面试原题：你用过Redis哪些数据结构？（网易一面 · 2023）(面试题来自牛客网)

参考答案 后面有 详细答案解析，帮助更快记忆~

参考答案共652字符，阅读约需1分8秒；全文共8694字符，阅读约需7分14秒

---

参考答案

Redis是一种流行的内存数据库，支持多种数据结构，用于不同的用途。下面我将介绍Redis的5个基础数据结构和3个特殊数据结构：

基础数据结构：

1. String（字符串）： 这是最基本的数据结构，用于存储文本或二进制数据。它可以存储任何类型的数据，比如字符串、整数、浮点数等。常用于缓存、计数器等场景。

2. List（列表）： 列表是一个有序的字符串集合，可以在列表的头部或尾部添加、删除元素。它支持双向的插入和删除操作，可以用于实现队列、栈等数据结构。

3. Set（集合）： 集合是一个无序的、不重复的字符串集合。可以进行交集、并集、差集等集合操作，适用于需要快速判断某个元素是否存在的场景。

4. Hash（哈希）： 哈希存储了字段与值的映射关系，类似于一个关联数组。适用于存储对象的属性或者键值对。

5. Sorted Set（有序集合）： 有序集合是一种在集合的基础上，为每个元素关联一个分数，然后根据分数对元素进行排序。适用于排行榜、范围查找等场景。

特殊数据结构：

1. HyperLogLog： HyperLogLog用于近似地计算一个集合中不重复元素的数量。它的内存占用非常小，适用于需要高效计数的场景，比如统计网站的UV（Unique Visitors）。

2. Bitmaps： 位图是一种特殊的数据结构，每个位代表一个状态。它可以用于存储某种状态的标记，比如用户的签到记录、在线状态等。

3. GeoSpatial（地理空间）： Redis支持对地理位置信息的存储和查询，可以用来存储地理位置坐标，然后进行附近位置搜索等。

在面试中，对于每种数据结构，你可以结合实际项目经验，提供你是如何使用这些数据结构解决问题的例子，以展示你的理解和实际应用能力。

---

答案解析

5种基础类型

很多答案给的不全的大多只有五种，这五种也是我们最了解的类型。其中一些重要的特性（比如：SDS等）我们会在其他的文章有详细的介绍。

String类型

当在Redis中提到"String"类型时，它实际上是一种基本的数据结构，用于存储文本或二进制数据。尽管名字叫做"String"，但它不仅仅限于存储字符串，还可以存储整数和浮点数等不同类型的数据。以下是一些关于Redis中String类型的重要特点和用法：

1. 存储： Redis的String类型可以存储多种数据类型，包括纯文本字符串、整数、浮点数等。存储的数据可以是字节级别的二进制数据，这使得它在缓存和存储各种数据格式时非常有用。

2. 高效操作： Redis中的String类型支持O(1)时间复杂度的基本操作，如获取、设置、追加、递增、递减等。这使得它在计数器、缓存、会话管理等方面非常高效。

3. 过期时间： 你可以为存储在String类型中的数据设置过期时间。这为实现短期缓存、验证码过期等场景提供了便利。

4. 位操作： Redis的String类型支持位级别的操作，包括位与、位或、位异或等，这使得它在处理位图（Bitmaps）等场景非常有用。

5. 实时计算： 由于String类型支持递增和递减操作，你可以在Redis中执行原子性的计数操作，比如计数在线用户数、点赞数等。

6. 分布式锁： 你可以使用String类型来实现分布式锁，利用其设置值时的原子性和过期时间特性，确保在分布式环境下的互斥操作。

7. 应用场景： String类型在许多应用场景中都有用武之地，比如缓存、计数器、排行榜、临时会话存储、消息队列等。你可以根据具体需求选择合适的数据类型。

示例代码

Tips：了解即可，面试不会让手撸Redis相关代码的，目前各家是这样。如果遇到了就当我没说

// 存储字符串
redis.set("username", "john_doe");

// 存储整数
redis.set("user:1:visits", "10");

// 递增操作
redis.incr("user:1:visits"); // 计数增加1

// 设置过期时间
redis.setex("otp:123456", 300, "code123"); // 5分钟内有效的验证码

// 获取值
String username = redis.get("username");

// 判断值是否存在
boolean exists = redis.exists("user:1:visits");

List类型

在Redis中，List（列表）是一种有序的数据结构，它允许你存储一系列的元素，并且可以按照插入顺序保持有序。List的实现方式采用了双向链表，这使得它在插入、删除、查找等操作上都具有良好的性能。以下是关于Redis中List类型的重要特点和用法：

