Redis中都有哪些數(shù)據(jù)結(jié)構(gòu)

今天就跟大家聊聊有關(guān)Redis中都有哪些數(shù)據(jù)結(jié)構(gòu)，可能很多人都不太了解，為了讓大家更加了解，小編給大家總結(jié)了以下內(nèi)容，希望大家根據(jù)這篇文章可以有所收獲。

Redis核心對象

在Redis中有一個「核心的對象」叫做redisObject ，是用來表示所有的key和value的，用redisObject結(jié)構(gòu)體來表示String、Hash、List、Set、ZSet五種數(shù)據(jù)類型。

redisObject的源代碼在redis.h中，使用c語言寫的，感興趣的可以自行查看，關(guān)于redisObject我這里畫了一張圖，表示redisObject的結(jié)構(gòu)如下所示：

閃瞎人的五顏六色圖

在redisObject中「type表示屬于哪種數(shù)據(jù)類型，encoding表示該數(shù)據(jù)的存儲方式」，也就是底層的實現(xiàn)的該數(shù)據(jù)類型的數(shù)據(jù)結(jié)構(gòu)。因此這篇文章具體介紹的也是encoding對應(yīng)的部分。

那么encoding中的存儲類型又分別表示什么意思呢？具體數(shù)據(jù)類型所表示的含義，如下圖所示：

圖片截圖出自《Redis設(shè)計與實現(xiàn)第二版》

可能看完這圖，還是覺得一臉懵。不慌，會進(jìn)行五種數(shù)據(jù)結(jié)構(gòu)的詳細(xì)介紹，這張圖只是讓你找到每種中數(shù)據(jù)結(jié)構(gòu)對應(yīng)的儲存類型有哪些，大概腦子里有個印象。

舉一個簡單的例子，你在Redis中設(shè)置一個字符串key 234，然后查看這個字符串的存儲類型就會看到為int類型，非整數(shù)型的使用的是embstr儲存類型，具體操作如下圖所示：

String類型

String是Redis最基本的數(shù)據(jù)類型，上面的簡介中也說到Redis是用c語言開發(fā)的。但是Redis中的字符串和c語言中的字符串類型卻是有明顯的區(qū)別。

String類型的數(shù)據(jù)結(jié)構(gòu)存儲方式有三種int、raw、embstr。那么這三種存儲方式有什么區(qū)別呢？

int

Redis中規(guī)定假如存儲的是「整數(shù)型值」，比如set num 123這樣的類型，就會使用 int的存儲方式進(jìn)行存儲，在redisObject的「ptr屬性」中就會保存該值。

SDS

假如存儲的「字符串是一個字符串值并且長度大于32個字節(jié)」就會使用SDS（simple dynamic string）方式進(jìn)行存儲，并且encoding設(shè)置為raw；若是「字符串長度小于等于32個字節(jié)」就會將encoding改為embstr來保存字符串。

SDS稱為「簡單動態(tài)字符串」，對于SDS中的定義在Redis的源碼中有的三個屬性int len、int free、char buf[]。

len保存了字符串的長度，free表示buf數(shù)組中未使用的字節(jié)數(shù)量，buf數(shù)組則是保存字符串的每一個字符元素。

因此當(dāng)你在Redsi中存儲一個字符串Hello時，根據(jù)Redis的源代碼的描述可以畫出SDS的形式的redisObject結(jié)構(gòu)圖如下圖所示：

SDS與c語言字符串對比

Redis使用SDS作為存儲字符串的類型肯定是有自己的優(yōu)勢，SDS與c語言的字符串相比，SDS對c語言的字符串做了自己的設(shè)計和優(yōu)化，具體優(yōu)勢有以下幾點(diǎn)：

（1）c語言中的字符串并不會記錄自己的長度，因此「每次獲取字符串的長度都會遍歷得到，時間的復(fù)雜度是O(n)」，而Redis中獲取字符串只要讀取len的值就可，時間復(fù)雜度變?yōu)镺(1)。

