Redis支持哪些数据类型？各适用于什么场景？

Redis（C语言实现）支持以下9种核心数据类型及其适用场景：

1. String（字符串）

   • 场景：缓存、计数器、分布式锁
   • 示例：SET user:1001 "John" EX 60（缓存用户信息60秒）
   • 优势：二进制安全，最大支持512MB （不会用UTF8解释器去解析内容，不感知内容，也不破坏内容）
   • 存储结构：简单动态字符串（SDS）(类似于c++的std::string，不需要管理内存，C的默认需要管理内存)
   • 快速查找：直接通过key定位，时间复杂度O(1) （hash表存储key和value的指针对象）
   • 结构特点：预分配冗余空间减少内存重分配（额外分配了内存，字串增长的时候不用额外分配内存）
     这些优化大部分是因为C语言特性而需要额外优化。

2. Hash（哈希表）

   • 场景：存储对象属性、购物车数据

   • 示例：HMSET product:1001 name "Phone" price 599 stock 50
     HMSET product:1001 name “Phone” price 599 stock 50这条命令的意思是，在Redis数据库中为一个名为product:1001的key设置了一个hash结构的数据，这个hash结构中包含了三个字段（field）：name、price和stock，它们对应的值（value）分别是"Phone"、599和50。

   • 优势：字段级原子操作，节省网络流量
     原子：单命令操作或Lua脚本，节省：按需取hash结构的返回内容，如果是string存json，需要返回所有json

   • 存储结构：ziplist（元素≤512）或hashtable

   • 快速查找：hashtable实现O(1)字段访问

3. List（列表）

   • 场景：消息队列、最新消息列表
   • 示例：LPUSH news "Breaking: Redis 7 released"
     这条命令的意思是将字符串"Breaking: Redis 7 released"插入到名为news的列表的左端。
   • 优势：支持双向操作和阻塞弹出
   • 存储结构：quicklist（ziplist链表）
   • 快速查找：索引访问O(n)，头尾操作O(1)

4. Set（集合）

   • 场景：标签系统、共同好友
   • 示例：SADD article:1234 tags "tech" "database"
     这行给出了一个Redis命令的示例。SADD是Redis中用于向集合添加元素的命令。在这个例子中，article:1234是集合的键（key），tags是这个键对应的集合的名称（虽然这里看起来像是键的一部分，但在实际操作中，我们通常会将集合的名称作为键的一部分来区分不同的集合）。"tech"和"database"是要添加到集合中的两个元素。执行这条命令后，"tech"和"database"这两个字符串就会被添加到名为articletags（假设这里的tags是集合名称的一部分，实际命令中可能需要明确指定完整的集合键名）的集合中。
   • 优势：集合运算能力（交并差）
   • 存储结构：intset（纯整数）或hashtable
   • 快速查找：hashtable实现O(1)存在检测

5. Sorted Set（有序集合）

• ‌场景‌：排行榜、范围查询
  Sorted Set非常适合用于实现排行榜功能，因为元素会根据分数自动排序。同时，它也支持范围查询，可以方便地获取指定分数范围内的元素。

• 示例‌：ZADD leaderboard 3500 “playerA” 2800 “playerB”
  这条命令向名为leaderboard的Sorted Set中添加了两个元素，playerA的分数为3500，playerB的分数为2800。

• 优势‌：自动排序+范围查询
  Sorted Set的最大优势在于它能够自动根据分数对元素进行排序，并且支持高效的范围查询。

• 存储结构‌：跳跃表+哈希表组合
  Sorted Set的底层存储结构结合了跳跃表和哈希表。跳跃表用于维护元素的排序顺序，而哈希表则用于快速查找元素的分数。

• 快速查找‌：score范围查询O(logN)，member查score O(1)
  在Sorted Set中，进行分数范围查询的时间复杂度为O(logN)，而根据元素查找其分数的时间复杂度为O(1)。

