--- icon: logos:redis title: Redis 面试之数据类型篇 cover: https://raw.githubusercontent.com/dunwu/images/master/snap/202503110803916.jpg date: 2020-07-13 17:03:42 categories: - 数据库 - KV数据库 - redis tags: - 数据库 - KV 数据库 - redis - 面试 permalink: /pages/bc315f0e/ --- # Redis 面试之数据类型篇 ## Redis 数据类型 ### 【简单】Redis 支持哪些数据类型？ - Redis 支持五种基本数据类型：String（字符串）、Hash（哈希）、List（列表）、Set（集合）、Zset（有序集合）。 - 随着 Redis 版本升级，又陆续支持以下数据类型： BitMap（2.2 版新增）、HyperLogLog（2.8 版新增）、GEO（3.2 版新增）、Stream（5.0 版新增）。 ![](https://raw.githubusercontent.com/dunwu/images/master/202506152022430.png) > **扩展**：[What Redis data structures look like](https://redislabs.com/ebook/part-1-getting-started/chapter-1-getting-to-know-redis/1-2-what-redis-data-structures-look-like/) ### 【简单】Redis 基础数据类型的常见命令有哪些？ #### String 命令 | 命令 | 说明 | | -------- | ----------------------------------- | | `SET` | 存储一个字符串值 | | `SETNX` | 仅当键不存在时，才存储字符串值 | | `GET` | 获取指定 key 的值 | | `MGET` | 获取一个或多个指定 key 的值 | | `INCRBY` | 将 key 中储存的数字加上指定的增量值 | | `DECRBY` | 将 key 中储存的数字减去指定的减量值 | > **扩展**；[Redis String 类型官方命令文档](https://redis.io/commands#string) #### Hash 命令 | 命令 | 行为 | | --------- | -------------------------- | | `HSET` | 将指定字段的值设为 value | | `HGET` | 获取指定字段的值 | | `HGETALL` | 获取所有键值对 | | `HMSET` | 设置多个键值对 | | `HMGET` | 获取所有指定字段的值 | | `HDEL` | 删除指定字段 | | `HINCRBY` | 为指定字段的整数值加上增量 | | `HKEYS` | 获取所有字段 | > **扩展**；[Redis Hash 类型官方命令文档](https://redis.io/commands#hash) #### List 命令 | 命令 | 行为 | | -------- | ------------------------------------------ | | `LPUSH` | 将给定值推入列表的右端。 | | `RPUSH` | 将给定值推入列表的右端。 | | `LPOP` | 从列表的左端弹出一个值，并返回被弹出的值。 | | `RPOP` | 从列表的右端弹出一个值，并返回被弹出的值。 | | `LRANGE` | 获取列表在给定范围上的所有值。 | | `LINDEX` | 获取列表在给定位置上的单个元素。 | | `LREM` | 从列表的左端弹出一个值，并返回被弹出的值。 | | `LTRIM` | 只保留指定区间内的元素，删除其他元素。 | > **扩展**；[Redis List 类型官方命令文档](https://redis.io/commands#list) #### Set 命令 | 命令 | 行为 | | ----------- | ---------------------------------------------- | | `SADD` | 将给定元素添加到集合。 | | `SMEMBERS` | 返回集合包含的所有元素。 | | `SISMEMBER` | 检查给定元素是否存在于集合中。 | | `SREM` | 如果给定的元素存在于集合中，那么移除这个元素。 | > **扩展**；[Redis Set 类型官方命令文档](https://redis.io/commands#set) #### Zset 命令 | 命令 | 行为 | | ------------------ | ------------------------------------------ | | `ZADD` | 将一个带有给定分值的成员添加到有序集合里面 | | `ZRANGE` | 顺序排序，并返回指定排名区间的成员 | | `ZREVRANGE` | 反序排序，并返回指定排名区间的成员 | | `ZRANGEBYSCORE` | 顺序排序，并返回指定排名区间的成员及其分值 | | `ZREVRANGEBYSCORE` | 反序排序，并返回指定排名区间的成员及其分值 | | `ZREM` | 移除指定的成员 | | `ZSCORE` | 返回指定成员的分值 | | `ZCARD` | 返回所有成员数 | > **扩展**；[Redis ZSet 类型官方命令文档](https://redis.io/commands#sorted_set) ### 【中等】Redis 各数据类型的应用场景？ - **String（字符串）** - 缓存对象、分布式 Session、分布式锁、计数器、限流器、分布式 ID 等。 - **Hash（哈希）** - 缓存对象、购物车等。 - **List（列表）** - 消息队列 - **Set（集合）** - 聚合计算（并集、交集、差集），如点赞、共同关注、抽奖活动等。 - **Zset（有序集合）** - 排序场景，如排行榜、电话和姓名排序等。 - **BitMap**（2.2 版新增） - 二值状态统计的场景，比如签到、判断用户登陆状态、连续签到用户总数等； - **HyperLogLog**（2.8 版新增） - 海量数据基数统计的场景，比如百万级网页 UV 计数等； - **GEO**（3.2 版新增） - 存储地理位置信息的场景，比如滴滴叫车； - **Stream**（5.0 版新增） - 消息队列，相比于基于 List 类型实现的消息队列，有这两个特有的特性：自动生成全局唯一消息 ID，支持以消费组形式消费数据。 ![](https://raw.githubusercontent.com/dunwu/images/master/snap/202309232144470.jpg) ### 【困难】Redis 基础数据类型的底层实现是怎样的？ ![](https://raw.githubusercontent.com/dunwu/images/master/202506152022257.png) - **String 类型** - String 类型的底层数据结构是 SDS。SDS 是 Redis 针对字符串类型的优化，具有以下特性： - 常数复杂度获取字符串长度 - 杜绝缓冲区溢出 - 减少修改字符串长度时所需的内存重分配次数 - **List 类型** - 列表对象的编码可以是 `ziplist` 或者 `linkedlist`。当列表对象可以同时满足以下两个条件时，列表对象使用 `ziplist` 编码；否则，使用 `linkedlist` 编码。 - 列表对象保存的所有字符串元素的长度都小于 `64` 字节； - 列表对象保存的元素数量小于 `512` 个； - **Hash 类型** - 哈希对象的编码可以是 `ziplist` 或者 `hashtable`。当哈希对象同时满足以下两个条件时，使用 `ziplist` 编码；否则，使用 `hashtable` 编码。 - 哈希对象保存的所有键值对的键和值的字符串长度都小于 `64` 字节； - 哈希对象保存的键值对数量小于 `512` 个； - **Set 类型** - 集合对象的编码可以是 `intset` 或者 `hashtable`。当集合对象可以同时满足以下两个条件时，集合对象使用 `intset` 编码；否则，使用 `hashtable` 编码。 - 集合对象保存的所有元素都是整数值； - 集合对象保存的元素数量不超过 `512` 个； - **Zset 类型** - 有序集合的编码可以是 `ziplist` 或者 `skiplist`。当有序集合对象可以同时满足以下两个条件时，有序集合对象使用 `ziplist` 编码；否则，使用 `skiplist` 编码。 - 有序集合保存的元素数量小于 `128` 个； - 有序集合保存的所有元素成员的长度都小于 `64` 字节； ### 【困难】Redis 为什么用 `listpack` 替代 `ziplist`？ **`listpack` 是 Redis 5.0 引入的优化结构，用来替代 `ziplist`**，作为 `hash`、`list`、`zset` 数据类型的实现编码之一。 二者对比如下： | 特性 | `ziplist` | `listpack` | | :----------- | :---------------------- | :-------------------------- | | **级联更新** | 可能发生（最坏 `O(n)`） | 完全避免（稳定 `O(1)`） | | **内存占用** | 预留空间可能浪费 | 按需分配，更紧凑 | | **安全性** | 需手动校验边界 | 内置长度校验，防溢出 | | **版本** | Redis 旧版本 | Redis 5.0+ 的 Hash、ZSet 等 | **`ziplist` 的缺陷** - **级联更新问题** - 当修改或删除中间某个元素时，可能引发后续所有节点的内存重分配（因为 `ziplist` 用 **前驱节点长度** 定位数据）。