Redis常用数据结构以及多并发场景下的使用分析:Set类型

发布于:2025-07-08 ⋅ 阅读:(21) ⋅ 点赞:(0)

前言

我们已经分析了三种不同数据类型 在redis中的使用 以及底层的数据结构

Redis常用数据结构以及多并发场景下的使用分析:String类型
Redis常用数据结构以及多并发场景下的使用分析:Hash类型
Redis常用数据结构以及多并发场景下的使用分析:List类型

接下来 我们要来分析下 set的基本使用

redis中的set结构

按照惯例首先还是需要搞清楚 redis中的 set 结构是怎样去处理的

Redis 中 Set 类型的两种底层实现方式:intset(整数集合) 和 hashtable(哈希表)
查找、插入、删除时间复杂度为O(1)

intset(整数集合)

所有元素都是整数(可以转为 long 类型);

元素个数小于 set-max-intset-entries(默认 512);

特点:

连续内存:底层是一个连续的数组(有序数组 优势利用上了 内存的局部性 所以是连续内存 )
查找:使用二分查找(因为数组是有序的)
插入:时保持有序(需要移动数组)

hashtable(哈希表)

元素中存在非整数(如字符串、UUID、中文等);

或者元素数量超过 set-max-intset-entries(默认512);

或者手动添加一个大字符串,也会触发升级。

特点:

哈希表结构:底层是一个 dict;

插入查找效率 O(1):基于哈希函数定位;

空间占用较大:因为要维护哈希桶和冲突处理结构;

支持任意类型元素(比如 "abc", "hello", "uuid");

看完基本介绍 不知道你是否有以下的疑问?

疑问1 :为什么使用数组后 整体时间复杂度还是O(1)

前面说了intset是一个内存连续 并且内部integer 连续的数组 采用二分查找 我们都只带二分查找时间复杂度是O(logn)而不是O(1) 为什么还是O(1)呢?

解答:

那就是因为 集合较小(只有512个元素),在实践中表现为“常数时间”—— 所以平均复杂度可认为是 O(1)。

疑问2: set特性是无序的那为什么当元素少的时候 用连续数组 去存储呢?

解答:

高效性 + 空间紧凑性。

内存连续性 为了 利用上 CPU Cache 缓存的机制 尽管查找用的是 二分查找 O(log n),但数据小、内存局部性好,速度非常快

疑问3:当元素少于512的时候即使用intset存储的时候 是如何维护唯一性的?

解答:

先二分查找,发现已经存在元素就不插入

疑问4: set底层的hashtable 如何处理hash冲突的 对比redis 的Hash类型的处理策略

Set 类型:

Set 的底层是 dict,插入元素之前 Redis 会先判断:

当前 key 是否已经存在于某个 hash 桶的链表中(即元素是否存在)

插入逻辑如下:

if (dictFind(set, value) == NULL) {
    dictAdd(set, value); // 插入
}

如果哈希冲突,但值不相等(链表中找不到值),会继续插入;

如果值已经存在(即链表中有相同元素),则不插入,保持唯一性。

结论:

Set 类型允许哈希冲突,只要值不同就能插入;

不允许值重复,即使哈希值一样,Redis 也会用 memcmp 判断值是否相等

Hash 类型(field-value 映射):
Hash 类型本质是:

dict<field, value>

与 Set 类似:

冲突时使用链式哈希解决

同一个 field 不允许重复,如果 field 已存在,则更新 value

插入逻辑:

dictReplace(hash, field, value);  // 如果存在就覆盖

总结:

Set:
bucket[5] --> ["apple"] --> ["banana"]      // 值不能重复,但可以 hash 冲突

Hash:
bucket[5] --> ["name" => "Tom"] --> ["age" => 20] // key 冲突则更新 value

实际看看 intset 和hashtable 的底层存储数据区别

设计一个实验去看插入519个数据之前 和 插入520个数据的区别

@Service
@RequiredArgsConstructor
@Slf4j
public class SetEncodingDemoService {

    private final RedisTemplate<String, String> redisTemplate;

    // key for testing
    private static final String SET_KEY = "demo:set:encoding";

    // 清空 & 初始化测试
    public void runEncodingTest() {
        redisTemplate.delete(SET_KEY);

        log.info("开始添加整数元素,触发 intset -> hashtable 升级演示");

        // 1. 添加 500 个整数(仍为 intset 编码)
        IntStream.range(0, 500).forEach(i -> {
            redisTemplate.opsForSet().add(SET_KEY, String.valueOf(i));
        });
        log.info("添加 500 个整数完成,请用命令 `debug object demo:set:encoding` 查看编码,预计为 intset");

       // 2. 继续添加超过限制,触发升级
        IntStream.range(500, 520).forEach(i -> {
            redisTemplate.opsForSet().add(SET_KEY, String.valueOf(i));
       });
        log.info( 添加第 520 个整数完成,预计编码变为 hashtable");

