前言

我們已經分析了三種不同數據類型 在redis中的使用 以及底層的數據結構

Redis常用數據結構以及多并發場景下的使用分析：String類型
Redis常用數據結構以及多并發場景下的使用分析：Hash類型
Redis常用數據結構以及多并發場景下的使用分析：List類型

接下來 我們要來分析下 set的基本使用

redis中的set結構

按照慣例首先還是需要搞清楚 redis中的 set 結構是怎樣去處理的

Redis 中 Set 類型的兩種底層實現方式：intset（整數集合） 和 hashtable（哈希表）
查找、插入、刪除時間復雜度為O(1)

intset（整數集合）

所有元素都是整數（可以轉為 long 類型）；元素個數小于 set-max-intset-entries（默認 512）；

特點：

連續內存：底層是一個連續的數組（有序數組 優勢利用上了 內存的局部性 所以是連續內存 ）
查找：使用二分查找（因為數組是有序的）
插入：時保持有序（需要移動數組）

hashtable（哈希表）

元素中存在非整數（如字符串、UUID、中文等）；或者元素數量超過 set-max-intset-entries（默認512）；或者手動添加一個大字符串，也會觸發升級。

特點：

哈希表結構：底層是一個 dict；插入查找效率 O(1)：基于哈希函數定位；空間占用較大：因為要維護哈希桶和沖突處理結構；支持任意類型元素（比如 "abc", "hello", "uuid"）；

看完基本介紹 不知道你是否有以下的疑問？

疑問1 ：為什么使用數組后 整體時間復雜度還是O(1)

前面說了intset是一個內存連續 并且內部integer 連續的數組 采用二分查找 我們都只帶二分查找時間復雜度是O(logn)而不是O(1) 為什么還是O(1)呢？

解答：

那就是因為 集合較小（只有512個元素），在實踐中表現為“常數時間”—— 所以平均復雜度可認為是 O(1)。

疑問2： set特性是無序的那為什么當元素少的時候 用連續數組 去存儲呢？

解答：

高效性 + 空間緊湊性。

內存連續性 為了 利用上 CPU Cache 緩存的機制 盡管查找用的是 二分查找 O(log?n)，但數據小、內存局部性好，速度非常快

疑問3：當元素少于512的時候即使用intset存儲的時候 是如何維護唯一性的？

解答：

先二分查找，發現已經存在元素就不插入

疑問4: set底層的hashtable 如何處理hash沖突的 對比redis 的Hash類型的處理策略

Set 類型：

Set 的底層是 dict，插入元素之前 Redis 會先判斷：

當前 key 是否已經存在于某個 hash 桶的鏈表中（即元素是否存在）

插入邏輯如下：

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

如果哈希沖突，但值不相等（鏈表中找不到值），會繼續插入；

如果值已經存在（即鏈表中有相同元素），則不插入，保持唯一性。

結論：

Set 類型允許哈希沖突，只要值不同就能插入；不允許值重復，即使哈希值一樣，Redis 也會用 memcmp 判斷值是否相等

Hash 類型（field-value 映射）：
Hash 類型本質是：

dict<field, value>

與 Set 類似：

沖突時使用鏈式哈希解決

同一個 field 不允許重復，如果 field 已存在，則更新 value

插入邏輯：

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

總結：

Set：
bucket[5] --> ["apple"] --> ["banana"]      // 值不能重復，但可以 hash 沖突Hash：
bucket[5] --> ["name" => "Tom"] --> ["age" => 20] // key 沖突則更新 value

實際看看 intset 和hashtable 的底層存儲數據區別

設計一個實驗去看插入519個數據之前 和 插入520個數據的區別

@Service
@RequiredArgsConstructor
@Slf4j
public class SetEncodingDemoService {private final RedisTemplate<String, String> redisTemplate;// key for testingprivate static final String SET_KEY = "demo:set:encoding";// 清空 & 初始化測試public void runEncodingTest() {redisTemplate.delete(SET_KEY);log.info("開始添加整數元素，觸發 intset -> hashtable 升級演示");// 1. 添加 500 個整數（仍為 intset 編碼）IntStream.range(0, 500).forEach(i -> {redisTemplate.opsForSet().add(SET_KEY, String.valueOf(i));});log.info("添加 500 個整數完成，請用命令 `debug object demo:set:encoding` 查看編碼，預計為 intset");// 2. 繼續添加超過限制，觸發升級IntStream.range(500, 520).forEach(i -> {redisTemplate.opsForSet().add(SET_KEY, String.valueOf(i));});log.info( 添加第 520 個整數完成，預計編碼變為 hashtable");}
}

