Redis 5 种基本数据类型详解-技术汇

引言

Redis 作为高性能的键值对数据库，其核心优势之一是支持丰富的数据类型。5种基本数据类型（String、Hash、List、Set、Sorted Set）覆盖了绝大多数业务场景，掌握它们的特性、命令和用法是使用Redis的基础。本文将从底层特性、核心命令、使用场景、注意事项四个维度，对每种类型进行全面解析。

1. String（字符串）

String 是 Redis 最基础、最常用的数据类型，底层以简单动态字符串（SDS）实现，可存储字符串、数字（整数/浮点数）、二进制数据（如图片、序列化对象），最大存储容量为 512MB。

1.1 核心特性

二进制安全：可存储任意二进制数据，如图片、视频流、序列化的对象。
兼容字符串与数字：对数字类型可直接执行自增、自减等算术操作。
支持过期时间：可设置键的过期时间，自动删除过期数据。

1.2 常用核心命令

命令格式	功能描述	示例
SET key value [EX seconds] [PX milliseconds]	设置键值，可选过期时间（EX秒/PX毫秒）	SET name "zhangsan" EX 3600（1小时过期）
GET key	获取键对应的值	GET name → "zhangsan"
SETNX key value	键不存在时才设置（原子操作，用于锁场景）	SETNX lock 1 → 1（设置成功），再次执行→0（失败）
SETEX key seconds value	原子性设置键值+过期时间（避免SET+EX的非原子风险）	SETEX code 60 "123456"（60秒过期的验证码）
MSET key1 value1 key2 value2...	批量设置多个键值	MSET age 20 gender "male"
MGET key1 key2...	批量获取多个键值	MGET name age → ["zhangsan", "20"]
INCR key	键值为整数时自增1（原子操作）	INCR count → 1（初始不存在时默认从0开始）
DECR key	键值为整数时自减1（原子操作）	DECR count → 0
INCRBY key step	整数键值自增指定步长	INCRBY count 5 → 5
DECRBY key step	整数键值自减指定步长	DECRBY count 2 → 3
APPEND key str	字符串末尾追加内容	APPEND name "123" → "zhangsan123"
STRLEN key	获取字符串长度	STRLEN name → 11
GETRANGE key start end	截取字符串（索引从0开始，end=-1表示末尾）	GETRANGE name 0 5 → "zhang"

1.3 典型使用场景

存储单个值：如用户昵称、头像URL、配置参数。
计数器：文章阅读量、接口访问次数、点赞数（依赖INCR的原子性）。
验证码：存储短信验证码、邮箱验证码，结合SETEX设置过期时间。
分布式锁：基于SETNX实现简单分布式锁（配合EX避免死锁）。
存储二进制数据：如小图片、序列化的Java对象（需注意序列化方式）。

1.4 注意事项

避免存储过大的字符串（如超过100MB），会影响Redis的读写性能和内存碎片。
数字类型本质是字符串存储，执行INCR/DECR前需确保值为纯数字，否则会报错。
SET+EX是非原子操作，高并发场景下建议用SETEX或SET key value EX seconds NX（原子性设置+过期+不存在才设置）。

2. Hash（哈希）

Hash 是一种键值对集合（类似Java的HashMap、Python的dict），底层采用哈希表结构，适合存储结构化数据。每个Hash可以包含多个字段（field）和值（value），字段和值均为字符串类型。

2.1 核心特性

结构化存储：无需序列化，可直接操作单个字段，比String存储结构化数据更高效。
空间高效：Hash类型在字段较少时会采用压缩存储（ziplist），节省内存。
原子操作：支持对单个字段的原子性读写，适合并发场景。