（2）「c語言」中兩個字符串拼接，若是沒有分配足夠長度的內(nèi)存空間就「會出現(xiàn)緩沖區(qū)溢出的情況」；而「SDS」會先根據(jù)len屬性判斷空間是否滿足要求，若是空間不夠，就會進(jìn)行相應(yīng)的空間擴(kuò)展，所以「不會出現(xiàn)緩沖區(qū)溢出的情況」。

（3）SDS還提供「空間預(yù)分配」和「惰性空間釋放」兩種策略。在為字符串分配空間時，分配的空間比實際要多，這樣就能「減少連續(xù)的執(zhí)行字符串增長帶來內(nèi)存重新分配的次數(shù)」。

當(dāng)字符串被縮短的時候，SDS也不會立即回收不適用的空間，而是通過free屬性將不使用的空間記錄下來，等后面使用的時候再釋放。

具體的空間預(yù)分配原則是：「當(dāng)修改字符串后的長度len小于1MB，就會預(yù)分配和len一樣長度的空間，即len=free；若是len大于1MB，free分配的空間大小就為1MB」。

（4）SDS是二進(jìn)制安全的，除了可以儲存字符串以外還可以儲存二進(jìn)制文件（如圖片、音頻，視頻等文件的二進(jìn)制數(shù)據(jù)）；而c語言中的字符串是以空字符串作為結(jié)束符，一些圖片中含有結(jié)束符，因此不是二進(jìn)制安全的。

為了方便易懂，做了一個c語言的字符串和SDS進(jìn)行對比的表格，如下所示：

String類型應(yīng)用

說到這里我相信很多人可以說已經(jīng)精通Redis的String類型了，但是純理論的精通，理論還是得應(yīng)用實踐，上面說到String可以用來存儲圖片，現(xiàn)在就以圖片存儲作為案例實現(xiàn)。

（1）首先要把上傳得圖片進(jìn)行編碼，這里寫了一個工具類把圖片處理成了Base64得編碼形式，具體得實現(xiàn)代碼如下：

/**     * 將圖片內(nèi)容處理成Base64編碼格式      * @param file      * @return      */     public static String encodeImg(MultipartFile file) {         byte[] imgBytes = null;         try {             imgBytes = file.getBytes();         } catch (IOException e) {             e.printStackTrace();         }         BASE64Encoder encoder = new BASE64Encoder();         return imgBytes==null?null:encoder.encode(imgBytes );     }

（2）第二步就是把處理后的圖片字符串格式存儲進(jìn)Redis中，實現(xiàn)的代碼如下所示：

/**     * Redis存儲圖片     * @param file     * @return     */    public void uploadImageServiceImpl(MultipartFile image) {        String imgId = UUID.randomUUID().toString();        String imgStr= ImageUtils.encodeImg(image);        redisUtils.set(imgId , imgStr);        // 后續(xù)操作可以把imgId存進(jìn)數(shù)據(jù)庫對應(yīng)的字段，如果需要從redis中取出，只要獲取到這個字段后從redis中取出即可。    }

這樣就是實現(xiàn)了圖片得二進(jìn)制存儲，當(dāng)然String類型得數(shù)據(jù)結(jié)構(gòu)得應(yīng)用也還有常規(guī)計數(shù)：「統(tǒng)計微博數(shù)、統(tǒng)計粉絲數(shù)」等。

Hash類型

Hash對象的實現(xiàn)方式有兩種分別是ziplist、hashtable，其中hashtable的存儲方式key是String類型的，value也是以key value的形式進(jìn)行存儲。

字典類型的底層就是hashtable實現(xiàn)的，明白了字典的底層實現(xiàn)原理也就是明白了hashtable的實現(xiàn)原理，hashtable的實現(xiàn)原理可以與HashMap的是底層原理相類比。

字典

兩者在新增時都會通過key計算出數(shù)組下標(biāo)，不同的是計算法方式不同，HashMap中是以hash函數(shù)的方式，而hashtable中計算出hash值后，還要通過sizemask 屬性和哈希值再次得到數(shù)組下標(biāo)。