1. 有序存储： List类型中的元素按照插入顺序进行存储，保持元素的有序性。这使得List适用于需要保留顺序的数据集合，如消息队列、操作日志等。

2. 支持重复元素： 不同于Set类型，List允许存储重复的元素。这在某些场景下是非常有用的，比如记录用户的历史操作。

3. 灵活的插入和删除： List支持在头部和尾部插入、删除元素，而且这些操作的时间复杂度都是O(1)。这使得List可以模拟栈和队列等数据结构。

4. 范围操作： 你可以对List执行范围操作，比如获取指定范围内的元素。这对于分页、获取最新的N条数据等场景非常有用。

5. 阻塞操作： Redis的List还支持阻塞式的弹出操作，即当List为空时，阻塞等待直到有元素可用。这在实现消息队列等高级场景时很有用。

6. 应用场景： List类型广泛应用于消息队列、操作日志、发布订阅系统、任务队列等需要有序存储的场景。

示例代码

Tips：了解即可，面试不会让手撸Redis相关代码的，目前各家是这样。如果遇到了就当我没说

// 在列表头部插入元素
redis.lpush("messages", "message1");
redis.lpush("messages", "message2");

// 在列表尾部插入元素
redis.rpush("messages", "message3");

// 获取列表长度
long length = redis.llen("messages");

// 获取指定范围内的元素
List<String> messages = redis.lrange("messages", 0, -1); // 获取全部元素

// 弹出并获取列表头部元素
String firstMessage = redis.lpop("messages");

// 阻塞式弹出元素
List<String> poppedMessage = redis.blpop(30, "messages"); // 阻塞30秒，等待元素

// 删除指定数量的元素
redis.ltrim("messages", 0, 1); // 保留前两个元素，删除其余元素

Set类型

在Redis中，Set（集合）是一种无序的、不允许重复元素的数据结构。它提供了高效的添加、删除、判断元素是否存在等操作，同时支持集合运算，如并集、交集、差集等。以下是关于Redis中Set类型的重要特点和用法：

1. 无序性： Set类型的元素是无序的，与插入的顺序无关。这使得Set在判断元素是否存在、去重等操作时非常高效。

2. 不允许重复元素： Set中不会存储重复的元素，确保数据的唯一性。这使得Set适用于存储标签、用户兴趣爱好等不重复数据。

3. 快速的添加和删除： 向Set中添加元素或从Set中移除元素的时间复杂度都是O(1)，这使得Set在需要动态增删元素的场景中表现出色。

4. 集合运算： Redis的Set支持集合运算，包括并集、交集、差集等操作。这使得Set可以用来解决一些复杂的数据处理需求，如共同好友、数据筛选等。

5. 应用场景： Set类型广泛应用于标签系统、社交网络中的好友关系、投票系统中的投票人、防重复提交等场景。

示例代码

Tips：了解即可，面试不会让手撸Redis相关代码的，目前各家是这样。如果遇到了就当我没说

// 添加元素
redis.sadd("tags", "java");
redis.sadd("tags", "redis");
redis.sadd("tags", "python");

// 判断元素是否存在
boolean exists = redis.sismember("tags", "java"); // 返回true

// 获取集合中的所有元素
Set<String> tags = redis.smembers("tags");

// 移除元素
redis.srem("tags", "python");

// 获取集合的大小
long size = redis.scard("tags");

// 求两个集合的交集
Set<String> commonTags = redis.sinter("tags1", "tags2");

// 求两个集合的并集
Set<String> allTags = redis.sunion("tags1", "tags2");

// 求两个集合的差集
Set<String> differentTags = redis.sdiff("tags1", "tags2");

Hash类型

在Redis中，Hash（哈希）是一种用于存储字段与值之间映射关系的数据结构。Hash适用于存储对象的属性，以及需要存储多个键值对的场景。以下是关于Redis中Hash类型的重要特点和用法：

1. 映射关系： Hash类型允许你在一个键下存储多个字段（field）和对应的值（value），类似于关联数组或字典。这使得Hash在存储对象的属性或键值对时非常有用。

2. 快速访问： Hash的字段名（field）是唯一的，这使得你可以直接通过字段名来快速访问对应的值，时间复杂度是O(1)。

3. 适用于存储对象： Hash类型特别适用于存储对象的属性。例如，你可以将用户信息存储在一个以用户ID为键名的Hash中，然后使用字段来存储用户名、年龄、性别等信息。

4. 批量操作： Hash支持同时设置、获取、删除多个字段，这使得在一次操作中处理多个属性或键值对非常方便。

5. 适用于缓存： 在某些情况下，Hash可以用作缓存数据的数据结构，将缓存键名作为Hash的键，将缓存内容作为字段。

6. 应用场景： Hash类型广泛应用于存储用户信息、缓存数据、配置项、商品属性等需要存储键值对映射关系的场景。

示例代码

// 设置Hash字段值
redis.hset("user:1", "username", "john_doe");
redis.hset("user:1", "age", "30");