2.2 常用核心命令

命令格式	功能描述	示例
HSET key field value	设置Hash的字段值（覆盖已存在字段）	HSET user:100 id 100 name "zhangsan"
HSETNX key field value	字段不存在时才设置（原子操作）	HSETNX user:100 age 20 → 1（成功）
HGET key field	获取Hash中指定字段的值	HGET user:100 name → "zhangsan"
HMSET key field1 value1 field2 value2...	批量设置Hash的多个字段	HMSET user:100 gender "male" city "beijing"
HMGET key field1 field2...	批量获取Hash的多个字段	HMGET user:100 name age → ["zhangsan", "20"]
HGETALL key	获取Hash中所有字段和值（字段多时有性能风险）	HGETALL user:100 → [id,100,name,zhangsan,...]
HKEYS key	获取Hash中所有字段名	HKEYS user:100 → [id,name,age,gender,city]
HVALS key	获取Hash中所有字段值	HVALS user:100 → [100,zhangsan,20,male,beijing]
HLEN key	获取Hash中字段的数量	HLEN user:100 → 5
HEXISTS key field	判断Hash中字段是否存在	HEXISTS user:100 age → 1（存在）
HDEL key field1 field2...	删除Hash中指定字段	HDEL user:100 city → 1（删除成功）
HINCRBY key field step	字段值为整数时自增指定步长	HINCRBY user:100 score 10 → 10
HSTRLEN key field	获取Hash字段值的字符串长度	HSTRLEN user:100 name → 8

2.3 典型使用场景

存储用户信息：如用户ID为key，字段包含name、age、gender、phone等。
存储商品信息：商品ID为key，字段包含price、stock、sales、category等。
配置项存储：如系统配置、服务参数，按模块划分Hash（如config:redis、config:mysql）。
购物车：用户ID为key，商品ID为field，商品数量为value（HINCRBY调整数量）。

2.4 注意事项

避免HGETALL操作超大Hash（如字段数超过1000），会阻塞Redis线程，建议用HSCAN分批遍历。
Hash的字段和值均为字符串，无法直接存储复杂类型（如嵌套结构），需手动序列化。
当Hash字段数过多（超过hash-max-ziplist-entries配置，默认512），会自动转为哈希表存储，内存占用增加。

3. List（列表）

List 是有序的字符串列表（类似Java的LinkedList），底层采用双向链表+压缩列表（ziplist）实现，支持从两端插入、删除元素，按索引访问，元素可重复。

3.1 核心特性

有序性：元素按插入顺序排列，支持按索引（正/负）访问（负索引从末尾开始，-1为最后一个元素）。
双向操作：两端插入（LPUSH/RPUSH）、两端删除（LPOP/RPOP）的时间复杂度均为O(1)。
灵活的访问方式：支持获取指定范围元素、按值查找元素、删除指定元素。

3.2 常用核心命令

命令格式	功能描述	示例
LPUSH key value1 value2...	从列表左侧（头部）插入元素	LPUSH list1 a b c → 列表：[c,b,a]
RPUSH key value1 value2...	从列表右侧（尾部）插入元素	RPUSH list1 d e → 列表：[c,b,a,d,e]
LPOP key	从列表左侧删除并返回第一个元素	LPOP list1 → "c"，列表变为[b,a,d,e]
RPOP key	从列表右侧删除并返回最后一个元素	RPOP list1 → "e"，列表变为[b,a,d]
LRANGE key start end	获取列表中指定范围的元素（start=0，end=-1获取全部）	LRANGE list1 0 2 → [b,a,d]
LLEN key	获取列表长度	LLEN list1 → 3
LINDEX key index	获取列表中指定索引的元素	LINDEX list1 1 → "a"（索引从0开始）
LSET key index value	修改列表中指定索引的元素值	LSET list1 1 "x" → 列表变为[b,x,d]
LREM key count value	删除列表中指定值的元素（count>0从左删count个；count<0从右删；count=0删所有）	LREM list1 1 "b" → 删除1个"b"，列表变为[x,d]
LTRIM key start end	截取列表，保留指定范围元素，删除其他元素	LTRIM list1 0 0 → 列表仅保留[x]
BRPOP key timeout	阻塞式从列表右侧删除元素（超时时间timeout秒，0表示永久阻塞）	BRPOP list2 0 → 若list2为空，阻塞等待直到有元素
RPOPLPUSH source destination	从source列表右侧删除元素，插入到destination列表左侧（原子操作）	RPOPLPUSH list1 list2 → 把list1的"d"移到list2左侧

