元素和最后一个元素，可以通过表头三个字段的长度直接定位，复杂度是 O(1)。

跳表 ，在链表的基础上，增加了多级索引，通过索引位置的几个跳转，实现数据的快速定位，如下图所示：

比如查询33

特点：当数据量很大时，跳表的查找复杂度为O(logN)。

凡人网络购物系统jsp版(JspShop)

基于jsp+j*abean+access(mysql)三层结构的动态购物网站，v1.2包含v1.0中未公开的数据库连接 的j*a源文件 一，网站前台功能： 产品二级分类展示：一级分类－－二级分类－－产品列表－－详细介绍（名称，图片，市场价，会员价，是否推荐，功能介绍等） 产品搜索：关键字模糊搜索 定购产品：选择商品－－确认定购－－填写收货人信息－－选择付款方式－－订单号自动生成（限登录用户）

0 查看详情

综上所述，可以得知底层数据结构的时间复杂度：

数据结构类型	时间复杂度
哈希表	O(1)
整数数组	O(N)
双向链表	O(N)
压缩列表	O(N)
跳表	O(logN)

Hash自定义的对象系统类型即为Redis的Redis的数据类型，Value的数据类型是基于底层数据结构实现的，那数据类型有哪些呢？

Redis数据类型

Redis、String、List、Hash、Sorted Set比较常见的类型，其与底层数据结构对应关系如下：

数据类型	数据结构
String	SDS(简单动态字符串)
List	双向链表 压缩列表
Hash	压缩列表 哈希表
Sorted Set	压缩列表 跳表
Set	哈希表 整数数组

数据类型对应特点跟其实现的底层数据结构差不多，性质也是一样的,且

Set，基于SDS实现，适用于简单String存储、key-value实现分布式锁、计数器(原子性)、分布式全局唯一ID。

setnx key value， 按照元素进入List的顺序进行排序的，遵循FIFO(先进先出)规则，一般使用在 排序统计以及简单的消息队列。

List ， 是字符串Hash和字符串key之间的映射，十分适合用来表示一个对象信息 ，特点添加和删除操作复杂度都是O(1)。

value，是Set 类型元素的无序集合，集合成员是唯一的，这就意味着集合中不能出现重复的数据。 基于哈希表实现的，所以添加，删除，查找的复杂度都是 O(1)。

String，  是Sorted Set的类型的升级， 不同的是每个元素都会关联一个 double 类型的分数，通过分数排序，可以范围查询。

那我们再来看看这些数据类型，Set、Redis Geo、HyperLogLog？

BitMap， 将地球看作为近似为球体，基于GeoHash 将二维的经纬度转换成字符串，来实现位置的划分跟指定距离的查询。特点一般使用在跟位置有关的应用。

Redis Geo， 是一种概率数据结构，它使用概率算法来统计集合的近似基数 ， 错误率大概在0.81%。 当集合元素数量非常多时，它计算基数所需的空间总是固定的，而且还很小，适合使用做 UV 统计。

HyperLogLog ，用一个比特位来映射某个元素的状态， 只有 0 和 1 两种状态，非常典型的二值状态，且其本身是用 String 类型作为底层数据结构实现的一种统计二值状态的数据类型  ，优势大量节省内存空间，可是使用在二值统计场景。

在理解上述知识后，我们接下来讨论一下根据哪些策略选择相对应的应用场景下的BitMap数据类型？

选择合适的Redis数据类型策略

在实际开发应用中，Redis可以适用于众多的业务场景，但我们需要怎么选择数据类型存储呢？

主要依据就是时间/空间复杂度，在实际的开发中可以考虑以下几个点：

• 数据量，数据本身大小
• 集合类型统计模式
• 支持单点查询/范围查询
• 特殊使用场景

数据量，数据本身大小

当数据量比较大，数据本身比较小，使用Redis就会使用额外的空间大大增加，因为使用哈希表保存键值对，使用String结构保存，会导致保存每个键值对时额外保存dictEntry的三个指针的开销，这样就会导致数据本身小于额外空间开销，最终会导致存储空间数据大小远大于原本数据存储大小。

