一、5种基本数据类型

• Redis 共有 5 种基本数据结构：String（字符串）、List（列表）、Set（集合）、Hash（散列）、Zset（有序集合）

• 这 5 种数据结构底层实现主要依赖这 8 种数据结构：简单动态字符串（SDS）、LinkedList（双向链表）、Hash Table（哈希表）、SkipList（跳跃表）、Intset（整数集合）、ZipList（压缩列表）、QuickList（快速列表）

Redis 基本数据结构的底层数据结构实现如下：

1. String

1. 常用命令
   
2. 底层实现：SDS 简单动态字符串
   

struct sdshdr{//int 记录buf数组中未使用字节的数量 如上图free为0代表未使用字节的数量为0int free;//int 记录buf数组中已使用字节的数量即sds的长度 如上图len为5代表未使用字节的数量为5int len;//字节数组用于保存字符串 sds遵循了c字符串以空字符结尾的惯例目的是为了重用c字符串函数库里的函数char buf[];
}c

3. SDS与C字符串的区别（优势）

• 获取字符串的长度只需O(1)
• 不会发生缓冲区溢出的情况
• 减少内存重新分配次数：
  • 空间预分配：预先分配比实际请求的还要大的空间
  • 惰性空间释放：不是立即使用内存重分配来回收缩短出来的字节，而是使用free属性记录起来，并等待将来使用
• 二进制安全：不会产生错误识别\\0的情况

2. List

1. 常用命令
   
2. 底层实现：双向链表
   

3. Hash

1. 常用命令
   
2. 底层实现：散列表，两个
   

typedef struct dict{//类型特定函数dictYType *type;//私有数据void *privdata;//哈希表-见2.1.2dictht ht[2];//rehash 索引 当rehash不在进行时 值为-1int trehashidx; 
}dict;

3. rehash

包含两个哈希表 dictht，这是为了方便进行 rehash 操作。在扩容时，将其中一个 dictht 上的键值对 rehash 到另一个 dictht 上面，完成之后释放空间并交换两个 dictht 的角色

typedef struct dict {dictType *type;void *privdata;dictht ht[2];long rehashidx; /* rehashing not in progress if rehashidx == -1 */unsigned long iterators; /* number of iterators currently running */
} dict;

rehash 操作不是一次性完成，而是采用渐进方式，这是为了避免一次性执行过多的 rehash 操作给服务器带来过大的负担。

渐进式 rehash 通过记录 dict 的 rehashidx 完成，它从 0 开始，然后每执行一次 rehash 都会递增。例如在一次 rehash 中，要把 dict[0] rehash 到 dict[1]，这一次会把 dict[0] 上 table[rehashidx] 的键值对 rehash 到 dict[1] 上，dict[0] 的 table[rehashidx] 指向 null，并令 rehashidx++。

在 rehash 期间，每次对字典执行添加、删除、查找或者更新操作时，都会执行一次渐进式 rehash。

采用渐进式 rehash 会导致字典中的数据分散在两个 dictht 上，因此对字典的查找操作也需要到对应的 dictht 去执行。

4. Set

1. 常用命令
   
2. 底层实现：Intset
   当一个集合只包含整数值元素,并且这个集合的元素数量不多时, Redis i就会使用整数集合作为集合键的底层实现
   

//每个intset结构表示一个整数集合
typedef struct intset{//编码方式uint32_t encoding;//集合中包含的元素数量uint32_t length;//保存元素的数组int8_t contents[];
} intset;

5. ZSet

Sorted Set 类似于 Set，但和 Set 相比，Sorted Set 增加了一个权重参数 score，使得集合中的元素能够按 score 进行有序排列，还可以通过 score 的范围来获取元素的列表。有点像是 Java 中 HashMap 和 TreeSet 的结合体

1. 常用命令
   

2. 底层结构：跳表skipList

   相当于链表的多级索引
   

3. 压缩列表 ZipSet

听到“压缩”两个字，直观的反应就是节省内存。之所以说这种存储结构节省内存,是相较于数组的存储思路而言的。我们知道,数组要求每个元素的大小相同,如果我们要存储不同长度的字符串,那我们就需要用最大长度的字符串大小作为元素的大小(假设是20个字节)。存储小于 20 个字节长度的字符串的时候，便会浪费部分存储空间

数组的优势占用一片连续的空间可以很好的利用CPU缓存访问数据。如果我们想要保留这种优势，又想节省存储空间我们可以对数组进行压缩。

但是这样有一个问题，我们在遍历它的时候由于不知道每个元素的大小是多少，因此也就无法计算出下一个节点的具体位置。这个时候我们可以给每个节点增加一个lenght的属性。

二、3种特殊类型

除了 5 种基本的数据结构之外，Redis 还支持 3 种特殊的数据结构 ：Bitmap、HyperLogLog、GEO

1. Bitmap

Bitmap 存储的是连续的二进制数字（0 和 1），通过 Bitmap, 只需要一个 bit 位来表示某个元素对应的值或者状态，key 就是对应元素本身 。我们知道 8 个 bit 可以组成一个 byte，所以 Bitmap 本身会极大的节省储存空间。

你可以将 Bitmap 看作是一个存储二进制数字（0 和 1）的数组，数组中每个元素的下标叫做 offset（偏移量）

1. 常用命令
   

2. 应用场景

   需要保存状态信息（0/1 即可表示）的场景

   举例 ：用户签到情况、活跃用户情况、用户行为统计（比如是否点赞过某个视频）

2. HyperLogLog

用来做基数统计，基数统计：统计一个集合中不重复元素的个数

Redis 提供的 HyperLogLog 占用空间非常非常小，只需要 12k 的空间就能存储接近2^64个不同元素

1. 常用命令

2. 应用场景

   数量量巨大（百万、千万级别以上）的计数场景

   举例 ：热门网站每日/每周/每月访问 ip 数统计、热门帖子 uv 统计

3. Geospatial index

Geospatial index（地理空间索引，简称 GEO） 主要用于存储地理位置信息，基于 Sorted Set 实现。

通过 GEO 我们可以轻松实现两个位置距离的计算、获取指定位置附近的元素等功能。

1. 常用命令

2. 应用场景

   需要管理使用地理空间数据的场景

   举例：附近的人