🔥 后端/测试/运维必看！Redis作为高频面试考点+实际开发核心组件，搞懂这8种数据类型的底层逻辑和用法，效率直接翻倍！整理了超全干货，收藏慢慢看～
一、基础数据类型（5种核心）
📝 String（字符串）
底层结构：简单动态字符串（SDS），类似Java的ArrayList，预分配冗余空间减少内存碎片
适用场景：
- 缓存热点数据（如商品详情、用户信息）
- 计数器（点赞数、访问量、秒杀库存）
- 分布式锁（setnx命令）
- Session共享（存储用户登录状态）
高级用法：
- 位操作（GETBIT/SETBIT）：统计用户在线状态、判断用户是否签到
- INCR/DECR原子操作：秒杀场景防超卖
- APPEND字符串拼接：日志追加存储
📋 List（列表）
底层结构：双向链表（3.2版本前）、压缩列表（ziplist）+快速列表（quicklist，3.2版本后），平衡内存和性能
适用场景：
- 消息队列（简单FIFO队列，lpush+rpop）
- 排行榜（最新评论、最新订单，lrange取前N）
- 用户关注列表/消息列表
高级用法：
- 阻塞队列（brpop/blpop）：处理消息消费，避免轮询浪费资源
- ltrim修剪列表：只保留指定范围元素，控制内存占用
- rpoplpush：消息消费备份，防止消息丢失
🗂️ Hash（哈希）
底层结构：压缩列表（ziplist）+哈希表（dict），元素少用ziplist节省内存，元素多用dict提升查询效率
适用场景：
- 存储对象（用户信息、商品属性，field对应属性名，value对应属性值）
- 购物车（key为用户ID，field为商品ID，value为数量）
- 配置信息存储（分字段存储，便于单独修改）
高级用法：
- hincrby：购物车商品数量增减
- hmget/hmset：批量获取/设置对象属性，减少网络交互
- hscan：遍历大哈希表，避免keys命令阻塞
🔍 Set（集合）
底层结构：整数集合（intset）+哈希表（dict），元素为整数且少时用intset，否则用dict（value为null）
适用场景：
- 去重（如用户历史浏览记录去重）
- 社交场景（共同好友、好友推荐， sinter求交集）
- 抽奖活动（srandmember随机取元素、spop随机删除元素）
高级用法：
- 集合运算（sinter交集、sunion并集、sdiff差集）：实现好友匹配、标签筛选
- scard统计元素个数：快速获取去重后数据量
- smove：元素在集合间转移，实现权限变更等场景
🏆 ZSet（有序集合）
底层结构：压缩列表（ziplist）+跳表（skiplist）+哈希表（dict），元素少用ziplist，元素多用跳表+dict（跳表存排序，dict存value-score映射）
适用场景：
- 排行榜（销量榜、积分榜、热度榜，zrange/zrevrange）
- 延迟队列（score为时间戳，zrangebyscore取到期任务）
- 范围查询（如查询积分100-200的用户）
高级用法：
- zincrby：积分增减，实时更新排行榜
- zrank/zrevrank：获取元素排名，展示用户名次
- zremrangebyscore：删除指定分数范围元素，清理过期任务
二、高级数据类型（3种拓展）
🔢 Bitmap（位图）
底层结构：基于String实现，本质是二进制位数组，每个位对应0/1状态
适用场景：
- 用户签到（1位代表1天，365天仅需46字节）
- 在线状态统计（0离线/1在线，快速统计在线人数）
- 布隆过滤器底层（判断元素是否存在，减少缓存穿透）
高级用法：
- BITOP：多位图运算（与/或/异或），统计共同签到用户
- BITCOUNT：统计指定范围1的个数，即签到天数
- BITPOS：查找第一个0/1的位置，找到第一个未签到的日期
🗺️ 地理信息索引（GEO）
底层结构：基于ZSet实现，将经纬度转换为geohash编码作为score，利用ZSet有序性实现距离排序
适用场景：
- 附近的人/店铺（LBS应用，georadius/georadiusbymember）
- 距离计算（两地距离、用户与店铺距离）
- 区域筛选（查找指定范围内的POI）
高级用法：
- geohash：获取元素的geohash编码，用于精准定位
- geodist：计算两个位置的距离，支持m/km/mi/ft单位
georem：删除指定地理信息元素
📊 HyperLogLog
底层结构：基于String实现，核心是概率算法，通过存储多个哈希值的前导零个数来估算基数，内部由多个桶（bucket）组成，每个桶记录对应哈希值的最大前导零位数
适用场景：
- 海量数据基数统计（如网站UV、APP日活/月活统计）
- 用户行为统计（如点击量、浏览量的去重计数）
- 低精度去重统计场景（允许极小误差，追求内存高效）
高级用法：
- PFADD：向HyperLogLog添加元素，支持批量添加多个元素
- PFCOUNT：统计HyperLogLog的基数（估算值），支持同时统计多个HyperLogLog的合并基数
- PFMERGE：合并多个HyperLogLog，得到合并后的基数统计结果（如合并多天UV得到周UV）
三、学习小贴士
- 记底层结构不用死记！重点看“为什么选这个结构”——都是平衡内存和性能的选择
- 场景题是面试高频！把“数据类型+场景”对应起来，比如看到排行榜就想ZSet，看到去重就想Set
- 实际开发优先用高级用法！比如阻塞队列、原子操作，能避免很多坑
- 收藏这篇，遇到Redis问题直接查，不用再翻厚重的文档啦～