我們知道hash表最大的問題就是hash沖突，為了解決hash沖突，假如hashtable中不同的key通過計算得到同一個index，就會形成單向鏈表（「鏈地址法」），如下圖所示：

rehash

在字典的底層實現(xiàn)中，value對象以每一個dictEntry的對象進(jìn)行存儲，當(dāng)hash表中的存放的鍵值對不斷的增加或者減少時，需要對hash表進(jìn)行一個擴(kuò)展或者收縮。

這里就會和HashMap一樣也會就進(jìn)行rehash操作，進(jìn)行重新散列排布。從上圖中可以看到有ht[0]和ht[1]兩個對象，先來看看對象中的屬性是干嘛用的。

在hash表結(jié)構(gòu)定義中有四個屬性分別是dictEntry **table、unsigned long size、unsigned long sizemask、unsigned long used，分別表示的含義就是「哈希表數(shù)組、hash表大小、用于計算索引值，總是等于size-1、hash表中已有的節(jié)點(diǎn)數(shù)」。

ht[0]是用來最開始存儲數(shù)據(jù)的，當(dāng)要進(jìn)行擴(kuò)展或者收縮時，ht[0]的大小就決定了ht[1]的大小，ht[0]中的所有的鍵值對就會重新散列到ht[1]中。

擴(kuò)展操作：ht[1]擴(kuò)展的大小是比當(dāng)前 ht[0].used 值的二倍大的第一個 2 的整數(shù)冪；收縮操作：ht[0].used 的第一個大于等于的 2 的整數(shù)冪。

當(dāng)ht[0]上的所有的鍵值對都rehash到ht[1]中，會重新計算所有的數(shù)組下標(biāo)值，當(dāng)數(shù)據(jù)遷移完后ht[0]就會被釋放，然后將ht[1]改為ht[0]，并新創(chuàng)建ht[1]，為下一次的擴(kuò)展和收縮做準(zhǔn)備。

漸進(jìn)式rehash

假如在rehash的過程中數(shù)據(jù)量非常大，Redis不是一次性把全部數(shù)據(jù)rehash成功，這樣會導(dǎo)致Redis對外服務(wù)停止，Redis內(nèi)部為了處理這種情況采用「漸進(jìn)式的rehash」。

Redis將所有的rehash的操作分成多步進(jìn)行，直到都rehash完成，具體的實現(xiàn)與對象中的rehashindex屬性相關(guān)，「若是rehashindex 表示為-1表示沒有rehash操作」。

當(dāng)rehash操作開始時會將該值改成0，在漸進(jìn)式rehash的過程「更新、刪除、查詢會在ht[0]和ht[1]中都進(jìn)行」，比如更新一個值先更新ht[0]，然后再更新ht[1]。

而新增操作直接就新增到ht[1]表中，ht[0]不會新增任何的數(shù)據(jù)，這樣保證「ht[0]只減不增，直到最后的某一個時刻變成空表」，這樣rehash操作完成。

上面就是字典的底層hashtable的實現(xiàn)原理，說完了hashtable的實現(xiàn)原理，我們再來看看Hash數(shù)據(jù)結(jié)構(gòu)的兩一種存儲方式「ziplist（壓縮列表）」

ziplist

壓縮列表（ziplist）是一組連續(xù)內(nèi)存塊組成的順序的數(shù)據(jù)結(jié)構(gòu)，壓縮列表能夠節(jié)省空間，壓縮列表中使用多個節(jié)點(diǎn)來存儲數(shù)據(jù)。

壓縮列表是列表鍵和哈希鍵底層實現(xiàn)的原理之一，「壓縮列表并不是以某種壓縮算法進(jìn)行壓縮存儲數(shù)據(jù)，而是它表示一組連續(xù)的內(nèi)存空間的使用，節(jié)省空間」，壓縮列表的內(nèi)存結(jié)構(gòu)圖如下：