測試類

@SpringBootTest
class SetEncodingDemoServiceTest {@Autowiredprivate SetEncodingDemoService setEncodingDemoService;@Testpublic void testEncodingChange() {setEncodingDemoService.runEncodingTest();}
}

分別執行步驟 1 和步驟 2:

可以非常詳細的看到 內部數據結構由intset 變成了hashtable

使用例子

okok 我們已經了解了 set底層為整數數組+hashtable 那么接下來我們就來看看實際的使用例子
wait 稍等一下 set 有哪些常見的使用場景

特異元素都多少個？ 求交并集？元素是否存在？

ok 那不就是可以使用這些場景嗎

在線用戶統計（去重）

記錄所有在線用戶，使用 Set 去重，并可實時獲取當前在線用戶數量。

redis結構：

// userID加入
SADD online:users userId
// 求在key（online:users）下有多少個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";// 用戶上線public void userOnline(String userId) {redisTemplate.opsForSet().add(ONLINE_USER_KEY, userId);}// 用戶下線public void userOffline(String userId) {redisTemplate.opsForSet().remove(ONLINE_USER_KEY, userId);}// 獲取當前在線人數public long getOnlineCount() {return redisTemplate.opsForSet().size(ONLINE_USER_KEY);}// 獲取所有在線用戶public Set<Object> getAllOnlineUsers() {return redisTemplate.opsForSet().members(ONLINE_USER_KEY);}
}

相似度計算（用戶標簽交集）

為每個用戶打標簽，利用標簽集合之間的交集計算相似度（如推薦系統）。

redis結構

// 給user:tags:uid123  打上三個標簽
SADD user:tags:uid123 "java" "redis" "ai"
// 給user:tags:uid456  打上三個標簽
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;// 為用戶添加標簽public void addTags(String userId, String... tags) {String key = "user:tags:" + userId;redisTemplate.opsForSet().add(key, (Object[]) tags);}// 獲取兩個用戶的共同標簽（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();}
}

秒殺活動參與者去重

高并發下秒殺活動記錄用戶參與，每個用戶只能參與一次。

Redis 結構：

// seckill:activity:10001 下 增加一個 userId
SADD seckill:activity:10001 userId

@Service
@RequiredArgsConstructor
public class SeckillService {private final RedisTemplate<String, Object> redisTemplate;// 秒殺參與：返回是否成功（是否重復）public boolean tryJoinSeckill(String activityId, String userId) {String key = "seckill:activity:" + activityId;Long added = redisTemplate.opsForSet().add(key, userId);return added != null && added > 0;}// 獲取參與人數public long getJoinCount(String activityId) {return redisTemplate.opsForSet().size("seckill:activity:" + activityId);}// 判斷用戶是否參與過public boolean hasJoined(String activityId, String userId) {return Boolean.TRUE.equals(redisTemplate.opsForSet().isMember("seckill:activity:" + activityId, userId));}
}

總結：

場景	Redis Key 樣例	操作	高并發優勢
在線用戶統計	online:users	SADD / SCARD	去重 + 實時查詢人數
用戶相似度分析	user:tags:uid123	SINTER / SUNION	集合交集操作原子且高效
秒殺用戶去重	seckill:activity:10001	SADD	去重保證每人只能參與一次

總結

Set類型的并發優勢：

原子性：所有Set操作都是原子的
去重特性：自動處理重復數據
高性能：O(1)時間復雜度的添加/刪除/查詢
集合運算：支持交集、并集、差集等復雜操作
內存高效：緊湊的數據結構