最坏情况下时间复杂度从 `O(1)` 退化到 `O(n)`，影响性能。 - **内存浪费** - `ziplist` 为每个节点预留 **1~5 字节** 存储前驱节点长度（即使实际不需要这么多空间）。对于短小的数据（如小整数），存储开销比例过高。 - **安全性风险** - `ziplist` 对内存布局的强依赖可能导致 **缓冲区溢出**（需严格校验边界）。 **`listpack` 的改进** - **消除级联更新** - 每个节点 **独立存储自身长度**（不再依赖前驱节点）。修改任意节点仅影响当前节点，时间复杂度稳定为 `O(1)`。 - **更紧凑的内存布局** - 节点长度字段采用 **变长编码**（类似 Protobuf 的 Varint），根据实际需求分配 1~5 字节。存储小整数时，长度字段仅需 1 字节。 - **更强的安全性** - 每个节点记录 **总长度** 和 **校验字段**，避免解析越界。 - **兼容性与平滑替换** - `listpack` 的 API 设计兼容 `ziplist`，Redis 内部可无缝迁移（如 Hash、ZSet 的底层实现）。 ### 【困难】为什么 Zset 用跳表实现而不是红黑树、B+树？ - **实现简单性** - 跳表的实现比红黑树简单得多，代码更易于维护和调试。 - 红黑树需要处理复杂的旋转和重新平衡操作，而跳表的平衡是通过概率实现的。 - **范围查询效率** - 跳表在范围查询（如 `zrange`）上表现优异，因为它是基于链表的结构，可以线性遍历。 - 红黑树进行范围查询需要中序遍历，相对复杂。 - B+树虽然也擅长范围查询，但实现复杂度更高。 - **并发性能** - 跳表更容易实现**无锁并发**操作 (Redis 虽然是单线程，但考虑未来扩展） - 红黑树的平衡操作涉及大量指针修改，难以实现高效的并发控制 - **内存效率** - 跳表不需要像 B+ 树那样维护严格的树形结构，内存使用更灵活 - B+树的节点通常设计为填满一定比例，可能造成内存浪费 - **性能平衡** - 跳表的查询、插入、删除操作时间复杂度都是 O(logN)，与红黑树相当 - 跳表的实际性能在实践中表现良好，特别是对于内存数据结构 - Redis 的特殊需求 - Redis 的 Zset 需要同时支持按 score 和按 member 查询，跳表+哈希表的组合完美满足这一需求 - Redis 是内存数据库，不需要考虑 B+树针对磁盘 I/O 优化的特性 ### 【困难】跳表的实现原理是什么？ 跳表是一种可以实现二分查找的有序链表，通过多级索引提升查找效率。跳表的查找、插入、删除操作的时间复杂度均为 O(log n)，与平衡二叉树（如红黑树）接近。 对于一个有序数组，可以使用高效的二分查找法，其时间复杂度为 `O(log n)`。 但是，即使是有序的链表，也只能使用低效的顺序查找，其时间复杂度为 `O(n)`。 ![](https://raw.githubusercontent.com/dunwu/images/master/snap/20220323113532.png) 如何提高链表的查找效率呢？ 我们可以对链表加一层索引。具体来说，可以每两个结点提取一个结点到上一级，我们把抽出来的那一级叫作**索引**或**索引层**。索引节点中通过一个 down 指针，指向下一级结点。通过这样的改造，就可以支持类似二分查找的算法。我们把改造之后的数据结构叫作**跳表**（Skip list）。 ![](https://raw.githubusercontent.com/dunwu/images/master/snap/20220323155309.png) 随着数据的不断增长，一级索引层也变得越来越长。此时，我们可以为一级索引再增加一层索引层：二级索引层。 ![](https://raw.githubusercontent.com/dunwu/images/master/snap/20220323155346.png) 随着数据的膨胀，当二级索引层也变得很长时，我们可以继续为其添加新的索引层。**这种链表加多级索引的结构，就是跳表**。 ![](https://raw.githubusercontent.com/dunwu/images/master/snap/20220323114408.png) **跳表的时间复杂度** - **查找**：从最高级索引开始逐层下沉，每层最多遍历 3 个节点，时间复杂度为 `O(log n)`。 - **插入**：先查找插入位置（`O(log n)`），再随机生成索引层级（`O(log n)`），总时间复杂度为 `O(log n)`。 - **删除**：类似查找过程，删除节点及其索引（`O(log n)`）。 **跳表的空间复杂度** - 索引节点总数为 `n/2 + n/4 + n/8 + … ≈ n`，空间复杂度为 **O(n)**。 - 可通过调整索引密度（如每 3 个节点抽 1 个）减少空间占用，但会牺牲部分查找效率。 ### 【困难】Redis 利用什么机制来实现各种数据结构？ Redis 并没有直接使用这些数据结构来实现键值对数据库， 而是基于这些数据结构创建了一个对象系统， 这个系统包含字符串对象、列表对象、哈希对象、集合对象和有序集合对象这五种类型的对象。 