壓縮列表中每一個節(jié)點(diǎn)表示的含義如下所示：

1. 鴻蒙官方戰(zhàn)略合作共建——HarmonyOS技術(shù)社區(qū)

2.  zlbytes：4個字節(jié)的大小，記錄壓縮列表占用內(nèi)存的字節(jié)數(shù)。

3.  zltail：4個字節(jié)大小，記錄表尾節(jié)點(diǎn)距離起始地址的偏移量，用于快速定位到尾節(jié)點(diǎn)的地址。

4.  zllen：2個字節(jié)的大小，記錄壓縮列表中的節(jié)點(diǎn)數(shù)。

5.  entry：表示列表中的每一個節(jié)點(diǎn)。

6.  zlend：表示壓縮列表的特殊結(jié)束符號'0xFF'。

再壓縮列表中每一個entry節(jié)點(diǎn)又有三部分組成，包括previous_entry_ength、encoding、content。

1. 鴻蒙官方戰(zhàn)略合作共建——HarmonyOS技術(shù)社區(qū)

2.  previous_entry_ength表示前一個節(jié)點(diǎn)entry的長度，可用于計算前一個節(jié)點(diǎn)的其實地址，因為他們的地址是連續(xù)的。

3.  encoding：這里保存的是content的內(nèi)容類型和長度。

4.  content：content保存的是每一個節(jié)點(diǎn)的內(nèi)容。

說到這里相信大家已經(jīng)都hash這種數(shù)據(jù)結(jié)構(gòu)已經(jīng)非常了解，若是第一次接觸Redis五種基本數(shù)據(jù)結(jié)構(gòu)的底層實現(xiàn)的話，建議多看幾遍，下面來說一說hash的應(yīng)用場景。

應(yīng)用場景

哈希表相對于String類型存儲信息更加直觀，存儲更加方便，經(jīng)常會用來做用戶數(shù)據(jù)的管理，存儲用戶的信息。

hash也可以用作高并發(fā)場景下使用Redis生成唯一的id。下面我們就以這兩種場景用作案例編碼實現(xiàn)。

存儲用戶數(shù)據(jù)

第一個場景比如我們要儲存用戶信息，一般使用用戶的ID作為key值，保持唯一性，用戶的其他信息（地址、年齡、生日、電話號碼等）作為value值存儲。

若是傳統(tǒng)的實現(xiàn)就是將用戶的信息封裝成為一個對象，通過序列化存儲數(shù)據(jù)，當(dāng)需要獲取用戶信息的時候，就會通過反序列化得到用戶信息。

但是這樣必然會造成序列化和反序列化的性能的開銷，并且若是只修改其中的一個屬性值，就需要把整個對象序列化出來，操作的動作太大，造成不必要的性能開銷。

若是使用Redis的hash來存儲用戶數(shù)據(jù)，就會將原來的value值又看成了一個k v形式的存儲容器，這樣就不會帶來序列化的性能開銷的問題。

分布式生成唯一ID

第二個場景就是生成分布式的唯一ID，這個場景下就是把redis封裝成了一個工具類進(jìn)行實現(xiàn)，實現(xiàn)的代碼如下：

// offset表示的是id的遞增梯度值   public Long getId(String key,String hashKey,Long offset) throws BusinessException{       try {           if (null == offset) {               offset=1L;           }           // 生成唯一id           return redisUtil.increment(key, hashKey, offset);       } catch (Exception e) {           //若是出現(xiàn)異常就是用uuid來生成唯一的id值           int randNo=UUID.randomUUID().toString().hashCode();           if (randNo < 0) {               randNo=-randNo;           }           return Long.valueOf(String.format("%16d", randNo));       }   }

