1. Redis集合与有序集合深度解析
Redis作为高性能键值数据库，其Set（集合）和ZSet（有序集合）是两种极具特色的数据结构。在实际项目中，我经常用它们来处理需要快速查询和排序的场景。今天就来详细剖析这两种数据结构的特性和典型应用。
集合（Set）是String类型的无序集合，最大特点是不允许重复元素。而有序集合（ZSet）在集合基础上为每个元素关联一个分数（score），使得元素可以按分数排序。这两种结构在排行榜、去重、社交关系等场景中表现尤为出色。
2. 核心命令与使用场景
2.1 集合(Set)基础操作
集合最常用的三个命令是SADD、SMEMBERS和SISMEMBER：
# 添加元素 r.sadd('user:1001:follow', 'user:1002', 'user:1003') # 获取所有元素 followers = r.smembers('user:1001:follow') # 检查元素是否存在 if r.sismember('user:1001:follow', 'user:1002'): print("已关注")集合运算在实际开发中非常实用：
# 共同关注（交集） common_follow = r.sinter('user:1001:follow', 'user:1002:follow') # 推荐关注（差集） recommend = r.sdiff('user:1002:follow', 'user:1001:follow')注意：当集合元素较多时，SMEMBERS可能阻塞Redis。可以考虑使用SSCAN进行分批获取。
2.2 有序集合(ZSet)核心操作
有序集合的基本操作示例：
# 添加元素（分数在前） r.zadd('leaderboard', {'player1': 1000, 'player2': 850}) # 获取前10名（带分数） top10 = r.zrevrange('leaderboard', 0, 9, withscores=True) # 获取玩家排名（从0开始） rank = r.zrevrank('leaderboard', 'player1')范围查询是ZSet的杀手锏：
# 获取800-900分的玩家 players = r.zrangebyscore('leaderboard', 800, 900) # 删除分数低于600的玩家 r.zremrangebyscore('leaderboard', '-inf', 600)3. 底层实现原理
3.1 集合的intset与hashtable
Redis集合会根据元素数量和类型自动选择编码方式：
- intset：当元素都是整数且数量较少时（默认≤512个）
- hashtable：其他情况
可以通过配置修改转换阈值：
config set set-max-intset-entries 10243.2 有序集合的ziplist与skiplist
有序集合同样有编码转换：
- ziplist：元素数量少（默认≤128个）且元素长度小（默认≤64字节）
- skiplist+dict：其他情况
配置参数：
zset-max-ziplist-entries 128 zset-max-ziplist-value 64跳表（skiplist）是ZSet实现排序的关键，平均查找复杂度O(logN)。每个节点包含：
- 元素值
- 分数
- 后退指针
- 层级数组（包含前进指针和跨度）
4. 性能优化实践
4.1 大集合处理技巧
当集合元素超过1万时，需要注意：
- 避免使用SMEMBERS，改用SSCAN
cursor = 0 while True: cursor, elements = r.sscan('large_set', cursor, count=100) process(elements) if cursor == 0: break- 集合运算可以考虑放到客户端处理
# 替代SINTERSTORE set1 = r.smembers('set1') set2 = r.smembers('set2') result = set1 & set24.2 有序集合分片策略
对于超大型排行榜（如全网用户排名），可以考虑：
- 按时间分片：daily_leaderboard:20230701
- 按ID范围分片：leaderboard_shard_{0..9}
- 二级索引：存储用户所在分片
def get_user_rank(user_id): shard_id = hash(user_id) % 10 return r.zrevrank(f'leaderboard_shard_{shard_id}', user_id)5. 典型应用场景实现
5.1 实时排行榜系统
完整实现示例：
class Leaderboard: def __init__(self, redis, key): self.r = redis self.key = key def add_score(self, user_id, score): # 使用INCRBY保证原子性 self.r.zincrby(self.key, score, user_id) def get_top(self, n, with_scores=False): return self.r.zrevrange(self.key, 0, n-1, withscores=with_scores) def get_rank(self, user_id): return self.r.zrevrank(self.key, user_id) def get_around(self, user_id, radius=2): rank = self.get_rank(user_id) start = max(0, rank - radius) end = rank + radius return self.r.zrevrange(self.key, start, end, withscores=True)5.2 社交关系处理
共同好友与二度人脉实现：
def get_common_friends(user1, user2): return r.sinter(f'user:{user1}:friends', f'user:{user2}:friends') def get_second_degree(user_id): # 获取好友的好友（排除直接好友） friends = r.smembers(f'user:{user_id}:friends') pipeline = r.pipeline() for friend in friends: pipeline.smembers(f'user:{friend}:friends') all_friends = set() for result in pipeline.execute(): all_friends.update(result) return all_friends - friends6. 踩坑经验与问题排查
6.1 常见问题解决
- ZSCORE返回nil：先检查key是否存在，再确认member是否存在
if r.exists('leaderboard') and r.zscore('leaderboard', 'user1') is None: print("用户不在排行榜中")- 集合运算内存问题：大集合运算可能导致Redis内存激增
# 错误方式（可能OOM） result = r.sinter('big_set1', 'big_set2') # 正确方式（使用SINTERSTORE存储到新key） r.sinterstore('temp_result', 'big_set1', 'big_set2') result = r.smembers('temp_result') r.delete('temp_result')6.2 性能监控指标
重要监控项：
- set_max_intset_entries：集合编码转换阈值
- zset_max_ziplist_entries：有序集合编码转换阈值
- slowlog：记录慢查询
# 查看内存优化情况 print(r.memory_usage('large_set')) print(r.object('encoding', 'large_set'))我在实际项目中总结的经验是：对于频繁读取的热点数据，即使元素较多，也可以考虑保持ziplist编码以减少内存占用，但要注意写操作的性能影响。