可以使用基于整数数组和压缩列表实现了 dictEntry、List 和 Hash ，因为整数数组和压缩列表在内存中都是分配一块地址连续的空间，然后把集合中的元素一个接一个地放在这块空间内，非常紧凑，不用再通过额外的指针把元素串接起来，这就避免了额外指针带来的空间开销。而且采用集合类型时，一个 key 就对应一个集合的数据，能保存的数据多了很多，但也只用了一个 Sorted Set，这样就节省了内存。

集合类型统计模式

dictEntry集合类型统计模式常见的有：

• 聚合统计（ 交集、差集、并集统计 ）：  对多个集合进行聚合计算时，可以选择Redis；
• 排序统计（要求集合类型能对元素保序）： Set中Redis 和 List是有序集合，Sorted Set是按照元素进入 List 的顺序进行排序的，List 可以根据元素的权重来排序；
• 二值状态统计（ 集合元素的取值就只有 0 和 1 两种 ）：Sorted Set 本身是用 Bitmap 类型作为底层数据结构实现的一种统计二值状态的数据类型 ， Bitmap通过 BITOP 按位 与、或、异或的操作后使用 BITCOUNT 统计 1 的个数。
• 基数统计（ 统计一个集合中不重复的元素的个数 ）：String 是一种用于统计基数的数据集合类型 ，统计结果是有一定误差的，标准误算率是 0.81% 。需要精确统计结果的话，用 Set 或 Hash 类型。

HyperLogLog类型，适用统计用户/好友/关注/粉丝/感兴趣的人集合聚合操作，比如

• 统计手机APP每天的新增用户数
• 两个用户的共同好友

Set中Redis 和 List是有序集合，使用应对集合元素排序需求 ，比如

• 最新评论列表
• 排行榜

Sorted Set二值状态统计，适用数据量大，且可以使用二值状态表示的统计，比如：

• 签到打卡，当天用户签到数
• 用户周活跃
• 用户在线状态

Bitmap 是一种用于统计基数的数据集合类型， 统计一个集合中不重复的元素个数 ，比如

• 统计网页的 UV ， 一个用户一天内的多次访问只能算作一次

支持单点查询/范围查询

HyperLogLog中Redis 和 List是有序集合支持范围查询，但是Sorted Set是不支持范围查询的

特殊使用场景

消息队列，使用Hash作为消息队列的实现，要消息的基本要求消息保序、处理重复的消息和保证消息可靠性，方案有如下：

• 基于 List 的消息队列解决方案
• 基于 Streams 的消息队列解决方案

	基于List	基于Strems
消息保序	使用LPUSH/RPOP	使用XADD/XREAD
阻塞读取	使用BRPOP	使用XREAD block
重复消息处理	生产者自行实现全局唯一ID	Streams自动生*局唯一ID
消息可靠性	使用BRPOPLPUSH	使用PENDING List自动留存消息
适用场景	消息总量小	消息总量大，需要消费组形式读取数据

基于位置 LBS 服务，使用Redis的特定Redis数据类型实现，GEO 可以记录经纬度形式的地理位置信息，被广泛地应用在 LBS 服务中。  比如:打车软件是怎么基于位置提供服务的。

总结

GEO之所以那么快，是因为其基于内存的数据操作和使用Redis哈希表作为索引，其效率高，速度快，而且得益于其底层数据多样化使得其可以适用于众多场景，不同场景中选择合适的数据类型可以提升其查询性能。