List類型

Redis中的列表在3.2之前的版本是使用ziplist和linkedlist進(jìn)行實現(xiàn)的。在3.2之后的版本就是引入了quicklist。

ziplist壓縮列表上面已經(jīng)講過了，我們來看看linkedlist和quicklist的結(jié)構(gòu)是怎么樣的。

linkedlist是一個雙向鏈表，他和普通的鏈表一樣都是由指向前后節(jié)點(diǎn)的指針。插入、修改、更新的時間復(fù)雜度尾O(1)，但是查詢的時間復(fù)雜度確實O(n)。

linkedlist和quicklist的底層實現(xiàn)是采用鏈表進(jìn)行實現(xiàn)，在c語言中并沒有內(nèi)置的鏈表這種數(shù)據(jù)結(jié)構(gòu)，Redis實現(xiàn)了自己的鏈表結(jié)構(gòu)。

Redis中鏈表的特性：

1. 鴻蒙官方戰(zhàn)略合作共建——HarmonyOS技術(shù)社區(qū)

2.  每一個節(jié)點(diǎn)都有指向前一個節(jié)點(diǎn)和后一個節(jié)點(diǎn)的指針。

3.  頭節(jié)點(diǎn)和尾節(jié)點(diǎn)的prev和next指針指向為null，所以鏈表是無環(huán)的。

4.  鏈表有自己長度的信息，獲取長度的時間復(fù)雜度為O(1)。

Redis中List的實現(xiàn)比較簡單，下面我們就來看看它的應(yīng)用場景。

應(yīng)用場景

Redis中的列表可以實現(xiàn)「阻塞隊列」，結(jié)合lpush和brpop命令就可以實現(xiàn)。生產(chǎn)者使用lupsh從列表的左側(cè)插入元素，消費(fèi)者使用brpop命令從隊列的右側(cè)獲取元素進(jìn)行消費(fèi)。

（1）首先配置redis的配置，為了方便我就直接放在application.yml配置文件中，實際中可以把redis的配置文件放在一個redis.properties文件單獨(dú)放置，具體配置如下：

spring  redis:  host: 127.0.0.1  port: 6379  password: user  timeout: 0  database: 2  pool:  max-active: 100  max-idle: 10  min-idle: 0  max-wait: 100000

（2）第二步創(chuàng)建redis的配置類，叫做RedisConfig，并標(biāo)注上@Configuration注解，表明他是一個配置類。

@Configuration  public class RedisConfiguration {  @Value("${spring.redis.host}")  private String host;  @Value("${spring.redis.port}")  private int port;  @Value("${spring.redis.password}")  private String password;  @Value("${spring.redis.pool.max-active}")  private int maxActive;  @Value("${spring.redis.pool.max-idle}")  private int maxIdle;  @Value("${spring.redis.pool.min-idle}")  private int minIdle;  @Value("${spring.redis.pool.max-wait}")  private int maxWait;  @Value("${spring.redis.database}")  private int database;  @Value("${spring.redis.timeout}")  private int timeout;  @Bean  public JedisPoolConfig getRedisConfiguration(){  JedisPoolConfig jedisPoolConfig= new JedisPoolConfig();  jedisPoolConfig.setMaxTotal(maxActive);  jedisPoolConfig.setMaxIdle(maxIdle);  jedisPoolConfig.setMinIdle(minIdle);  jedisPoolConfig.setMaxWaitMillis(maxWait);  return jedisPoolConfig;  }  @Bean  public JedisConnectionFactory getConnectionFactory() {  JedisConnectionFactory factory = new JedisConnectionFactory();  factory.setHostName(host);  factory.setPort(port);  factory.setPassword(password);  factory.setDatabase(database);  JedisPoolConfig jedisPoolConfig= getRedisConfiguration();  factory.setPoolConfig(jedisPoolConfig);  return factory; }  @Bean  public RedisTemplate<?, ?> getRedisTemplate() {  JedisConnectionFactory factory = getConnectionFactory();  RedisTemplate<?, ?> redisTemplate = new StringRedisTemplate(factory);  return redisTemplate;  }  }

（3）第三步就是創(chuàng)建Redis的工具類RedisUtil，自從學(xué)了面向?qū)ο蠛?，就喜歡把一些通用的東西拆成工具類，好像一個一個零件，需要的時候，就把它組裝起來。

