Redis数据类型与命令速查手册：从字符串到有序集合的实战操作
Redis数据类型与命令速查手册：从字符串到有序集合的实战操作
Redis作为高性能的键值存储系统，其核心优势在于丰富的数据类型和原子性操作。对于已经完成Redis安装的开发者而言，深入理解五种基础数据结构的特性及操作命令，能显著提升开发效率。本文将用真实项目场景演示字符串、哈希、列表、集合和有序集合的典型应用，每个命令都附带可直接复用的代码片段和避坑指南。
1. 字符串(String)：不只是简单的键值存储
Redis字符串是二进制安全的，这意味着它们可以包含任何数据，比如JPEG图像或序列化对象。在电商秒杀系统中，我们常用字符串缓存商品库存：
# 设置iPhone14库存为1000件，有效期30分钟 SETEX inventory:iphone14 1800 1000 # 原子性扣减库存 DECR inventory:iphone14字符串的高级特性：
- 位操作：
SETBIT/GETBIT适合实现布隆过滤器 - 过期控制：
PSETEX以毫秒为单位设置过期时间 - 批量操作：
MSET/MGET提升批量读写效率
注意：当值需要频繁修改时，字符串类型可能不如哈希高效，因为需要反序列化整个值
2. 哈希(Hash)：对象存储的最佳选择
哈希类型特别适合存储对象，比如用户信息。相比将整个对象JSON序列化成字符串存储，哈希可以独立访问字段：
# 存储用户信息 HSET user:1001 name "张三" age 28 email "zhangsan@example.com" # 仅获取年龄字段 HGET user:1001 age # 原子性增加年龄 HINCRBY user:1001 age 1哈希与字符串的性能对比：
| 操作场景 | 字符串(JSON) | 哈希 |
|---|---|---|
| 读取单个字段 | 需解析整个JSON | 直接获取 |
| 更新单个字段 | 需重写整个值 | 独立修改 |
| 内存占用 | 通常更节省 | 略高 |
3. 列表(List)：实现消息队列和时间线
列表的LPUSH+BRPOP组合是构建简单消息队列的经典方案。在社交APP中，可以用列表存储用户动态：
# 用户发布新动态 LPUSH user:1001:timeline "{\"id\":789, \"content\":\"今天天气真好\"}" # 获取最新10条动态 LRANGE user:1001:timeline 0 9列表的阻塞操作实战：
# 消费者进程（Python示例） while True: # 阻塞式获取任务，超时5秒 task = r.brpop("task_queue", timeout=5) if task: process_task(task[1])4. 集合(Set)：去重与关系运算
集合的无序性和唯一性使其非常适合标签系统。在博客平台中，可以用集合管理文章标签：
# 给文章添加标签 SADD article:123:tags 技术 Redis 数据库 # 获取两篇文章的共同标签 SINTER article:123:tags article:456:tags集合运算性能提示：
SINTERSTORE将结果保存到新key，避免重复计算- 超大集合运算可能阻塞服务，建议在从节点执行
SSCAN替代SMEMBERS遍历大集合
5. 有序集合(ZSet)：排行榜与延迟队列
有序集合通过分数(score)实现自动排序，是排行榜的理想选择。在游戏系统中实现实时排名：
# 更新玩家分数 ZADD leaderboard 3500 "player1" 2800 "player2" # 获取TOP10玩家 ZREVRANGE leaderboard 0 9 WITHSCORES # 查询玩家排名(从0开始) ZREVRANK leaderboard "player1"延迟队列实现技巧：
# 添加延迟任务(执行时间戳作为score) ZADD delay_queue 1650000000 "task_data" # 获取到期任务 ZRANGEBYSCORE delay_queue 0 16499999996. 事务与管道优化
Redis虽然支持事务，但与关系型数据库有本质区别。批量操作时管道(pipeline)能显著提升性能：
# Python管道操作示例 pipe = r.pipeline() for user_id in user_ids: pipe.hgetall(f"user:{user_id}") results = pipe.execute()事务注意事项：
WATCH实现乐观锁，但可能引起重试- 事务中的命令会按顺序执行，但不会回滚
- Lua脚本提供更复杂的事务控制
7. 内存优化实践
不同数据类型的存储效率差异显著。存储百万级用户状态时：
- 字符串：每个key约消耗100字节额外内存
- 哈希：
HMSET配合ziplist编码更省空间 - 集合：当元素为整数时使用
REDIS_ENCODING_INTSET
优化案例：
# 配置哈希使用ziplist编码(redis.conf) hash-max-ziplist-entries 512 hash-max-ziplist-value 64在实现社交关系功能时，合理选择数据结构能节省大量内存。比如用ZSET存储粉丝列表时，将用户ID作为member，关注时间戳作为score，既能排序又避免重复。