Redis作为内存中的数据结构存储系统，它可以用作数据库、缓存和消息中间件。它的value支持多种类型的数据结构，基本数据结构包含：
字符串（strings）、散列（hashes）、列表（lists）、集合（sets）、有序集合（sorted sets）五种。这五种数据结构在我们工作中经常使用到，面试过程中经常被问到，因此熟练掌握这5种基本数据结构的使用和应用场景是Redis知识最基础也是最重要的部分。
1. 字符串（strings）
1.1 类型介绍
字符串是Redis最简单的储存类型，它存储的值可以是字符串、整数或者浮点数，对整个字符串或者字符串的其中一部分执行操作；对整数或者浮点数执行
自增（increment）或者自减（decrement）操作。
Redis的字符串是一个由字节组成的序列，跟java里面的ArrayList有点类似，采用预分配冗余空间的方式来减少内存的频繁分配，如图中所示，内部为当前字符串实际分配的空间 capacity 一般要高于实际字符串长度 len。当字符串长度小于 1M 时，扩容都是加倍现有的空间，如果超过 1M，扩容时一次只会多扩 1M 的空间。需要注意的是字符串最大长度为 512M。
1.2 应用场景
字符串类型在工作中使用广泛，主要用于缓存数据，提高查询性能。比如存储登录用户信息、电商中存储商品信息、可以做计数器（想知道什么时候*一个IP地址(访问超过几次)）等等。
操作指令
set key value: 添加一条String类型数据
get key: 获取一条String类型数据
mset key1 value1 key2 value2: 添加多条String类型数据
mget key1 key2: 获取多条String类型数据
incr key: 自增（+1）
incrby key step: 按照步长（step）自增
decr key: 自减（-1）
decrby key step: 按照步长（step）递减
实操
# 插入字符串
>set username zhangsan
"OK"
# 获取字符串
>get username
"zhangsan"
# 插入多个字符串
>mset age 18 address bj
"OK"
# 获取多个字符串
>mget username age
1) "zhangsan"
2) "18"
# 自增
>incr num
"1"
>incr num
"2"
# 自减
>decr num
"1"
# 指定步长自增
>incrby num 2
"3"
>incrby num 2
"5"
# 指定步长自减
>decrby num 3
"2"
# 删除
>del num
"1"
2. 散列（hashes）
2.1 类型介绍
散列相当于Java中的HashMap，内部是无序字典。实现原理跟HashMap一致。一个哈希表有多个节点，每个节点保存一个键值对。
与Java中的HashMap不同的是，rehash 的方式不一样，因为 Java 的 HashMap 在字典很大时，rehash 是个耗时的操作，需要一次性全部 rehash。Redis 为了高性能，不能堵塞服务，所以采用了渐进式 rehash 策略。
渐进式 rehash 会在 rehash 的同时，保留新旧两个 hash 结构，查询时会同时查询两个 hash 结构，然后在后续的定时任务中以及 hash 操作指令中，循序渐进地将旧 hash 的内容一点点迁移到新的 hash 结构中。当搬迁完成了，就会使用新的hash结构取而代之。
当 hash 移除了最后一个元素之后，该数据结构自动被删除，内存被回收。
2.2 应用场景
Hash也可以同于对象存储，比如存储用户信息，与字符串不一样的是，字符串是需要将对象进行序列化（比如json序列化）之后才能保存，而Hash则可以讲用户对象的每个字段单独存储，这样就能节省序列化和反序列的时间。如下：
此外还可以保存用户的购买记录，比如key为用户id，field为商品id，value为商品数量。同样还可以用于购物车数据的存储，比如key为用户id，field为商品id，value为购买数量等等。
操作指令
# 设置属性
hset keyname field1 value1 field2 value2
# 获取某个属性值
hget keyname field
# 获取所有属性值
hgetall keyname
# 删除某个属性
hdel keyname field
# 获取属性个数
hlen keyname
# 按照步长自增某个属性（该属性必须是数字）
hincrby keyname field step
实操
# 插入 hash 数据
>hset userInfo username zhangsan age 18 address bj
"3"
# 获取 hash 单条 field 数据
>hget userInfo username
"zhangsan"
>hget userInfo age
"18"
# 获取 hash 多个 field 数据
>hmget userInfo username age
1) "zhangsan"
2) "18"
# 获取 hash 所有 field 数据
>hgetall userInfo
1) "username"
2) "zhangsan"
3) "age"
4) "18"
5) "address"
6) "bj"
# 获取 hash 的 field 个数
>hlen userInfo
"3"
# 自增 hash 的某个 field
>hincrby userInfo age 2
"20"
>hincrby userInfo age 2
"22"
# 删除 hash 的某个 field
>hdel userInfo age
"1"
# 删除 hash 所有数据
>del userInfo
"1"
3. 列表（lists）
3.1 类型介绍
Redis中的lists相当于Java中的LinkedList，实现原理是一个双向链表（其底层是一个快速列表），即可以支持反向查找和遍历，更方便操作。插入和删除操作非常快，时间复杂度为 O(1)，但是索引定位很慢，时间复杂度为 O(n)。
删除
3.2 应用场景
lists的应用场景非常多，可以利用它轻松实现热销榜；可以实现工作队列（利用lists的push操作，将任务存在lists中，然后工作线程再用pop操作将任务取出进行执行 ）;可以实现最新列表，比如最新评论等。
操作指令
# 左进
lpush key value1 value2 value3...
