共计 6635 个字符，预计需要花费 17 分钟才能阅读完成。
Redis 自身是一个 Map，其中所有的数据都是采纳 key：value 的模式存储
这里的数据类型次要是指存储的，也即是 value 的数据类型，key 的数据类型永远都是 String
redis 中 value 应用的数据结构有：
String：字符串类型
List：列表类型
Hash：哈希表类型
Set：无序汇合类型
sorted set：有序汇合类型
上面咱们来一个一个别离来理解一下：
一、String：字符串类型
redis 是应用 C 语言开发，但 C 中并没有 String 类型，只能应用指针或字符数组的模式示意一个字符串，所以 redis 设计了一种简略动静字符串(SDS[Simple Dynamic String]) 作为底层实现。
这个 SDS 的内部结构更像是一个 ArrayList，外部保护着一个字节数组，并且在其外部预调配了肯定的空间，以缩小内存的频繁调配。
Redis 的内存分配机制是这样：
当字符串的长度小于 1MB 时，每次扩容都是加倍现有的空间。
如果字符串长度超过 1MB 时，每次扩容时只会扩大 1MB 的空间。
这样既保证了内存空间够用，还不至于造成内存的节约，字符串最大长度为 512MB。
上图就是字符串的根本构造，其中 content 外面保留的是字符串内容，0x\0 作为完结字符不会被计算 len 中。
SDS 的数据结构：
capacity 和 len 两个属性都是泛型，为什么不间接用 int 类型？因为 Redis 外部有很多优化计划，为更正当的应用内存，不同长度的字符串采纳不同的数据类型示意，且在创立字符串的时候 len 会和 capacity 一样大，不产生冗余的空间，所以 String 值能够是字符串、数字（整数、浮点数) 或者二进制。
redis 中 SDS 和 C 语言字符串比照：
1）C 语言中的字符串，遇到 ’\0’ 则结尾，用长度 N + 1 的数组保护长度为 N 的字符串。
Redis 的 SDS 是：
len 示意字符串的长度；
free 示意闲暇的，未调配的空间；
buffer 数组是真正的字符串，并且以 ’\0’ 结尾。
2）C 字符串并不记录本身的长度信息，获取一个 C 字符串的长度, 必须遍历整个字符串, 对遇到的字符进行计数, 直到遇到代表字符串结尾的空字符为止，复杂度为 O(n)
SDS 在 len 属性中记录了 SDS 的自身长度，复杂度为 O(1)
3）C 字符串不记录本身长度容易造成缓冲区溢出
SDS 的空间调配策略齐全杜绝了产生缓冲区的可能性：当 SDS API 须要对 SDS 进行批改时，API 会先查看 SDS 的空间是否满足批改所需的要求, 如果不满足的话,API 会主动将 SDS 的空间扩大至执行批改所需的大小, 而后才执行理论的批改操作，所以应用 SDS 既不须要批改 SDS 的空间大小, 也不会呈现后面所说的缓冲区溢出问题
4）缩小批改字符串时带来的内存重调配次数
C 字符串的长度和底层数组的长度之间存在这种关联性，所以每次增长或者缩短一个 C 字符串，总要对保留 C 字符串的数组进行一次内存重调配操作
在 SDS 中，buf 数组的长度不肯定就是字符数量加一，数组外面能够蕴含为应用的字节，而这些字节的数量就由 SDS 的 free 属性记录。通过未应用空间，SDS 实现了空间预调配和惰性空间开释两种优化策略
5）二级制平安
C 字符串必须合乎某种编码，并且除了字符串的开端之外，字符串外面不能蕴含空字符
SDS 的 API 都是二进制平安的，所有 SDS API 都会以解决二进制的形式来解决 SDS 寄存在 buf 数组里的数据
6）C 兼容所有字符串函数
SDS 兼容局部 C 字符串函数
String 类型的利用
1、能够存储 base64 的图片数据
2、作为缓存性能，升高 mysql 数据库的申请
3、做一些短时间的谬误限度管制
二、List：列表类型
Redis 中的 list 实质是链表构造
list 的实现在 3.2 版本之前有两种形式：
