2. Redis 核心数据结构：String、List、Set、ZSet、Hash 及其应用场景

Redis 之所以能成为缓存与限流场景的首选，其核心优势在于提供了丰富且高效的数据结构。本章将系统回顾五种基础数据结构，重点剖析其底层实现、操作特性以及在限流与缓存一致性实战中的典型用法。

2.1 数据结构全景对比

在深入每个结构之前，先通过一张对比表建立全局认知：

2.2 String — 最基础的原子操作单元

String 是 Redis 最基础的数据结构，value 可以是字符串、整数或浮点数。其底层编码根据数据长度动态切换：

• int：当 value 为 64 位有符号整数时使用，直接进行原子自增/自减。
• embstr：当字符串长度 ≤ 44 字节时，Redis 使用连续内存块存储，减少内存碎片。
• raw：当字符串长度 > 44 字节时，使用 SDS（Simple Dynamic String）结构，支持动态扩容。

2.2.1 核心命令与限流应用

# 基础操作
SET user:1001 "{\"name\":\"alice\",\"level\":5}"
GET user:1001

# 原子计数（限流计数器核心）
INCR api:limit:user:1001
EXPIRE api:limit:user:1001 60

# 带过期时间的 SET（缓存一致性常用）
SET cache:key "value" EX 300 NX

2.3 List — 消息队列与时间线

List 底层使用 quicklist 结构，它是 ziplist 与双向链表的混合体。每个 quicklist 节点是一个 ziplist，在内存紧凑性与操作效率之间取得平衡。

2.3.1 典型操作模式

# 右侧入队，左侧出队（FIFO 队列）
LPUSH task:queue "job:001"
RPOP task:queue

# 阻塞式弹出（实现可靠消息消费）
BRPOP task:queue 5

# 获取范围（分页查询）
LRANGE user:timeline 0 9

2.3.2 应用场景

• 异步任务队列：LPUSH + BRPOP 实现生产者-消费者模式。
• 最新动态列表：LPUSH 插入新内容，LTRIM 裁剪保留最近 N 条。
• 限流日志缓冲区：将请求日志写入 List，后台异步分析。

2.4 Set — 去重与集合运算

Set 底层使用 intset（当所有元素为整数且数量较少时）或 hashtable。intset 使用有序数组存储，查找效率 O(log n)；当元素类型不统一或数量超过阈值时自动升级为 hashtable。

2.4.1 集合运算实战

# 添加与判断
SADD user:1001:tags "redis" "cache" "限流"
SISMEMBER user:1001:tags "redis"

# 集合运算（用户画像、权限交集）
SINTER user:1001:tags user:1002:tags   # 共同标签
SUNION user:1001:tags user:1002:tags   # 全部标签
SDIFF user:1001:tags user:1002:tags    # 差异标签

2.4.2 限流场景：去重计数器

使用 SADD 记录某时间窗口内的唯一用户 ID，SCARD 获取去重后的请求数，适用于“同一用户多次请求只计一次”的限流策略。

2.5 ZSet — 排序集合与滑动窗口

ZSet 是限流场景中最重要的数据结构。底层使用 skiplist + dict 组合：skiplist 保证按 score 有序，dict 保证 O(1) 的成员查找。

2.5.1 滑动窗口限流实现

# 记录请求时间戳
ZADD rate:limit:api:user:1001 1680000000 "req:uuid1"

# 移除窗口外的旧记录
ZREMRANGEBYSCORE rate:limit:api:user:1001 0 1679999400

# 统计当前窗口请求数
ZCARD rate:limit:api:user:1001

2.5.2 排行榜与优先级队列

• 实时排行榜：ZINCRBY 更新分数，ZREVRANGE 获取 Top N。
• 延迟队列：以执行时间戳为 score，定时轮询 ZRANGEBYSCORE 获取到期任务。
• 权重限流：不同 API 设置不同权重 score，累计权重超过阈值则限流。

2.6 Hash — 对象存储与缓存一致性

Hash 底层使用 ziplist（当 field-value 对较少且值较短时）或 hashtable。ziplist 将 field 和 value 连续存储，节省内存；hashtable 提供 O(1) 的随机访问。

2.6.1 对象缓存模式

# 存储用户对象（避免序列化整个对象）
HSET user:1001 name "alice" age 30 level 5
HGET user:1001 name
HGETALL user:1001

# 原子增减（缓存一致性中的计数器）
HINCRBY user:1001 score 10

2.6.2 缓存一致性中的应用

• 部分更新：只更新 Hash 中的某个 field，避免读取整个缓存对象再写回。
• 字段级过期：结合 HEXISTS 和业务逻辑实现字段级 TTL 判断。
• 数据库行映射：将数据库一行记录映射为一个 Hash key，field 对应列名，减少缓存键数量。

2.7 数据结构选择决策树

下面的 SVG 图展示了在限流与缓存一致性场景中，如何根据需求选择合适的数据结构：

2.8 数据结构与限流算法映射

下表总结了不同限流算法对应的 Redis 数据结构选择：

2.9 内存优化与编码转换

理解底层编码有助于在限流场景中优化内存：

• ziplist 阈值：Hash 和 ZSet 在元素较少时使用 ziplist，可通过 hash-max-ziplist-entries 和 zset-max-ziplist-entries 配置。超过阈值后自动转换为 hashtable 或 skiplist。
• intset 升级：Set 中所有元素为整数且数量不超过 set-max-intset-entries 时使用 intset，内存效率极高。
• 监控命令：使用 DEBUG OBJECT key 查看底层编码类型，MEMORY USAGE key 查看实际内存占用。