Redis 数据库中的每个键值对的键和值都是一个对象。Redis 共有字符串、列表、哈希、集合、有序集合五种类型的对象， 每种类型的对象至少都有两种或以上的编码方式， 不同的编码可以在不同的使用场景上优化对象的使用效率。 服务器在执行某些命令之前， 会先检查给定键的类型能否执行指定的命令， 而检查一个键的类型就是检查键的值对象的类型。 #### 对象的类型 **Redis 使用对象来表示数据库中的键和值**。每次当我们在 Redis 的数据库中新创建一个键值对时， 我们至少会创建两个对象， 一个对象用作键值对的键（键对象）， 另一个对象用作键值对的值（值对象）。 Redis 中的每个对象都由一个 `redisObject` 结构表示， 该结构中和保存数据有关的三个属性分别是 `type` 属性、 `encoding` 属性和 `ptr` 属性： ```c typedef struct redisObject { // 类型 unsigned type:4; // 编码 unsigned encoding:4; // 指向底层实现数据结构的指针 void *ptr; // ... } robj; ``` 对象的 `type` 属性记录了对象的类型，有以下类型： | 对象 | 对象 `type` 属性的值 | TYPE 命令的输出 | | :----------- | :------------------- | :-------------- | | 字符串对象 | `REDIS_STRING` | `"string"` | | 列表对象 | `REDIS_LIST` | `"list"` | | 哈希对象 | `REDIS_HASH` | `"hash"` | | 集合对象 | `REDIS_SET` | `"set"` | | 有序集合对象 | `REDIS_ZSET` | `"zset"` | Redis 数据库保存的键值对来说， 键总是一个字符串对象， 而值则可以是字符串对象、列表对象、哈希对象、集合对象或者有序集合对象的其中一种。 #### 对象的编码 对象的 `ptr` 指针指向对象的底层实现数据结构， 而这些数据结构由对象的 `encoding` 属性决定。 `encoding` 属性记录了对象所使用的编码， 也即是说这个对象使用了什么数据结构作为对象的底层实现。 Redis 中每种类型的对象都至少使用了两种不同的编码，**不同的编码可以在不同的使用场景上优化对象的使用效率**。 Redis 支持的编码如下所示： | 类型 | 编码 | 对象 | **OBJECT ENCODING** **命令输出** | | :------------- | :-------------------------- | :--------------------------------------------------- | -------------------------------- | | `REDIS_STRING` | `REDIS_ENCODING_INT` | 使用整数值实现的字符串对象。 | "int" | | `REDIS_STRING` | `REDIS_ENCODING_EMBSTR` | 使用 `embstr` 编码的简单动态字符串实现的字符串对象。 | "embstr" | | `REDIS_STRING` | `REDIS_ENCODING_RAW` | 使用简单动态字符串实现的字符串对象。 | "raw" | | `REDIS_LIST` | `REDIS_ENCODING_ZIPLIST` | 使用压缩列表实现的列表对象。 | "ziplist" | | `REDIS_LIST` | `REDIS_ENCODING_LINKEDLIST` | 使用双端链表实现的列表对象。 | "linkedlist" | | `REDIS_HASH` | `REDIS_ENCODING_ZIPLIST` | 使用压缩列表实现的哈希对象。 | "ziplist" | | `REDIS_HASH` | `REDIS_ENCODING_HT` | 使用字典实现的哈希对象。 | "hashtable" | | `REDIS_SET` | `REDIS_ENCODING_INTSET` | 使用整数集合实现的集合对象。 | "intset" | | `REDIS_SET` | `REDIS_ENCODING_HT` | 使用字典实现的集合对象。 | "hashtable" | | `REDIS_ZSET` | `REDIS_ENCODING_ZIPLIST` | 使用压缩列表实现的有序集合对象。 | "ziplist" | | `REDIS_ZSET` | `REDIS_ENCODING_SKIPLIST` | 使用跳表和字典实现的有序集合对象。 | "skiplist" | #### 内存回收 由于 C 语言不支持内存回收，Redis 内部实现了一套基于引用计数的内存回收机制。 每个对象的引用计数信息由 `redisObject` 结构的 `refcount` 属性记录。当对象的引用计数值变为 `0` 时， 对象所占用的内存会被释放。 #### 对象共享 在 Redis 中， 让多个键共享同一个值对象需要执行以下两个步骤： 1. 将数据库键的值指针指向一个现有的值对象； 2. 将被共享的值对象的引用计数增一。 共享对象机制对于节约内存非常有帮助， 数据库中保存的相同值对象越多， 对象共享机制就能节约越多的内存。 Redis 会在初始化服务器时， 共享值为 `0` 到 `9999` #### 对象的空转时长 `redisObject` 的 `lru` 属性记录了对象最后一次被命令程序访问的时间。 如果服务器打开了 `maxmemory` 选项， 并且服务器用于回收内存的算法为 `volatile-lru` 或者 `allkeys-lru` ， 那么当服务器占用的内存数超过了 `maxmemory` 选项所设置的上限值时， 空转时长较高的那部分键会优先被服务器释放， 从而回收内存。 ### 【中等】如何使用 Redis 实现排行榜？ 各种排行榜，如：内容平台（视频、歌曲、文章）的播放量/收藏量/评分排行榜；电商网站的销售排行榜等等，都可以基于 Redis zset 类型来实现。 我们以博文点赞排名为例，dunwu 发表了五篇博文，分别获得赞为 200、40、100、50、150。 ```shell # article:1 文章获得了 200 个赞 > ZADD user:dunwu:ranking 200 article:1 (integer) 1 # article:2 文章获得了 40 个赞 > ZADD user:dunwu:ranking 40 article:2 (integer) 1 # article:3 文章获得了 100 个赞 > ZADD user:dunwu:ranking 100 article:3 (integer) 1 # article:4 文章获得了 50 个赞 > ZADD user:dunwu:ranking 50 article:4 (integer) 1 # article:5 文章获得了 150 个赞 > ZADD user:dunwu:ranking 150 article:5 (integer) 1 ``` 文章 article:4 新增一个赞，可以使用 ZINCRBY 命令（为有序集合 key 中元素 member 的分值加上 increment）： ```shell > ZINCRBY user:dunwu:ranking 1 article:4 "51" ``` 查看某篇文章的赞数，可以使用 ZSCORE 命令（返回有序集合 key 中元素个数）： ```shell > ZSCORE user:dunwu:ranking article:4 "50" ``` 获取 dunwu 文章赞数最多的 3 篇文章，可以使用 ZREVRANGE 命令（倒序获取有序集合 key 从 start 下标到 stop 下标的元素）： ```shell # WITHSCORES 表示把 score 也显示出来 > ZREVRANGE user:dunwu:ranking 0 2 WITHSCORES 1) "article:1" 2) "200" 3) "article:5" 4) "150" 5) "article:3" 6) "100" ``` 获取 dunwu 100 赞到 200 赞的文章，可以使用 ZRANGEBYSCORE 命令（返回有序集合中指定分数区间内的成员，分数由低到高排序）： ```shell > ZRANGEBYSCORE user:dunwu:ranking 100 200 WITHSCORES 1) "article:3" 2) "100" 3) "article:5" 4) "150" 5) "article:1" 6) "200" ``` ### 【中等】如何使用 Redis 实现百万级网页 UV 计数？ Redis HyperLogLog 是 Redis 2.8.9 版本新增的数据类型，是一种**用于“统计基数”的数据集合类型**，基数统计就是指统计一个集合中不重复的元素个数。但要注意，**HyperLogLog 是统计规则是基于概率完成的，不是非常准确，标准误算率是 0.81%**（统计结果为 100 万时，实际可能在 99.19 万~100.81 万之间）。 **核心优势** - **极低内存占用**：仅需 **12 KB** 内存，即可统计接近 **2^64** 个元素的基数（如 UV 统计）。 - **适合海量数据**：相比 `Set`/`Hash`（元素越多内存消耗越大），HyperLogLog 在**百万级以上数据**场景中优势显著。 **适用场景** - **网页 UV 统计**：统计独立访客数（如 `page1:uv`），尤其适合高并发、大数据量场景。 - **容忍误差的基数统计**：如热门活动页面访问量、广告点击去重等。 如果需要精确统计，则需要转用 `Set` / `Hash`，并且不得不消耗 **基本命令** - **添加元素**：`PFADD key element [element...]