压缩列表 ziplist
双向链表 linkedlist
在 3.2 版本之后引入了：
疾速列表 quicklist
因为双向链表 linkedlist 占用的内存比压缩列表 ziplist 要多，所以当创立新的列表键时，列表会优先思考应用压缩列表 ziplist，并且在有须要的时候，才从压缩列表 ziplist 实现转换到双向链表 linkedlist 实现。
而后续引入的 quicklist 能够看作是 linkedlist 和 ziplist 的结合体。
这三种列表外部应用哪一种类型是通过编码来辨别的：
linkedlist
linkedlist 是一个双向列表，每个节点都会存储指向上一个节点和指向下一个节点的指针。linkedlist 因为每个节点的空间是不间断的，所以可能会造成过多的空间碎片。
linkedlist 的存储构造，链表中每一个节点都是一个 listNode 对象(源码 adlist.h 内)，不过须要留神的是，列表中的 value 其实也是一个字符串对象。
而后会将其再进行封装成为一个 list 对象(源码 adlist.h 内)：
Redis 中对 linkedlist 的拜访是以 NULL 值为起点的，因为 head 节点的 prev 节点为 NULL，tail 节点的 next 节点为 NULL。
所以，在 Redis3.2 之前咱们能够失去如下简图：
ziplist
ziplist 是为了节俭内存而开发的一种压缩列表数据结构，哈希数据类型底层也用到了 ziplist。
ziplist 是由一系列非凡编码的间断内存块组成的程序型数据结构，一个 ziplist 能够蕴含任意多个 entry，而每一个 entry 又能够保留一个字节数组或者一个整数值。
ziplist 和 linkedlist 最大的区别是 ziplist 不存储指向上一个节点和下一个节点的指针，存储的是上一个节点的长度和以后节点的长度，就义了局部读写性能来换取高效的内存利用率，是一种工夫换空间的思维。
ziplist 实用于字段个数少和字段值少的场景。
ziplist 的组成构造：
对于列表抉择应用 ziplist 编码进行存储，必须满足上面两个条件：
1）列表对象保留的所有字符串元素的长度都小于 64 字节。
2）列表对象保留的元素数量小于 512 个。
一旦不满足这两个条件中的任意一个，则会应用 linkedlist 编码来进行存储
这两个条件能够通过参数 list-max-ziplist-value 和 list-max-ziplist-entries 进行批改从新设定
quicklist
在 Redis3.2 之后，对立用 quicklist 来存储列表对象，quicklist 存储了一个双向列表，每个列表的节点是一个 ziplist，所以实际上 quicklist 就是 linkedlist 和 ziplist 的联合。
quicklist 外部存储构造，quicklist 中每一个节点都是一个 quicklistNode 对象，其数据结构定义为：
而后各个 quicklistNode 就形成了一个列表，quicklist：
依据下面两个结构图，能够失去 Redis3.2 之后列表的简图：
quicklist 和原始两种列表的比照
quicklist 同样采纳了 linkedlist 的双端列表个性，而后 quicklist 中的每个节点又是一个 ziplist，所以 quicklist 就是综合均衡思考了空间碎片和读写性能两个维度。
应用 quicklist 须要留神以下 2 点：
1、如果 ziplist 中的 entry 个数过少，极其状况就是只有 1 个 entry，此时就相当于进化成了一个一般的 linkedlist。
2、如果 ziplist 中的 entry 过多，那么也会导致一次性须要申请的内存空间过大，而且因为 ziplist 自身的就是以工夫换空间，所以会过多 entry 也会影响到列表对象的读写性能。
ziplist 中的 entry 个数能够通过参数 list-max-ziplist-size 来管制：