// 获取Hash字段值
String username = redis.hget("user:1", "username");

// 获取所有Hash字段和值
Map<String, String> userFields = redis.hgetAll("user:1");

// 删除Hash字段
redis.hdel("user:1", "age");

// 批量设置Hash字段值
Map<String, String> userInfo = new HashMap<>();
userInfo.put("email", "john@example.com");
userInfo.put("city", "New York");
redis.hmset("user:1", userInfo);

// 获取Hash字段数量
long fieldCount = redis.hlen("user:1");

// 获取Hash所有字段名
Set<String> fields = redis.hkeys("user:1");

// 获取Hash所有字段值
List<String> values = redis.hvals("user:1");

ZSet类型（sorted set）

这里先解释一下Sorted Set（排序集合）为什么被称为Zset类型，这个问题在github上作者进行了解释：我们常规的坐标体系是XY坐标，通常我们加上一个新的维度会被称为Z，三个坐标形成空间坐标系。这里的排序集合比集合多一个维度，这个维度也被称为Z，实际上代指Sorted，所以被称为Zset。

在Redis中，Sorted Set（有序集合）是一种特殊的数据结构，它允许你存储一组元素，每个元素关联一个分数（score），并根据分数对元素进行排序。这使得Sorted Set适用于需要排序和范围查询的场景。以下是关于Redis中Sorted Set类型的重要特点和用法：

1. 排序： Sorted Set的元素根据关联的分数进行排序，使得元素可以按照一定顺序存储和检索。

2. 不允许重复元素： Sorted Set中的元素是唯一的，不允许重复。但不同元素可以有相同的分数。

3. 分数操作： 你可以为Sorted Set中的元素设置分数，然后对元素的分数进行递增、递减操作。这使得Sorted Set可以用于排行榜、计数器等场景。

4. 范围查询： Sorted Set支持按照分数范围查询元素，获取某个范围内的元素。这对于获取排行榜中的前N名、获取分数在某个区间的元素等非常有用。

5. 集合运算： Sorted Set支持交集、并集、差集等集合运算，使得你可以在有序集合之间进行复杂的操作。

6. 应用场景： Sorted Set类型广泛应用于排行榜、计数器、带权重的任务队列等需要有序存储和排序的场景。

示例代码

// 添加元素到有序集合
redis.zadd("leaderboard", 100, "player1");
redis.zadd("leaderboard", 200, "player2");

// 获取有序集合中指定范围内的元素（按分数升序）
Set<String> topPlayers = redis.zrange("leaderboard", 0, 2);

// 获取有序集合中指定范围内的元素（按分数降序）
Set<String> topPlayersDesc = redis.zrevrange("leaderboard", 0, 2);

// 获取有序集合中指定分数范围内的元素
Set<String> highScorers = redis.zrangeByScore("leaderboard", 150, 300);

// 获取有序集合中元素的分数
Double playerScore = redis.zscore("leaderboard", "player1");

// 增加元素的分数
redis.zincrby("leaderboard", 50, "player1"); // player1的分数增加50

// 获取有序集合中元素的排名（按分数从低到高）
Long playerRank = redis.zrank("leaderboard", "player1");

// 删除有序集合中的元素
redis.zrem("leaderboard", "player2");

3中拓展类型

HyperLogLog

HyperLogLog是一种概率性的数据结构，用于近似地计数一个集合中不同元素的数量。它的特点是速度快，占用空间小（12KB）。但是计算存会在误差，标准误差为0.81%。它在内存占用方面非常高效，适用于需要大规模、高效地进行基数估计（distinct count estimation）的场景。以下是关于HyperLogLog的重要特点和用法：

1. 基数估计： HyperLogLog主要用于估计一个集合中不同元素的数量，也被称为基数（cardinality）估计。它通过使用特定的算法和数据结构，能够以较小的内存占用获得接近准确的估计结果。

2. 固定内存占用： HyperLogLog使用固定大小的内存来存储数据，不随集合大小线性增长。这使得它非常适合处理大规模数据集合的基数估计需求。

3. 概率性估计： HyperLogLog提供的估计结果是概率性的，即其估计值在一定置信度下是准确的。通常情况下，HyperLogLog的估计误差可以控制在2%左右。