    }
}

测试类

@SpringBootTest
class SetEncodingDemoServiceTest {
    @Autowired
    private SetEncodingDemoService setEncodingDemoService;

    @Test
    public void testEncodingChange() {
        setEncodingDemoService.runEncodingTest();
    }
}

分别执行步骤 1 和步骤 2:
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

可以非常详细的看到 内部数据结构由intset 变成了hashtable

使用例子

okok 我们已经了解了 set底层为整数数组+hashtable 那么接下来我们就来看看实际的使用例子
wait 稍等一下 set 有哪些常见的使用场景

特异元素都多少个? 求交并集?元素是否存在?

ok 那不就是可以使用这些场景吗

在线用户统计(去重)

记录所有在线用户,使用 Set 去重,并可实时获取当前在线用户数量。

redis结构:

// userID加入
SADD online:users userId
// 求在key(online:users)下有多少个userID
SCARD online:users
// 移除online:users userId 元素
SREM online:users userId
@Service
@RequiredArgsConstructor
public class OnlineUserService {

    private final RedisTemplate<String, Object> redisTemplate;
    private static final String ONLINE_USER_KEY = "online:users";

    // 用户上线
    public void userOnline(String userId) {
        redisTemplate.opsForSet().add(ONLINE_USER_KEY, userId);
    }

    // 用户下线
    public void userOffline(String userId) {
        redisTemplate.opsForSet().remove(ONLINE_USER_KEY, userId);
    }

    // 获取当前在线人数
    public long getOnlineCount() {
        return redisTemplate.opsForSet().size(ONLINE_USER_KEY);
    }

    // 获取所有在线用户
    public Set<Object> getAllOnlineUsers() {
        return redisTemplate.opsForSet().members(ONLINE_USER_KEY);
    }
}

相似度计算(用户标签交集)

为每个用户打标签,利用标签集合之间的交集计算相似度(如推荐系统)。

redis结构

// 给user:tags:uid123  打上三个标签
SADD user:tags:uid123 "java" "redis" "ai"
// 给user:tags:uid456  打上三个标签
SADD user:tags:uid456 "java" "kafka" "ai"
// 求交集
SINTER user:tags:uid123 user:tags:uid456
@Service
@RequiredArgsConstructor
public class UserTagSimilarityService {

    private final RedisTemplate<String, Object> redisTemplate;

    // 为用户添加标签
    public void addTags(String userId, String... tags) {
        String key = "user:tags:" + userId;
        redisTemplate.opsForSet().add(key, (Object[]) tags);
    }

    // 获取两个用户的共同标签(交集)
    public Set<Object> getCommonTags(String uid1, String uid2) {
        String key1 = "user:tags:" + uid1;
        String key2 = "user:tags:" + uid2;
        return redisTemplate.opsForSet().intersect(key1, key2);
    }

    // 相似度得分(交集大小 / 并集大小)
    public double computeSimilarity(String uid1, String uid2) {
        String k1 = "user:tags:" + uid1;
        String k2 = "user:tags:" + uid2;
        Set<Object> inter = redisTemplate.opsForSet().intersect(k1, k2);
        Set<Object> union = redisTemplate.opsForSet().union(k1, k2);
        if (union == null || union.isEmpty()) return 0.0;
        return (double) inter.size() / union.size();
    }
}

秒杀活动参与者去重

高并发下秒杀活动记录用户参与,每个用户只能参与一次。

Redis 结构:

// seckill:activity:10001 下 增加一个 userId
SADD seckill:activity:10001 userId
@Service
@RequiredArgsConstructor
public class SeckillService {

    private final RedisTemplate<String, Object> redisTemplate;

    // 秒杀参与:返回是否成功(是否重复)
    public boolean tryJoinSeckill(String activityId, String userId) {
        String key = "seckill:activity:" + activityId;
        Long added = redisTemplate.opsForSet().add(key, userId);
        return added != null && added > 0;
    }

    // 获取参与人数
    public long getJoinCount(String activityId) {
        return redisTemplate.opsForSet().size("seckill:activity:" + activityId);
    }

    // 判断用户是否参与过
    public boolean hasJoined(String activityId, String userId) {
        return Boolean.TRUE.equals(redisTemplate.opsForSet().isMember("seckill:activity:" + activityId, userId));
    }
}

总结:

场景 Redis Key 样例 操作 高并发优势
在线用户统计 online:users SADD / SCARD 去重 + 实时查询人数
用户相似度分析 user:tags:uid123 SINTER / SUNION 集合交集操作原子且高效
秒杀用户去重 seckill:activity:10001 SADD 去重保证每人只能参与一次

总结

Set类型的并发优势:

原子性:所有Set操作都是原子的
去重特性:自动处理重复数据
高性能:O(1)时间复杂度的添加/删除/查询
集合运算:支持交集、并集、差集等复杂操作
内存高效:紧凑的数据结构


网站公告

今日签到

点亮在社区的每一天
去签到