list-max-ziplist-size 1
这个参数能够配置负数也能够配置正数。负数示意限度每个节点中的 entry 数量，如果是正数则只能为 -1~-5
-1: 每个 ziplist 最多只能为 4KB
-2: 每个 ziplist 最多只能为 8KB
-3: 每个 ziplist 最多只能为 16KB
-4: 每个 ziplist 最多只能为 32KB
-5: 每个 ziplist 最多只能为 64KB
Redis Lrange 返回列表中指定区间内的元素，区间以偏移量 START 和 END 指定。其中 0 示意列表的第一个元素，1 示意列表的第二个元素，以此类推。也能够应用正数下标，以 -1 示意列表的最初一个元素，-2 示意列表的倒数第二个元素，以此类推。
List 数据类型利用：
timeline：例如微博的时间轴，有人公布微博，用 lpush 退出时间轴，展现新的列表信息。
三、Hash：哈希表类型
Redis hash 是一个 string 类型的 field（字段）和 value（值）的映射表，hash 特地适宜用于存储对象。
Redis 中每个 hash 能够存储 2^32 – 1 键值对（40 多亿）
Redis 的哈希对象的底层存储能够应用 ziplist（压缩列表）和 hashtable。
当 hash 对象能够同时满足以下两个条件时，哈希对象应用 ziplist 编码
1. 哈希对象保留的所有键值对的键和值的字符串长度都小于 64 字节
2. 哈希对象保留的键值对数量小于 512 个
常见操作命令：
所有 hash 的命令都是 h 结尾的 hget、hset、hdel 等
Hash 数据类型利用：
1、缓存：能直观，相比 string 更节俭空间的保护缓存信息，如：用户信息，视频信息等。
四、Set：无序汇合类型
Redis 的 Set 是 String 类型的无序汇合。汇合成员是惟一的，这就意味着汇合中不能呈现反复的数据，将一个反复的元素增加到 set 中将会被疏忽。
汇合对象的编码能够是 intset 或者 hashtable。
Redis 中汇合是通过哈希表实现的，所以增加，删除，查找的复杂度都是 O(1)。
汇合中最大的成员数为 2^32 – 1 (4294967295, 每个汇合可存储 40 多亿个成员)
汇合类型也是用来保留多个字符串的元素，但和列表不同的是，汇合中：
不容许有反复的元素
汇合中的元素是无序的，不能通过索引下标获取元素
反对汇合间的操作，能够取多个汇合取交加、并集、差集
Set 数据类型利用：
1、标签（tag）, 给用户增加标签，或者用户给音讯增加标签，这样有同一标签或者相似标签的能够给举荐关注的事或者关注的人
2、点赞，或点踩，珍藏等，能够放到 set 中实现
五、Sorted Set
Redis 的 sorted_set 是有序汇合，在 set 的根底上减少 score 属性用来排序
在 redis 中，数据类型对应的命令个别以数据类型的首字母结尾，然而单词 s 曾经被 string 类型应用了，所以 sorted_set 类型的相干命令只能应用 26 个英文字母中的最初一个字母 z 来结尾，所以 sorted_set 也被称为 zset。
有序汇合和汇合有着必然的分割，保留了汇合不能有反复成员的个性，区别是，有序汇合中的元素是能够排序的，它给每个元素设置一个分数，作为排序的根据。
（有序汇合中的元素不能够反复，然而 score 分数能够反复，就和一个班里的同学学号不能反复，但考试成绩能够雷同）。
Sortedset 底层存储构造：
Sortedset 同时会由两种数据结构反对,ziplist 和 skiplist
只有同时满足如下条件时，应用的是 ziplist，其余时候则是应用 skiplist
1）有序汇合保留的元素数量小于 128 个
2）有序汇合保留的所有元素的长度小于 64 字节
当 ziplist 作为存储构造时候, 每个汇合元素应用两个紧挨在一起的压缩列表节点来保留, 第一个节点保留元素的成员, 第二个元素保留元素的分值.