@Component  public class RedisUtil {  @Autowired  private RedisTemplate<String, Object> redisTemplate;  /**  * 存消息到消息隊列中  * @param key 鍵  * @param value 值  * @return  */  public boolean lPushMessage(String key, Object value) {  try {  redisTemplate.opsForList().leftPush(key, value);  return true;  } catch (Exception e) {  e.printStackTrace();  return false;  }  }  /**  * 從消息隊列中彈出消息  * @param key 鍵  * @return  */  public Object rPopMessage(String key) {  try {  return redisTemplate.opsForList().rightPop(key);  } catch (Exception e) {  e.printStackTrace();  return null;  }  }  /**  * 查看消息  * @param key 鍵  * @param start 開始  * @param end 結(jié)束 0 到 -1代表所有值  * @return  */  public List<Object> getMessage(String key, long start, long end) {  try {  return redisTemplate.opsForList().range(key, start, end);  } catch (Exception e) {  e.printStackTrace();  return null;  }  }

這樣就完成了Redis消息隊列工具類的創(chuàng)建，在后面的代碼中就可以直接使用。

Set集合

Redis中列表和集合都可以用來存儲字符串，但是「Set是不可重復(fù)的集合，而List列表可以存儲相同的字符串」，Set集合是無序的這個和后面講的ZSet有序集合相對。

Set的底層實現(xiàn)是「ht和intset」，ht（哈希表）前面已經(jīng)詳細(xì)了解過，下面我們來看看inset類型的存儲結(jié)構(gòu)。

inset也叫做整數(shù)集合，用于保存整數(shù)值的數(shù)據(jù)結(jié)構(gòu)類型，它可以保存int16_t、int32_t 或者int64_t 的整數(shù)值。

在整數(shù)集合中，有三個屬性值encoding、length、contents[]，分別表示編碼方式、整數(shù)集合的長度、以及元素內(nèi)容，length就是記錄contents里面的大小。

在整數(shù)集合新增元素的時候，若是超出了原集合的長度大小，就會對集合進(jìn)行升級，具體的升級過程如下：

1. 鴻蒙官方戰(zhàn)略合作共建——HarmonyOS技術(shù)社區(qū)

2.  首先擴(kuò)展底層數(shù)組的大小，并且數(shù)組的類型為新元素的類型。

3.  然后將原來的數(shù)組中的元素轉(zhuǎn)為新元素的類型，并放到擴(kuò)展后數(shù)組對應(yīng)的位置。

4.  整數(shù)集合升級后就不會再降級，編碼會一直保持升級后的狀態(tài)。

應(yīng)用場景

Set集合的應(yīng)用場景可以用來「去重、抽獎、共同好友、二度好友」等業(yè)務(wù)類型。接下來模擬一個添加好友的案例實現(xiàn)：

@RequestMapping(value = "/addFriend", method = RequestMethod.POST)  public Long addFriend(User user, String friend) {      String currentKey = null;      // 判斷是否是當(dāng)前用戶的好友      if (AppContext.getCurrentUser().getId().equals(user.getId)) {          currentKey = user.getId.toString();      }      //若是返回0則表示不是該用戶好友      return currentKey==null?0l:setOperations.add(currentKey, friend);  }

假如兩個用戶A和B都是用上上面的這個接口添加了很多的自己的好友，那么有一個需求就是要實現(xiàn)獲取A和B的共同好友，那么可以進(jìn)行如下操作：

public Set intersectFriend(User userA, User userB) {      return setOperations.intersect(userA.getId.toString(), userB.getId.toString());  }