4. 不支持元素的添加和删除： HyperLogLog不支持添加或删除元素，它仅用于计数元素的数量。如果需要动态变化的计数，需要结合其他数据结构来实现。

5. 应用场景： HyperLogLog适用于需要统计独立元素数量的场景，如统计网站的独立访客数（UV）、统计用户兴趣标签数、统计搜索词的不同个数等。

示例代码

// 添加元素到HyperLogLog
redis.pfadd("visitors", "user1");
redis.pfadd("visitors", "user2");

// 估计基数
long estimatedCount = redis.pfcount("visitors");

// 合并多个HyperLogLog
redis.pfmerge("combined_visitors", "visitors1", "visitors2", "visitors3");

需要注意的是，虽然HyperLogLog在估计基数方面非常高效，但它不适用于需要精确计数的场景。如果你需要准确的基数计数，可能需要使用其他方法，如使用Set类型进行计数，但这会占用更多的内存。

Bitmaps

Bitmaps（位图）是一种非常紧凑的数据结构，用于存储二进制位的序列，其中每个位都可以是0或1。在Redis中，Bitmaps被用于表示一系列状态或标记，如用户的在线状态、用户的签到记录等。以下是关于Redis中Bitmaps的重要特点和用法：

1. 紧凑存储： Bitmaps以非常紧凑的方式存储数据，每个位占用一个比特位（bit），因此在存储大规模数据时非常节省内存。

2. 快速的位操作： Bitmaps支持位级别的操作，如设置位、获取位、位与、位或、位异或等操作。这使得Bitmaps在处理状态标记等操作时非常高效。

3. 应用于标记和计数： Bitmaps常用于标记某些状态，如用户的在线状态（在线为1，离线为0）、用户的签到记录（签到为1，未签到为0）等。同时，你可以通过位操作来进行计数，比如计算一段时间内的签到次数。

4. 非常适合大规模数据： 由于紧凑的存储方式，Bitmaps特别适用于处理大规模数据的状态标记和计数需求。

5. 应用场景： Bitmaps广泛应用于在线状态的跟踪、用户签到记录、活跃用户的标记、访问控制列表（ACL）等场景。

示例代码

// 设置位（用户签到）
redis.setbit("user:123:signins", 5, 1); // 用户123在第5天签到

// 获取位（检查用户是否签到）
boolean hasSignedIn = redis.getbit("user:123:signins", 5) == 1; // 用户123在第5天签到

// 位操作（计算连续签到次数）
long consecutiveSignIns = redis.bitcount("user:123:signins", 0, -1); // 计算全部位中值为1的位数

// 位操作（计算某段时间内的签到次数）
long signInsInLastWeek = redis.bitcount("user:123:signins", 0, 6); // 计算前7天内签到次数

GeoSpatial

在Redis中，GeoSpatial（地理空间）数据结构用于存储地理位置信息，并支持查询附近位置、计算距离等功能。GeoSpatial数据结构是通过ZSET（有序集合）类型来实现的，其中每个元素是一个地理位置，关联一个分数（score）作为该位置的权重。为了能高效地对经纬度进行比较，Redis 采用了业界广泛使用的 GeoHash 编码方法，有关GeoHash介绍可以看我之前的文章：Elasticsearch储存地理位置原理—GeoHash实现介绍_es geohash_程序员麻薯的博客-CSDN博客https://blog.csdn.net/qq_20051535/article/details/119582547以下是关于Redis中GeoSpatial的重要特点和用法：

1. 地理位置存储： GeoSpatial数据结构允许你将地理位置信息（经度、纬度）作为元素存储在有序集合中。

2. 距离计算： 你可以使用GeoSpatial数据结构来计算两个地理位置之间的距离，以及根据距离进行查询。

3. 查询附近位置： 通过指定一个中心位置和一个半径，你可以查询距离该中心位置在指定半径内的地理位置。

4. 位置范围查询： 除了半径查询，还可以进行矩形范围查询，查找在指定矩形区域内的地理位置。

5. 应用场景： GeoSpatial数据结构广泛应用于地理位置服务、附近商家查询、地理位置消息推送等场景。

示例代码

// 添加地理位置
redis.geoadd("locations", 13.361389, 38.115556, "Palermo");
redis.geoadd("locations", 15.087269, 37.502669, "Catania");

// 计算两个地理位置之间的距离（单位：米）
double distance = redis.geodist("locations", "Palermo", "Catania", GeoUnit.METERS);

// 查询附近地理位置
List<GeoRadiusResponse> nearbyLocations = redis.georadius("locations", 15, 37, 200, GeoUnit.KILOMETERS);

// 查询矩形范围内的地理位置
List<GeoRadiusResponse> locationsInRectangle = redis.georadiusByBox("locations", 13, 37, 15, 39, GeoUnit.KILOMETERS);