3.3 典型使用场景

消息队列：基于LPUSH+BRPOP实现简单生产者-消费者模型（生产者LPUSH入队，消费者BRPOP阻塞出队）。
最新消息列表：如朋友圈动态、新闻feed，LPUSH添加新消息，LRANGE获取最新N条。
排行榜（简单版）：如用户操作日志、商品浏览记录，按时间顺序存储，LRANGE获取历史记录。
栈/队列实现：栈（LPUSH+LPOP）、队列（LPUSH+RPOP）、双端队列（LPUSH/RPUSH+LPOP/RPOP）。
限流场景：如接口访问频率限制，List存储访问时间戳，LRANGE判断时间窗口内访问次数。

3.4 注意事项

列表查询中间元素（如LINDEX）的时间复杂度为O(n)，不适合频繁按索引访问大量元素的场景。
避免列表过长（如长度超过10000），会导致LRANGE、LTRIM等操作耗时增加，建议拆分列表或用其他类型替代。
BRPOP是阻塞命令，若多个客户端同时监听同一个列表，会采用公平竞争机制分配元素。

4. Set（集合）

Set 是无序的字符串集合，底层采用哈希表+整数集合（intset）实现，元素不可重复，支持交集、并集、差集等集合运算。

4.1 核心特性

唯一性：自动去重，插入重复元素会被忽略。
无序性：元素存储无固定顺序，无法按索引访问，只能按值查找。
高效的集合运算：交集（SINTER）、并集（SUNION）、差集（SDIFF）的时间复杂度为O(n)，但Redis优化后性能优异。
随机操作：支持随机获取集合中的元素（SRANDMEMBER）、随机删除元素（SPOP）。

4.2 常用核心命令

命令格式	功能描述	示例
SADD key member1 member2...	向集合中添加元素（重复元素自动忽略）	SADD set1 a b c d → 集合：{a,b,c,d}
SREM key member1 member2...	从集合中删除指定元素	SREM set1 d → 集合变为{a,b,c}
SMEMBERS key	获取集合中所有元素（无序）	SMEMBERS set1 → [a,c,b]（顺序随机）
SISMEMBER key member	判断元素是否在集合中	SISMEMBER set1 a → 1（存在），SISMEMBER set1 e → 0
SCARD key	获取集合的元素个数	SCARD set1 → 3
SINTER key1 key2...	求多个集合的交集（共同元素）	SADD set2 b c e，SINTER set1 set2 → [b,c]
SUNION key1 key2...	求多个集合的并集（所有元素，去重）	SUNION set1 set2 → [a,b,c,e]
SDIFF key1 key2...	求集合的差集（key1中有但其他集合没有的元素）	SDIFF set1 set2 → [a]
SINTERSTORE dest key1 key2...	求交集并存储到dest集合	SINTERSTORE set3 set1 set2 → set3={b,c}
SRANDMEMBER key [count]	随机获取集合中的count个元素（默认1个，不删除）	SRANDMEMBER set1 2 → [c,a]（随机）
SPOP key [count]	随机删除并返回集合中的count个元素	SPOP set1 1 → "b"，集合变为{a,c}
SMOVE source dest member	把source集合中的member移动到dest集合（原子操作）	SMOVE set1 set2 a → set1={c}，set2={b,c,e,a}

4.3 典型使用场景

去重存储：如用户标签（一个用户多个标签，标签不重复）、文章关键词。
好友关系：用户A的好友集合为set:A，用户B的好友集合为set:B，SINTER求共同好友，SUNION求所有好友。
抽奖活动：存储参与用户ID，SPOP随机抽取中奖用户（避免重复中奖）。
黑名单/白名单：如IP黑名单、用户白名单，SISMEMBER快速判断是否在名单中。
集合运算场景：如商品分类筛选（交集筛选同时满足多个分类的商品）、用户画像匹配。

4.4 注意事项

SMEMBERS操作超大集合（元素数超过1000）会阻塞Redis，建议用SSCAN分批遍历。
集合运算（SINTER/SUNION/SDIFF）的性能依赖集合大小，避免对超大集合执行此类操作，可先用SCARD判断大小。
集合元素为字符串，无法直接存储数字类型，需手动转换为字符串。

5. Sorted Set（有序集合）

Sorted Set（简称ZSet）是有序的字符串集合，底层采用跳表（skiplist）+压缩列表实现，元素不可重复，每个元素关联一个浮点型分数（score），按分数排序。