舉一反三，還可以實現(xiàn)A用戶自己的好友，或者B用戶自己的好友等，都可以進(jìn)行實現(xiàn)。

ZSet集合

ZSet是有序集合，從上面的圖中可以看到ZSet的底層實現(xiàn)是ziplist和skiplist實現(xiàn)的，ziplist上面已經(jīng)詳細(xì)講過，這里來講解skiplist的結(jié)構(gòu)實現(xiàn)。

skiplist也叫做「跳躍表」，跳躍表是一種有序的數(shù)據(jù)結(jié)構(gòu)，它通過每一個節(jié)點(diǎn)維持多個指向其它節(jié)點(diǎn)的指針，從而達(dá)到快速訪問的目的。

skiplist有如下幾個特點(diǎn)：

1. 鴻蒙官方戰(zhàn)略合作共建——HarmonyOS技術(shù)社區(qū)

2.  有很多層組成，由上到下節(jié)點(diǎn)數(shù)逐漸密集，最上層的節(jié)點(diǎn)最稀疏，跨度也最大。

3.  每一層都是一個有序鏈表，至少包含兩個節(jié)點(diǎn)，頭節(jié)點(diǎn)和尾節(jié)點(diǎn)。

4.  每一層的每一個每一個節(jié)點(diǎn)都含有指向同一層下一個節(jié)點(diǎn)和下一層同一個位置節(jié)點(diǎn)的指針。

5.  如果一個節(jié)點(diǎn)在某一層出現(xiàn)，那么該以下的所有鏈表同一個位置都會出現(xiàn)該節(jié)點(diǎn)。

具體實現(xiàn)的結(jié)構(gòu)圖如下所示：

在跳躍表的結(jié)構(gòu)中有head和tail表示指向頭節(jié)點(diǎn)和尾節(jié)點(diǎn)的指針，能快速的實現(xiàn)定位。level表示層數(shù)，len表示跳躍表的長度，BW表示后退指針，在從尾向前遍歷的時候使用。

BW下面還有兩個值分別表示分值（score）和成員對象（各個節(jié)點(diǎn)保存的成員對象）。

跳躍表的實現(xiàn)中，除了最底層的一層保存的是原始鏈表的完整數(shù)據(jù)，上層的節(jié)點(diǎn)數(shù)會越來越少，并且跨度會越來越大。

跳躍表的上面層就相當(dāng)于索引層，都是為了找到最后的數(shù)據(jù)而服務(wù)的，數(shù)據(jù)量越大，條表所體現(xiàn)的查詢的效率就越高，和平衡樹的查詢效率相差無幾。

應(yīng)用場景

因為ZSet是有序的集合，因此ZSet在實現(xiàn)排序類型的業(yè)務(wù)是比較常見的，比如在首頁推薦10個最熱門的帖子，也就是閱讀量由高到低，排行榜的實現(xiàn)等業(yè)務(wù)。

下面就選用獲取排行榜前前10名的選手作為案例實現(xiàn)，實現(xiàn)的代碼如下所示：

@Autowired  private RedisTemplate redisTemplate;  /**   * 獲取前10排名   * @return   */      public static List<levelVO > getZset(String key, long baseNum, LevelService levelService){          ZSetOperations<Serializable, Object> operations = redisTemplate.opsForZSet();          // 根據(jù)score分?jǐn)?shù)值獲取前10名的數(shù)據(jù)          Set<ZSetOperations.TypedTuple<Object>> set = operations.reverseRangeWithScores(key,0,9);          List<LevelVO> list= new ArrayList<LevelVO>();          int i=1;          for (ZSetOperations.TypedTuple<Object> o:set){              int uid = (int) o.getValue();              LevelCache levelCache = levelService.getLevelCache(uid);              LevelVO levelVO = levelCache.getLevelVO();              long score = (o.getScore().longValue() - baseNum + levelVO .getCtime())/CommonUtil.multiplier;              levelVO .setScore(score);              levelVO .setRank(i);              list.add( levelVO );              i++;          }          return list;      }

看完上述內(nèi)容，你們對Redis中都有哪些數(shù)據(jù)結(jié)構(gòu)有進(jìn)一步的了解嗎？如果還想了解更多知識或者相關(guān)內(nèi)容，請關(guān)注億速云行業(yè)資訊頻道，感謝大家的支持。