# 左出
lpop key
# 右进
rpush key value1 value2 value3...
# 右出
rpop key
# 从左往右读取 start和end是下标
lrange key start end
实操
# 从 list 左边依次插入
>lpush student zhangsan lisi wangwu
"3"
# 从 list 右边插入
>rpush student tianqi
"4"
# 从 list 左边弹出一个
>lpop liangshan
"wangwu"
# 从 list 右边弹出一个
>rpop liangshan
"tianqi"
# 获取 list 下标 0 ~ 1 的数据(左闭右闭)
>lrange liangshan 0 1
1) "lisi"
2) "zhangsan"
注意：blpop 阻塞版获取
为什么要阻塞版本的pop呢，主要是为了避免轮询。举个简单的例子如果我们用list来实现一个工作队列。执行任务的thread可以调用阻塞版本的pop去获取任务这样就可以避免轮询去检查是否有任务存在。当任务来时候工作线程可以立即返回，也可以避免轮询带来的延迟。
4. 集合（sets）
4.1 类型介绍
集合类似Java中的
HashSet，内部实现是一个 value永远为null的HashMap，实际就是通过计算hash的方式来快速排重的，这也是set能提供判断一个成员是否在集合内的原因。
4.2 应用场景
redis的sets类型是使用哈希表构造的，因此复杂度是O(1)，它支持集合内的增删改查，并且支持多个集
合间的交集、并集、差集操作。可以利用这些集合操作，解决程序开发过程当中很多数据集合间的问题。比如计算网站独立ip，用户画像中的用户标签，共同好友等功能
操作指令
# 添加内容
sadd key value1 value2
# 查询key里所有的值
smembers key
# 移除key里面的某个value
srem key value
# 随机移除某个value
spop key
# 返回两个set的并集
sunion key1 key2
# 返回key1踢出交集的那部分(差集)
sdiff key1 key2
# 跟siffer相反，返回交集
sinter key1 key2
实操
# 插入多条数据并去重
>sadd nums 1 2 3
"3"
# 插入多条数据并去重
>sadd nums 1 2 3
"0"
# 获取所有数据
>smembers nums
1) "1"
2) "2"
3) "3"
# 删除一条数据，返回的 1 表示删除了一条
>srem nums 2
"1"
# 弹出一条数据，返回的 1 表示弹出的数据值为 1
>spop nums
"1"
# 插入多条数据并去重
>sadd nums1 1 2 3
"3"
>sadd nums2 2 3 4
"3"
# 交集
>sinter nums1 nums2
1) "2"
2) "3"
# 差集
>sdiff nums1 nums2
1) "1"
# 并集
>sunion nums1 nums2
1) "1"
2) "2"
3) "3"
4) "4"
5. 有序集合（sorted sets）
5.1 类型介绍
sorted sets是Redis类似于 SortedSet 和 HashMap 的结合体，一方面它是一个 set，保证了内部 value 的唯一性，另一方面它可以给每个 value 赋予一个 score，代表这个 value 的排序权重。内部使用HashMap和跳跃表(SkipList)来保证数据的存储和有序，HashMap里放的是成员到score的映射，而跳跃表里存放的是所有的成员，排序依据是HashMap里存的score,使用跳跃表的结构可以获得比较高的查找效率，并且在实现上比较简单。sorted sets中最后一个 value 被移除后，数据结构自动删除，内存被回收。
5.1.1 跳跃列表
sorted sets内部的排序功能是通过「跳跃列表」数据结构来实现的，它的结构非常特殊，也比较复杂。因为 zset 要支持随机的插入和删除，所以它不好使用数组来表示。我们先看一个普通的链表结构。
