共计 3028 个字符，预计需要花费 8 分钟才能阅读完成。
这篇文章主要介绍“redis 数据结构知识点有哪些”的相关知识，丸趣 TV 小编通过实际案例向大家展示操作过程，操作方法简单快捷，实用性强，希望这篇“redis 数据结构知识点有哪些”文章能帮助大家解决问题。
redis 的数据结构：String(字符串)、List(列表)、hash(哈希)、Set(集合)、Shorted Set(有序集合)
底层数据结构：简单动态字符串、双向链表、压缩列表、哈希表、跳表、整数数组
1. 哈希表：一个哈希表其实就是一个数组，数组中的每一个元素称为一个哈希桶。
哈希冲突和 rehash 可能会带来操作阻塞。
redis 解决哈希冲突的方法是链式哈希，而 rehash 是增加现有 hash 桶的数量。
rehash 的操作步骤：1. 给哈希表分配更大的空间，例如是当前 hash 表大小的两倍
2. 把哈希表 1 中的数据重新映射并拷贝到 hash 表 2 上
3. 释放哈希表 1 的空间
第二步涉及大量数据拷贝操作，如果一次性把哈希表 1 中的数据都迁移完，会造成线程阻塞，无法服务其他请求。为了避免这一问题，redis 采用渐进式 rehash
整数数组和双向链表的复杂度都是 O(N)
压缩列表在表头有三个数据分别是列表长度、列表尾的偏移量和列表中 entry 个数
压缩列表在表尾还有一个元素 zlend 代表列表结束
跳表：有序链表只能逐一查找元素，而跳表在链表的基础上增加了多级索引，通过索引位置的几次跳转实现数据的快速定位
以下五种结构的时间复杂度
String 类型
String 类型并不适用于所有场景，它有一个明显的短板就是它在保存数据时所消耗的内存空间较多。因为 String 类型需要额外内存空间记录数据长度、空间使用等信息，这些信息也叫做元数据。
当保存的数据包含字符的时候，string 会用简单动态字符串 SDS 结构体来保存
len 是 buf 已用长度 alloc 是 buf 实际分配长度
因为 redis 数据类型有很多，不同的数据类型有相同的元数据要记录，所以 redis 会用一个 RedisObject 结构体来统一记录这些元数据
当保存 Long 类型的时候，RedisObject 的指针就直接赋值为整数数据了，这样就不用额外的指针再指向整数了，节省了指针的空间开销。
如果保存的字符串小于 44 字节，sds 和元数据会被分配到一块连续的内存区域，被称为 embstr 编码
如果保存的字符串大于 44 字节，SDS 和元数据会分开存放，被称为 raw 编码
另外 redis 会使用一个全局 hash 表保存所有键值对，hash 表的每一项都是一个 dictEntry 的结构体，用来指向一个键值对，可以看到 key+value+next 会使用 24 字节，但是实际占用 32 字节，这是因为 jemalloc 在分配内存时，会根据我们申请的字节数 N，找一个比 N 大，但是最接近 N 的 2 的幂次数作为分配的空间，这样可以减少频繁分配的次数。
用什么数据结构可以节省内存呢？
压缩列表：zlbytes 代表列表长度，zltail 代表列表尾偏移量，zllen 代表列表中的 entry 个数，zlend 代表列表结束，perv_len 代表前一个 entry 长度，encoding 代表编码方式，len 代表自身长度，key 是实际存储的数据。redis 基于压缩列表实现了 list、hash 和 Sorted Set
如何用集合类型保存单值的键值对？
在保存单值的键值对的时候，可以采用 Hash 的二级编码，就是把单值的数值拆分成两部分，前一部分作为 Hash 的 key，后一部分作为 Hash 的 value
以图片 ID 1101000060 和图片存储对象 ID 3302000080 为例，我们可以把图片 ID 的前 7 位（1101000）作为 Hash 类型的键，把图片 ID 的最后 3 位（060）和图片存储对象 ID 分别作为 Hash 类型值中的 key 和 value。127.0.0.1:6379 info memory# Memoryused_memory:1039120127.0.0.1:6379 hset 1101000 060 3302000080(integer) 1127.0.0.1:6379 info memory# Memoryused_memory:1039136Hash 类型有两种底层实现结构：1. 压缩列表 2.Hash 表
hash 列表存在两个阀值，一旦超过这两个阀值就会从压缩列表转换为 Hash 表
hash-max-ziplist-entries 表示用压缩列表保存时哈希列表集合中最大元素个数
hash-max-ziplist-value 表示用压缩列表保存时哈希集合单个元素的最大长度
集合统计模式
1. 聚合统计
2. 排序统计
3. 二值状态统计
4. 基数统计
redis 的三种扩展数据类型
1.Bitmap：
2.HyperLogLog
3.GEO：
面向 LBS 应用的 GEO 数据类型
GEO 的底层结构是根据 Sorted Set 来实现的，Sorted Set 可以根据元素的权重排序，支持范围查询 
sorted Set 的权重分数是一个浮点数 (float 类型)，而经纬度是两个数，需要用 GeoHash 编码
GeoHash 编码是通过“二分区间，区间编码”的方式进行的。
先把经度和纬度换算成编码的格式，然后再进行交叉 
实际上交叉的目的是下图所示的概念，交叉后实际上就可以定位到二维空间上的一个方格中，我们使用 Sorted Set 范围查询得到的相近编码值，在实际的地理空间上，也是相邻的方格，例如 1110011101 和 1111011101 是空间位置相邻的 
但是会存在编码相邻，但是方格实际不相邻的情况。所以为了避免这种情况发生我们可以同时查询给定经纬度周围 4 个或者 8 个方格 
如何操作 GEO 类型？
在使用 GEO 类型时，我们经常使用到的两个命令分别时 GEOADD 和 GEORADIUS
GEOADD：用于把一组经纬度信息和相对应的一个 ID 记录到 GEO 类型集合中。
使用方法：假设车辆 ID 是 33，经纬度位置是（116.034579，39.030452），我们可以用一个 GEO 集合保存所有车辆的经纬度，集合 key 是 cars:locations。只需要执行以下命令就可以把 ID 号为 33 的车辆的当前经纬度位置存入到 GEO 中。
GEOADD cars:locations 116.034579 39.030452 33GEORADIUS：根据输入经纬度的位置，查询以这个经纬度为中心一定范围内的其他元素
如何自定义数据类型？
redis 的基本对象结构包含 type、encoding、lru 和 refcount、*ptr
开发一个名字叫 NewTypeObject 的数据结构，具体有以下四个步骤 
如何在 redis 中保存时间序列数据？
1. 基于 Hash 和 Sorted Set 保存：为什么要基于两种数据结构进行查询呢？
Hash 类型可以实现单键的快速查询，这就满足了时间序列单键查询需求 
但是 hash 类型有一个短板就是不支持范围查询，为了支持时间戳范围查询我们需要通过 Sorted Set，因为它根据元素的权重分数来排序的，
那么我们怎么保证这两个操作的原子性呢？
需要通过 MULTI 和 EXEC 两个命令：
MULTI 表示开始，收到这个命令 redis 就会将命令放入到队列中
EXEC 表示结束，收到这个命令就会开始执行队列中的命令 
关于“redis 数据结构知识点有哪些”的内容就介绍到这里了，感谢大家的阅读。如果想了解更多行业相关的知识，可以关注丸趣 TV 行业资讯频道，丸趣 TV 小编每天都会为大家更新不同的知识点。