当应用 skiplist 作为存储构造时, 应用 skiplist 按序保留元素分值, 应用 dict 来保留元素和分值的对应关系
对于 skiplist
skiplist 实质上是一个 list, 它其实是由有序链表倒退而来
咱们先来看一个有序链表，如下图（最左侧的灰色节点示意一个空的头节点）：
在这样一个链表中，如果咱们要查找某个数据，那么须要从头开始一一进行比拟，直到找到蕴含数据的那个节点，或者找到第一个比给定数据大的节点为止（没找到）。也就是说，工夫复杂度为 O(n)。同样，当咱们要插入新数据的时候，也要经验同样的查找过程，从而确定插入地位
如果咱们每相邻两个节点减少一个指针，让指针指向下下个节点，如下图：
这样所有新减少的指针连成了一个新的链表，但它蕴含的节点个数只有原来的一半（上图中是 7, 19, 26）。当初当咱们想查找数据的时候，能够先沿着这个新链表进行查找。当碰到比待查数据大的节点时，再回到原来的链表中进行查找。比方，咱们想查找 23，查找的门路是沿着下图中标红的指针所指向的方向进行的：
1）23 首先和 7 比拟，再和 19 比拟，比它们都大，持续向后比拟，当 23 和 26 比拟的时候，比 26 要小，因而回到上面的链表（原链表），与 22 比拟
2）23 比 22 要大，沿上面的指针持续向后和 26 比拟
3）23 比 26 小，阐明待查数据 23 在原链表中不存在，而且它的插入地位应该在 22 和 26 之间
在这个查找过程中，因为新减少的指针，咱们不再须要与链表中每个节点一一进行比拟了。须要比拟的节点数大略只有原来的一半。
利用同样的形式，咱们能够在下层新产生的链表上，持续为每相邻的两个节点减少一个指针，从而产生第三层链表。如下图：
在这个新的三层链表构造上，如果咱们还是查找 23，那么沿着最上层链表首先要比拟的是 19，发现 23 比 19 大，接下来咱们就晓得只须要到 19 的前面去持续查找，从而一下子跳过了 19 后面的所有节点。能够设想，当链表足够长的时候，这种多层链表的查找形式能让咱们跳过很多上层节点，大大放慢查找的速度
skiplist 正是受这种多层链表的想法的启发而设计进去的。实际上，依照下面生成链表的形式，下面每一层链表的节点个数，是上面一层的节点个数的一半，这样查找过程就十分相似于一个二分查找，使得查找的工夫复杂度能够升高到 O(log n)。然而，这种办法在插入数据的时候有很大的问题。新插入一个节点之后，就会打乱高低相邻两层链表上节点个数严格的 2:1 的对应关系。如果要维持这种对应关系，就必须把新插入的节点前面的所有节点（也包含新插入的节点）从新进行调整，这会让工夫复杂度从新进化成 O(n)，删除数据也有同样的问题。
skiplist 为了防止这一问题，它不要求高低相邻两层链表之间的节点个数有严格的对应关系，而是为每个节点随机出一个层数(level)。比方，一个节点随机出的层数是 3，那么就把它链入到第 1 层到第 3 层这三层链表中。为了表白分明，下图展现了如何通过一步步地插入操作从而造成一个 skiplist 的过程：
从下面 skiplist 的创立和插入过程能够看出，每一个节点的层数（level）是随机进去的，而且新插入一个节点不会影响其它节点的层数。因而，插入操作只须要批改插入节点前后的指针，而不须要对很多节点都进行调整。这就升高了插入操作的复杂度。实际上，这是 skiplist 的一个很重要的个性，这让它在插入性能上显著优于均衡树的计划。
依据上图中的 skiplist 构造，咱们很容易了解这种数据结构的名字的由来。skiplist，翻译成中文，能够翻译成“跳表”或“跳跃表”，指的就是除了最上面第 1 层链表之外，它会产生若干层稠密的链表，这些链表外面的指针成心跳过了一些节点（而且越高层的链表跳过的节点越多）。这就使得咱们在查找数据的时候可能先在高层的链表中进行查找，而后逐层升高，最终降到第 1 层链表来准确地确定数据地位。在这个过程中，咱们跳过了一些节点，从而也就放慢了查找速度。
刚刚创立的这个 skiplist 总共蕴含 4 层链表，当初假如咱们在它外面仍然查找 23，下图给出了查找门路：
须要留神的是，后面演示的各个节点的插入过程，实际上在插入之前也要先经验一个相似的查找过程，在确定插入地位后，再实现插入操作。
至此，skiplist 的查找和插入操作，咱们曾经很分明了。而删除操作与插入操作相似，咱们也很容易设想进去。这些操作咱们也应该能很容易地用代码实现进去。
当然，理论利用中的 skiplist 每个节点应该蕴含 key 和 value 两局部。后面的形容中咱们没有具体辨别 key 和 value，但实际上列表中是依照 key 进行排序的，查找过程也是依据 key 在比拟。
zset 数据类型利用：
1、排行榜：有序汇合经典应用场景。例如小说视频等网站须要对用户上传的小说视频做排行榜，榜单能够依照用户关注数，更新工夫，字数等打分，做排行
关键词：java 培训