第 3 章:五种数据结构,五个真实场景
Redis 有五种基础结构。选错结构不是"慢一点",而是"这件事根本做不对"。
学习目标
- 五种结构各对应一类业务形状,看到需求能立刻对上
- 每结构掌握三条核心命令,能写出可跑的 Python
- 知道每个结构最常见的误用方式
- 用一张决策图,从需求推到结构
3.1 先看一张对照图
3.2 String:计数与缓存
最朴素的结构,一个 key 一个值。两个高频用法:
# ① 库存扣减:原子操作,不会超卖
r.set("book:1001:stock", 5)
r.decr("book:1001:stock") # 4
r.decrby("book:1001:stock", 2) # 2
# ② 缓存一段 JSON,5 分钟过期
r.set("book:1001:detail", json.dumps(book, ensure_ascii=False), ex=300)坑一:GET 之后 SET 不是原子操作。 两个人同时读到库存 1,都判断"够",都减一,结果变成 -1。要么用 DECR(原子),要么用 WATCH + 事务,要么用 Lua。
坑二:SETNX 才是"只设一次"。 SET 会覆盖,SETNX 在 key 已存在时返回 0——这是分布式锁的基础(第 6 章展开)。
3.3 Hash:一个对象
一本书有书名、价格、库存、作者。用 String 存要拆成 book:1001:title、book:1001:price……字段一多就散架。
r.hset("book:1001", mapping={
"title": "深入理解计算机系统",
"price": 139,
"stock": 5,
"author": "Bryant",
})
r.hget("book:1001", "price") # "139"(注意是字符串)
r.hincrby("book:1001", "stock", -1)
r.hgetall("book:1001") # 一次性拿全部字段好处:字段增删不用改 key 设计;坑:HGETALL 一个几万字段的 Hash 会阻塞(第 2 章讲过),大对象要拆开或分页 HSCAN。
3.4 List:队列与"最近 N 条"
List 是两头都能进出的有序列表。
# ① 最近浏览:新的放左边,只保留 10 条
r.lpush("user:1:recent", "book:1001")
r.ltrim("user:1:recent", 0, 9)
r.lrange("user:1:recent", 0, -1)
# ② 简单任务队列:生产端 LPUSH,消费端 BRPOP 阻塞等待
r.lpush("queue:orders", json.dumps({"order_id": 1001}))
item = r.brpop("queue:orders", timeout=5) # 没任务就阻塞 5 秒LTRIM 这个组合很实用:LPUSH + LTRIM = 天然的有界列表,不会无限增长。
坑:List 没有"消费确认"。BRPOP 取走就没了,处理到一半进程崩了,这条任务就丢了。要可靠投递,用第 7 章的 Stream。
3.5 Set:去重与集合运算
# 标签
r.sadd("book:1001:tags", "计算机", "经典", "教材")
r.sadd("book:1002:tags", "计算机", "算法")
r.sinter("book:1001:tags", "book:1002:tags") # {"计算机"}
# 去重计数(比如"今天有多少独立访客")
r.sadd("visit:2026-11-18", "user:1", "user:2", "user:1")
r.scard("visit:2026-11-18") # 2集合运算在服务端完成,不用把数据拉到应用层——这是 Set 相比"查出来再在 Python 里去重"的核心价值。
坑:超大 Set 做 SINTER/SUNION 会很慢,几百万成员的集合要考虑 HyperLogLog(估算基数)或分片。
3.6 ZSet:排行榜与延时队列
有序集合给每个成员一个分数,按分数排序。小书店的销量榜:
# 卖出一本,加 1 分
r.zincrby("rank:books:sales", 1, "book:1001")
# 取前 5 名,带分数,从高到低
r.zrevrange("rank:books:sales", 0, 4, withscores=True)
# 查某本书排第几(从 0 开始)
r.zrevrank("rank:books:sales", "book:1001")延时队列是另一个高频用法:分数存"该执行的时间戳",消费端轮询分数小于当前时间的成员。
# 30 秒后执行
r.zadd("delay:tasks", {json.dumps({"task": "send_sms", "uid": 1}): time.time() + 30})
# 取出到期的(0 到当前时间)
due = r.zrangebyscore("delay:tasks", 0, time.time(), start=0, num=10)坑:ZADD 的成员必须全局唯一。两条待发短信内容一样,会覆盖成一条——要加唯一后缀(比如 uid:timestamp)。
3.7 一张决策图
本章小结
| 结构 | 形状 | 典型场景 | 一条要记住的坑 |
|---|---|---|---|
| String | 一个值 | 计数、缓存、锁 | GET 后 SET 不是原子 |
| Hash | 一个对象 | 详情、配置、购物车 | 超大 Hash 的 HGETALL 会阻塞 |
| List | 有序可重复 | 队列、最近 N 条 | 没有消费确认,会丢任务 |
| Set | 无序不重复 | 标签、去重、共现 | 超大集合的交并很慢 |
| ZSet | 带分数有序 | 排行榜、延时队列 | 成员唯一,重复会覆盖 |
下一章
结构选好了,接着问一个更基础的问题:这些 key 什么时候消失?内存满了会发生什么?下一章讲 TTL、淘汰策略和内存估算——这也是线上事故最集中的地方。