学会这一篇，Redis 数据结构题全拿下！（附经典场景举例）

最新推荐文章于 2025-12-19 21:59:06 发布

原创最新推荐文章于 2025-12-19 21:59:06 发布 · 649 阅读

5 ·

CC 4.0 BY-SA版权

文章标签：

#junit #面试

在面试高频考点中，Redis数据结构相关问题常年占据技术岗TOP3。作为经历过20+场大厂面试的开发者，我总结出一套"数据结构+底层原理+场景化应用"的黄金解题框架。本文将结合真实项目案例，深度解析Redis五大核心数据结构的实战技巧。

一、String：不只是简单的键值对

底层实现三重奏

int编码：当存储整数值时（如SET num 100），Redis会直接使用8字节长整型存储，内存占用仅8B
embstr编码：短字符串（≤39B）采用连续内存空间，减少内存碎片
raw编码：长字符串（>39B）使用动态字符串（SDS）结构，支持二进制安全存储

实战案例：在电商秒杀系统中，我们用String实现分布式锁：

java

// 使用Redisson实现可重入锁
RLock lock = redissonClient.getLock("seckill_lock");
try {
    if (lock.tryLock(3, 10, TimeUnit.SECONDS)) {
        // 执行库存扣减逻辑
        String stockKey = "product:1001:stock";
        Long stock = redisTemplate.opsForValue().decrement(stockKey);
        if (stock < 0) {
            // 库存不足处理
            redisTemplate.opsForValue().increment(stockKey);
            throw new RuntimeException("库存不足");
        }
    }
} finally {
    lock.unlock();
}

性能优化：通过SETNX + EXPIRE组合命令实现基础锁时，需用Lua脚本保证原子性：

lua

-- 原子化获取锁并设置过期时间
if redis.call("SETNX", KEYS[1], ARGV[1]) == 1 then
    redis.call("EXPIRE", KEYS[1], ARGV[2])
    return 1
else
    return 0
end

二、Hash：对象存储的降维打击

编码转换阈值

字段数<512且所有字段值<64B → ziplist编码
超过阈值 → hashtable编码

实战案例：在社交平台用户信息缓存中，我们采用分拆策略优化性能：

java

// 基础信息使用Hash存储
redisTemplate.opsForHash().put("user:1001:base", "name", "Alice");
redisTemplate.opsForHash().put("user:1001:base", "age", "28");

// 复杂关系使用单独Key
redisTemplate.opsForSet().add("user:1001:followers", "1002", "1003");

性能对比：

操作类型	Hash方案	多个String方案
获取用户基础信息	HGETALL（1次网络IO）	MGET（N次网络IO）
更新单个字段	HSET（O(1)）	SET（覆盖整个对象）
内存占用	约节省40%	-

三、List：消息队列的轻量级方案

双向链表特性

LPUSH/RPOP实现栈结构
LPUSH/BRPOP实现阻塞队列
LTRIM实现固定长度队列

实战案例：在日志处理系统中，我们用List实现异步削峰：

java

// 生产者（日志收集服务）
public void collectLog(String log) {
    redisTemplate.opsForList().leftPush("system:logs", log);
    // 控制队列长度防止内存溢出
    redisTemplate.opsForList().trim("system:logs", 0, 9999);
}

// 消费者（分析服务）
public List<String> consumeLogs() {
    // 阻塞式获取，超时时间5秒
    return redisTemplate.opsForList().rightPop("system:logs", 5, TimeUnit.SECONDS);
}

高可用方案：当需要多消费者时，可结合Pub/Sub模式：

java

// 订阅日志频道
redisTemplate.getConnectionFactory().getConnection().subscribe((message, pattern) -> {
    System.out.println("Received log: " + new String(message.getBody()));
}, "log.channel".getBytes());

四、Set：社交关系的魔法口袋

集合运算实战

共同关注：SINTER user1:follow user2:follow
推荐好友：SDIFF user1:follow user1:block
随机抽奖：SRANDMEMBER prize:pool 3

性能数据：在百万级数据量下：

SINTER操作平均耗时：1.2ms
SADD操作QPS：8.5万/秒
SMEMBERS操作（慎用）：当集合元素>1000时建议改用SSCAN

实战案例：在电商推荐系统中，我们这样实现"猜你喜欢"：

java

// 获取用户浏览历史
Set<String> viewedProducts = redisTemplate.opsForSet().members("user:1001:viewed");

