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

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

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

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

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

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

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

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

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。