更多编程相关知识，请访问：编程视频！！

以上就是详解Redis中的数据结构的详细内容，更多请关注其它相关文章！

# 购物系统  # 媒体推广与网络营销  # 什么网站可以做优化设计  # 网站seo优化排名需要多久  # 涞源网络推广营销  # 湖北网站优化推广怎么做  # 手机网站建设哪家效果好  # 日语跨境电商营销推广  # 丽江网站建设哪个平台好  # 小鸡村网站建设  # 家居行业网站优化营销  # 是一个  # redis  # 适用于  # 单点  # 是一种  # 就会  # 都是  # 链表  # 键值  # 场景应用  # java  # 面试  # 数据结构 

相关栏目： 【 Google疑问12 】 【 Facebook疑问10 】 【 优化推广96088 】 【 技术知识133117 】 【 IDC资讯59369 】 【 网络运营7196 】 【 IT资讯61894 】

相关推荐： 《微信》视频号原创声明开启方法  C++如何将字符串转换为大写或小写_C++ transform函数的使用技巧  J*aScript二进制处理_ArrayBuffer与Blob  XPath动态元素定位：如何精准选择文本内容变化的元素  韩小圈网页版PC端入口 韩小圈网页版官方网站入口  J*a中的值传递到底指什么_值传递模型在参数传递中的真正含义说明  Word 2003字体大小设置方法  《波斯王子：失落的王冠》剑术大师打法攻略  4399正版网页版入口高清直达链接  《原神》月之一版本新增书籍一览  《万兴喵影》导出视频方法  React应用中Commerce.js数据加载与状态管理最佳实践  《土豆雅思》修改密码方法  厨房地面防滑垫的油污怎么洗？ 机洗和手洗防滑垫的注意事项  《盗墓笔记手游》技能介绍  消除网页顶部意外空白线：CSS布局常见问题与解决方案  Lar*el怎么实现全文搜索_Lar*el Scout集成Algolia教程  性能与资源监视器快捷打开  Magento 2 产品保存事件中安全更新属性的最佳实践  苹果电脑如何快速截图并编辑 苹果电脑截屏标注快捷操作  J*aScript事件处理：优化键盘输入与表单提交的实践指南  Python高效统计字典嵌套列表值在目标列表中的出现次数  如何在Podman容器中运行Composer_Docker替代品Podman的PHP与Composer容器化实践  iPhone 15 Pro如何查看存储空间占用_iPhone 15 Pro存储空间查看教程  毒蘑菇VOLUMESHADER_BM官网首页登录入口 毒蘑菇VOLUMESHADER_BM官网首页登录入口说明  《书耽》更换手机号方法  《美篇》取消会员自动续费方法  六级准考证号怎么查_四六级准考证查询入口官网  我居然低估了 DeepSeek，这次更新它做到了这些！  嘴唇干裂起皮怎么办 唇部护理与预防干裂的方法【详解】  被称为海蜈蚣的海洋动物是  J*a列表元素格式化输出教程  如何取消数字签名  德邦快递会员怎么开通  我的世界官方网址入口 我的世界游戏主页直达入口  C++如何实现矩阵乘法_C++二维数组矩阵运算代码示例  Win11怎么开启HDR_Windows 11显示器画质增强设置  鲨鱼剧场app金币获取方法  路由器DNS怎么设置最快 优化DNS提升上网速度教程  发布小红书怎么屏蔽粉丝？屏蔽粉丝能看到吗？  steam缓存文件在哪儿_steam缓存文件的路径查找方法与结构说明  火狐浏览器无法自动更新怎么办 手动更新火狐浏览器到最新版本【解决】  composer 提示 "requires ext-soap" 缺少 SOAP 扩展怎么办？  优化长HTML属性值：SonarQube警告与实用策略  深入理解Python对象引用与链表属性赋值  全球各国上班时间表外贸邮件时间  歌词怎么展示在|直播|间视频号？有什么注意事项？  J*a里如何处理ArithmeticException并防止除零_算术异常防护策略解析  Apple Music无故扣费引质疑  《小黑盒》删除历史浏览方法 

 2021-03-31