5.1 核心特性

有序性：按分数（score）升序/降序排列，支持按分数范围、排名范围查询。
唯一性：元素不可重复，但多个元素可拥有相同分数。
高效的排序与查询：跳表结构使插入、删除、查询的时间复杂度均为O(log n)，适合大数据量排序场景。
灵活的分数操作：支持修改元素分数、按分数增减、按分数筛选元素。

5.2 常用核心命令

命令格式	功能描述	示例
ZADD key score1 member1 score2 member2...	向有序集合添加元素（score为分数，重复member覆盖分数）	ZADD zset1 85 "zhangsan" 90 "lisi" 78 "wangwu"
ZREM key member1 member2...	从有序集合中删除指定元素	ZREM zset1 "wangwu" → 有序集合变为{zhangsan(85), lisi(90)}
ZSCORE key member	获取指定元素的分数	ZSCORE zset1 "lisi" → 90.0
ZINCRBY key increment member	增加指定元素的分数（increment可正负）	ZINCRBY zset1 5 "zhangsan" → 90.0（分数变为90）
ZRANGE key start end [WITHSCORES]	按分数升序排列，获取排名范围内的元素（start=0，end=-1获取全部，WITHSCORES显示分数）	ZRANGE zset1 0 -1 WITHSCORES → [(zhangsan,90), (lisi,90)]
ZREVRANGE key start end [WITHSCORES]	按分数降序排列，获取排名范围内的元素	ZREVRANGE zset1 0 -1 → [lisi, zhangsan]
ZCARD key	获取有序集合的元素个数	ZCARD zset1 → 2
ZCOUNT key min max	统计分数在[min,max]范围内的元素个数	ZCOUNT zset1 80 90 → 2
ZRANK key member	获取元素按分数升序的排名（排名从0开始）	ZRANK zset1 "zhangsan" → 0
ZREVRANK key member	获取元素按分数降序的排名	ZREVRANK zset1 "zhangsan" → 1
ZRANGEBYSCORE key min max [WITHSCORES] [LIMIT offset count]	按分数范围筛选元素，支持分页	ZRANGEBYSCORE zset1 85 95 LIMIT 0 1 → [zhangsan]
ZREMRANGEBYRANK key start end	按排名范围删除元素	ZREMRANGEBYRANK zset1 1 1 → 删除排名1的元素（zhangsan）
ZREMRANGEBYSCORE key min max	按分数范围删除元素	ZREMRANGEBYSCORE zset1 80 89 → 删除分数80-89的元素

5.3 典型使用场景

排行榜：如游戏积分排行榜、商品销量排行榜、文章点赞排行榜（ZADD添加分数，ZREVRANGE获取Top N）。
带权重的消息队列：分数为消息优先级，ZRANGEBYSCORE按优先级获取消息。
范围查询：如按用户等级（分数）筛选用户、按时间戳（分数）查询一段时间内的记录。
延迟队列：分数为过期时间戳，ZRANGEBYSCORE获取已过期的元素，处理后删除。
有序去重存储：如按热度排序的商品列表，自动去重且保持有序。

5.4 注意事项

分数为浮点型，存在精度问题（如0.1+0.2≠0.3），建议将分数放大为整数存储（如0.1→100）。
避免对超大ZSet（元素数超过10万）执行ZRANGE/ZREVRANGE获取全部元素，会阻塞Redis，建议分页查询。
ZSet的跳表结构占用内存较多，若追求内存效率，可在满足需求的前提下选择其他类型。

总结

Redis 5种基本数据类型各有侧重，适配不同业务场景：

String：简单值存储、计数器、验证码，通用性最强。
Hash：结构化数据存储（用户/商品信息），操作单个字段高效。
List：有序列表、消息队列、最新消息，支持双向操作。
Set：去重、集合运算、好友关系、抽奖，强调唯一性。
Sorted Set：排行榜、范围查询、带权重场景，核心是有序性+分数关联。

选择数据类型的核心原则：根据业务需求的“有序性、唯一性、结构化、操作方式”匹配对应类型，同时兼顾Redis的性能和内存占用。

引言