我们需要这个链表按照 score 值进行排序。这意味着当有新元素需要插入时，要定位到特定位置的插入点，这样才可以继续保证链表是有序的。通常我们会通过二分查找来找到插入点，但是二分查找的对象必须是数组，只有数组才可以支持快速位置定位，链表做不到，那该怎么办？
想想一个创业公司，刚开始只有几个人，团队成员之间人人平等，都是联合创始人。随着公司的成长，人数渐渐变多，团队沟通成本随之增加。这时候就会引入组长制，对团队进行划分。每个团队会有一个组长。开会的时候分团队进行，多个组长之间还会有自己的会议安排。公司规模进一步扩展，需要再增加一个层级 —— 部门，每个部门会从组长列表中推选出一个代表来作为部长。部长们之间还会有自己的高层会议安排。
跳跃列表就是类似于这种层级制，最下面一层所有的元素都会串起来。然后每隔几个元素挑选出一个代表来，再将这几个代表使用另外一级指针串起来。然后在这些代表里再挑出二级代表，再串起来。最终就形成了金字塔结构。
想想你老家在世界地图中的位置：亚洲–>中国->安徽省->蚌埠市->固镇县->刘集镇->xxx村->xxxx号，也是这样一个类似的结构。
「跳跃列表」之所以「跳跃」，是因为内部的元素可能「身兼数职」，比如上图中间的这个元素，同时处于 L0、L1 和 L2 层，可以快速在不同层次之间进行「跳跃」。
定位插入点时，先在顶层进行定位，然后下潜到下一级定位，一直下潜到最底层找到合适的位置，将新元素插进去。你也许会问，那新插入的元素如何才有机会「身兼数职」呢？
跳跃列表采取一个随机策略来决定新元素可以兼职到第几层。
首先 L0 层肯定是 100% 了，L1 层只有 50% 的概率，L2 层只有 25% 的概率，L3 层只有 12.5% 的概率，一直随机到最顶层 L31 层。绝大多数元素都过不了几层，只有极少数元素可以深入到顶层。列表中的元素越多，能够深入的层次就越深，能进入到顶层的概率就会越大。
5.2 应用场景
主要应用于根据某个权重进行排序的队列的场景，比如游戏积分排行榜，设置优先级的任务列表，学生成绩表等。
操作指令
# 添加元素
zadd key score value [score value...]
# 获取集合的值并按照score从小到大排列， 最小的是最上面
zrange key start end
# 返回有序集 key 中，所有 score 值介于 min 和 max 之间(包括等于 min 或 max )的成员。有序集成员按 score 值递增(从小到大)次序排列, 最小的是最上面
zrangeByScore key score_min score_max
# 删除
zrem key value
# 获取key的集合有多少元素
zcard key
# 统计分数从小到大有多少元素 （闭区间）
zcount key score_min score_max
# 获取value所在位置（从小到大排序，最小的是0）
zrank key value
# 获取value所在的位置（从大到小排列， 最大的是0）
zrevrank key value
实操
# 插入多条数据和分数并去重及排序
>zadd rank 66 zhangsan 88 lisi 77 wangwu 99 zhaoliu
"4"
# 插入多条数据及分数并去重及排序
>zadd rank 66 zhangsan 88 lisi 77 wangwu 99 zhaoliu
"0"
# 获取下标 0 ~ 3 的数据(左闭右闭)
>zrange rank 0 3
1) "zhangsan"
2) "wangwu"
3) "lisi"
4) "zhaoliu"
# 获取分数在 77 ~ 99 之间的数据(左闭右闭)
>zrangeByScore rank 77 99
1) "wangwu"
2) "lisi"
3) "zhaoliu"
# 删除一条数据
>zrem rank zhaoliu
"1"
# 查询元素的个数
>zcard rank
"3"
# 统计分数在 77 ~ 88 之间的数据(左闭右闭)
>zcount rank 77 88
"2"
# 获取指定元素的下标
>zrank rank zhangsan
"0"
# 获取指定元素的下标并反转
>zrevrank rank zhangsan
"2"
6. 补充
下面这些图来自我的好兄弟
老王赞助，一个技术很强的全栈专家。