Redis 中存在哪些高级数据结构和模块？

Question

Accepted Answer

除了核心类型外，Redis 提供了专门的数据结构 — **HyperLogLog**、**bitmaps**、**geospatial**、**bitfields** — 和 **modules**（RedisJSON、RediSearch、RedisTimeSeries、RedisBloom）来高效地为特定用例扩展 Redis。

## HyperLogLog — 近似唯一计数

```bash
# count UNIQUE items using tiny, fixed memory (~12KB) with ~0.81% error
PFADD visitors:today "user1" "user2" "user3"
PFCOUNT visitors:today          # approximate count of unique visitors
PFMERGE visitors:week visitors:mon visitors:tue   # merge HLLs
# → counts millions of uniques in ~12KB (a Set would need huge memory!)
```

**HyperLogLog** 使用微小的固定内存估计基数（唯一计数）— 适合在大规模环境中计数唯一访问者、IP 或事件，在这种情况下精确计数会消耗大量内存。

## Bitmaps 和 bitfields — 紧凑标志

```bash
# bitmaps: bit-per-item flags (very memory-efficient)
SETBIT active:2024-01-15 1000 1      # mark user 1000 active today
BITCOUNT active:2024-01-15           # how many users were active (count set bits)
BITOP AND active:both d1 d2          # users active BOTH days (bitwise AND)
# → track daily active users for millions in a few KB per day
```

**Bitmaps** 以极其紧凑的方式存储每项一位的标志 — 非常适合日活跃用户跟踪、每个用户的功能标志以及大规模在线状态。

## Geospatial — 位置查询

```bash
GEOADD places 13.361 38.115 "Palermo"      # add a location (lng, lat)
GEOSEARCH places FROMMEMBER "Palermo" BYRADIUS 200 km ASC   # find nearby
```

## Redis 模块 — 扩展 Redis

```text
RedisJSON      → store/query JSON documents natively (paths, partial updates)
RediSearch     → full-text search and secondary indexing on Redis data
RedisTimeSeries→ time-series data (metrics, IoT) with downsampling/aggregation
RedisBloom     → Bloom filters / Cuckoo filters (probabilistic membership)
RedisGraph (legacy), and others
→ Modules turn Redis into a multi-model platform (Redis Stack bundles popular ones).
```

## 为什么这很重要

理解 Redis 的高级数据结构和模块是一项有价值的高级知识，能够**通过 Redis 高效地解决专门问题**，并扩展 Redis 在核心类型之外的功能。

**概率/紧凑结构**对于大规模应用特别强大：**HyperLogLog**（在微小的固定内存中估计唯一计数 ~12KB，非常适合计数唯一访问者/IP/事件，在这种情况下通过集合进行精确计数会非常昂贵 — 一个显著的内存优势）、**bitmaps**（每项一位的标志，以几 KB 的空间为数百万个日活跃用户存储数据，配有用于分析的高效按位操作）和 **bitfields** — 这些解决了真实的大规模问题（基数、在线状态跟踪、标志），具有显著的内存效率，难以用其他方式实现。**Geospatial** 支持直接在 Redis 中进行位置查询。

**模块** — RedisJSON（原生 JSON 文档）、RediSearch（全文搜索和二级索引）、RedisTimeSeries（具有聚合功能的时间序列/指标）、RedisBloom（概率成员判定过滤器）— 将 Redis 扩展为**多模型平台**（在 Redis Stack 中捆绑），使其能够处理搜索、JSON、时间序列和概率用例，这些用例在其他情况下需要单独的系统。

理解这些知识可以让您为特定需求高效地利用 Redis，而不是采用额外的基础设施或接受较差的内存/性能。

由于大规模唯一计数、在线状态跟踪、搜索、时间序列、JSON 等专门问题在实际系统中出现，并且由于 Redis 的高级结构（HyperLogLog、bitmaps、geospatial）和模块（RedisJSON、RediSearch、RedisTimeSeries、RedisBloom）能够高效地解决这些问题，理解 Redis 的高级数据结构和模块是一项有价值的高级知识，展示了 Redis 作为多功能多模型平台的全部功能，使能够为专门问题提供优雅、内存高效的解决方案，并体现了超越常见缓存用例的深厚 Redis 专业知识。