` ```shell PFADD page1:uv user1 user2 user3 # 将用户添加到 UV 统计 ``` - **获取统计值**：`PFCOUNT key` ```shell PFCOUNT page1:uv # 返回近似 UV 数（如 100 万） ``` ### 【中等】如何使用 Redis 实现布隆过滤器？ 布隆过滤器是一种高效的概率数据结构，常用于检测一个元素是否在一个集合中，可以有效减少数据库的查询次数，解决缓存穿透等问题。 可以通过以下两种方式实现布隆过滤器： **使用位图（Bitmap）实现布隆过滤器：** - 使用 Redis 的位图结构 `SETBIT` 和 `GETBIT` 操作来实现布隆过滤器。位图本质上是一个比特数组，用于标识元素是否存在。 - 对于给定的数据，通过多个哈希函数计算位置索引，将位图中的相应位置设置为 1，表示该元素可能存在。 **使用 RedisBloom 模块：** - Redis 提供了一个官方模块 RedisBloom，封装了哈希函数、位图大小等操作，可以直接用于创建和管理布隆过滤器。 - 使用 `BF.ADD` 来向布隆过滤器添加元素，使用 `BF.EXISTS` 来检查某个元素是否可能存在。 #### BitMap Bitmap，**即位图，是一串连续的二进制数组（0 和 1）**，可以通过偏移量（offset）定位元素。由于 bit 是计算机中最小的单位，使用它进行储存将**非常节省空间**，特别适合一些数据量大且使用**二值统计的场景**。例如在一个系统中，不同的用户使用单调递增的用户 ID 表示。40 亿（$$2^{32}$$ = $$4*1024*1024*1024$$ ≈ 40 亿）用户只需要 512M 内存就能记住某种状态，例如用户是否已登录。 实际上，**BitMap 不是真实的数据结构，而是针对 String 实现的一组位操作**。 由于 STRING 是二进制安全的，并且其最大长度是 512 MB，所以 BitMap 能最大设置 $$2^{32}$$ 个不同的 bit。 【示例】判断用户是否登录 Bitmap 提供了 `GETBIT、SETBIT` 操作，通过一个偏移值 offset 对 bit 数组的 offset 位置的 bit 位进行读写操作，需要注意的是 offset 从 0 开始。 只需要一个 key = login_status 表示存储用户登陆状态集合数据，将用户 ID 作为 offset，在线就设置为 1，下线设置 0。通过 `GETBIT`判断对应的用户是否在线。50000 万 用户只需要 6 MB 的空间。 假如我们要判断 ID = 10086 的用户的登陆情况： 第一步，执行以下指令，表示用户已登录。 ```shell SETBIT login_status 10086 1 ``` 第二步，检查该用户是否登陆，返回值 1 表示已登录。 ```shell GETBIT login_status 10086 ``` 第三步，登出，将 offset 对应的 value 设置成 0。 ```shell SETBIT login_status 10086 0 ``` #### RedisBloom RedisBloom 是 Redis 官方提供的模块，是一种简化的布隆过滤器实现。它提供了**更高性能**和**更低误判率**控制。 **RedisBloom 常用命令** - `BF.RESERVE key error_rate capacity`：创建布隆过滤器（指定误判率、容量） - `BF.ADD key item`：添加元素 - `BF.EXISTS key item`：检查元素是否存在（可能误判） - **自动扩容**：可动态调整数据结构以适应数据增长 **RedisBloom 操作示例** **创建**： ```shell BF.RESERVE myBloomFilter 0.01 1000000 # 误判率 1%，容量 100 万 ``` **添加元素**： ```shell BF.ADD myBloomFilter "item1" ``` **检查元素**： ```shell BF.EXISTS myBloomFilter "item1" # 返回 1（可能存在） BF.EXISTS myBloomFilter "item2" # 返回 0（一定不存在） ``` **适用场景** RedisBloom 适合**海量数据判断**，且**允许误判**的场景： 1. **爬虫**：URL 去重 2. **黑名单**：反垃圾邮件（可能误杀） 3. **分布式系统**：优化数据查找（如 Hadoop、Cassandra） 4. **推荐系统**：避免重复推荐 **核心特点** - **空间高效**：节省存储空间 - **快速查询**：O(1) 时间复杂度 - **误判率可控**：通过参数调整 ## 参考资料 - [面试中关于 Redis 的问题看这篇就够了](https://juejin.im/post/5ad6e4066fb9a028d82c4b66) - [advanced-java](https://github.com/doocs/advanced-java#缓存) - [Redis 常见面试题](https://xiaolincoding.com/redis/base/redis_interview.html)