// 获取同类目热销商品（排除已浏览）
Set<String> hotProducts = redisTemplate.opsForSet().difference(
    "category:100:hot", 
    viewedProducts
);

// 随机推荐5个
List<String> recommendations = redisTemplate.opsForSet().randomMember("category:100:hot", 5);

五、Sorted Set：排行榜的终极武器

跳跃表实现原理

平均O(logN)复杂度查找
支持范围查询（ZREVRANGEBYSCORE）
成员唯一但分数可重复

实战案例：在直播平台礼物排行榜中，我们这样实现：

java

// 用户送礼
public void sendGift(String userId, String roomId, int giftValue) {
    String rankKey = "room:" + roomId + ":rank";
    redisTemplate.opsForZSet().incrementScore(rankKey, userId, giftValue);
    
    // 设置分数过期时间（每日清零）
    redisTemplate.expire(rankKey, 1, TimeUnit.DAYS);
}

// 获取TOP10
public List<ZSetOperation.TypedTuple<String>> getTop10(String roomId) {
    String rankKey = "room:" + roomId + ":rank";
    Set<ZSetOperation.TypedTuple<String>> tuples = redisTemplate.opsForZSet()
        .reverseRangeWithScores(rankKey, 0, 9);
    return new ArrayList<>(tuples);
}

性能优化技巧：

使用ZADD的NX/XX选项实现条件更新
批量操作使用ZADD key score1 member1 [score2 member2 ...]
大数据量分页查询使用ZRANGE key start stop WITHSCORES

六、进阶数据结构实战

HyperLogLog：亿级UV统计

java

// 添加用户访问
redisTemplate.opsForHyperLogLog().add("20251105:uv", "user1001");

// 合并多个日期统计
RedisConnection connection = redisTemplate.getConnectionFactory().getConnection();
connection.pfMerge("week:uv", 
    "20251101:uv".getBytes(), 
    "20251102:uv".getBytes()
);

// 获取估算值
Long uvCount = redisTemplate.opsForHyperLogLog().size("20251105:uv");

Bitmap：用户行为分析

java

// 记录用户签到
public void signIn(String userId, LocalDate date) {
    String key = "sign:" + date.toString();
    redisTemplate.opsForValue().setBit(key, Long.parseLong(userId) % 365, true);
}

// 统计连续签到
public long getContinuousSignDays(String userId, LocalDate date) {
    String key = "sign:" + date.toString();
    long dayIndex = Long.parseLong(userId) % 365;
    long continuousDays = 0;
    
    while (redisTemplate.opsForValue().getBit(key, dayIndex - continuousDays)) {
        continuousDays++;
        if (dayIndex - continuousDays < 0) break;
    }
    return continuousDays;
}

七、面试高频问题解析

Q1：Redis为什么这么快？

内存存储：内存访问比磁盘快10万倍
单线程模型：避免线程切换开销
高效数据结构：SDS字符串、跳跃表、压缩列表等
I/O多路复用：epoll/kqueue实现高并发

Q2：如何选择数据结构？

场景	推荐结构	替代方案
计数器	String（INCR）	Hash
对象缓存	Hash	多个String
排行榜	Sorted Set	-
消息队列	List	Stream/Kafka
随机抽奖	Set	Sorted Set

Q3：大Key问题如何解决？

拆分策略：
- Hash拆分为多个小Hash
- List拆分为多个分段List

监控手段：

bash

# 扫描大Key
redis-cli --bigkeys
# 内存分析
redis-cli --stat

渐进式处理：使用HSCAN/SSCAN等命令分批处理

八、实战经验总结

数据结构选择三原则：
- 原子性需求优先String
- 对象存储优先Hash
- 排序需求优先Sorted Set
性能优化黄金法则：
- 避免使用SMEMBERS/HGETALL等全量获取命令
- 大集合操作使用SCAN系列命令
- 批量操作使用Pipeline/MGET/MSET
高可用方案：
- 重要数据设置过期时间
- 使用Redisson等成熟客户端
- 结合本地缓存实现多级缓存

通过掌握这些核心数据结构和实战技巧，我成功通过了阿里、腾讯、字节等大厂的Redis面试。建议大家在理解原理的基础上，多在实际项目中应用，才能真正掌握这些技术的精髓。