6. Bitmaps（位图）

• ‌场景‌：用户在线状态、特征标记
  Bitmaps非常适合用于表示大量的布尔值数据，如用户的在线状态或某些特征的标记。

• ‌示例‌：SETBIT online_users 1001 1
  这条命令将online_users位图的第1001位设置为1，通常用于表示某个用户（如用户ID为1001）的在线状态。

• ‌优势‌：极端内存优化（1bit/标记）
  Bitmaps的最大优势在于其内存使用效率极高，每个标记只占用1bit。

‌存储结构‌：String类型扩展
在Redis中，Bitmaps实际上是基于String类型进行扩展实现的。

• ‌快速查找‌：位运算O(1)
  由于位运算的高效性，Bitmaps中的查找操作可以在O(1)时间复杂度内完成。

7. HyperLogLog

• ‌场景‌：UV统计
  HyperLogLog是一种用于估算大数据集基数的概率算法，非常适合用于UV（独立访客）统计等场景。

• ‌示例‌：PFADD visitors 192.168.1.1 192.168.1.2
  这条命令向名为visitors的HyperLogLog中添加了两个元素（通常是用户的IP地址）。

• ‌优势‌：固定12KB存储任意基数
  HyperLogLog算法的最大优势在于其内存使用非常固定，无论数据集的大小如何，都只需要12KB的内存空间。

• ‌存储结构‌：密集寄存器数组
  HyperLogLog的底层存储结构是基于密集寄存器数组实现的。

• ‌快速查找‌：仅支持基数估算
  需要注意的是，HyperLogLog只支持基数的估算，而不支持精确计算。其查找操作实际上是估算操作，时间复杂度较低。

8. Geospatial（地理空间）

• ‌场景‌：附近的人
  Geospatial数据类型非常适合用于实现“附近的人”等基于地理位置的查询功能。

• ‌示例‌：GEOADD cities 116.397128 39.916527 “Beijing”
  这条命令向名为cities的地理空间数据集中添加了一个地理位置，经度为116.397128，纬度为39.916527，标记为"Beijing"。

• ‌优势‌：GeoHash编码优化
  Geospatial数据类型使用了GeoHash编码对地理位置进行编码和优化，提高了查询效率。

• ‌存储结构‌：Sorted Set扩展
  在Redis中，Geospatial数据类型实际上是基于Sorted Set进行扩展实现的。

• ‌快速查找‌：GEORADIUS使用跳表O(logN)
  使用GEORADIUS命令进行地理位置范围查询时，其时间复杂度为O(logN)，因为底层使用了跳表结构进行优化。

9. Stream（流）

• 场景‌：消息持久化
  Stream数据类型非常适合用于实现消息队列和消息持久化功能。

‌ - 示例‌：XADD orders * productID 1001 userID 5566
这条命令向名为orders的Stream中添加了一条消息，消息ID由Redis自动生成（*表示），消息体包含productID和userID两个字段。

• ‌优势‌：支持消费者组和ACK机制
  Stream数据类型的最大优势在于其支持消费者组和ACK（确认）机制，可以方便地实现消息的分发和消费确认。

• ‌存储结构‌：基数树（Rax）
  在Redis中，Stream数据类型的底层存储结构是基于基数树（Rax）实现的。

• ‌快速查找‌：ID范围查询O(logN)
  使用Stream数据类型进行ID范围查询时，其时间复杂度为O(logN)，因为底层使用了高效的数据结构进行优化。

设计哲学与限制原因：

1. 性能优先：所有操作时间复杂度控制在O(1)或O(logN)
2. 内存效率：采用特殊编码（ziplist/intset等）优化存储
3. 组合能力：通过类型组合实现复杂结构（如用ZSET+Hash实现二级排序）
4. 持久化需求：保证RDB快照的高效序列化
5. 网络协议：RESP协议对基础类型的原生支持

扩展方式：

1. 模块化架构（Redis Modules）可添加新数据类型
2. 使用Lua脚本组合现有类型实现复杂逻辑
3. 通过RedisJSON、RedisGraph等模块扩展功能