Strings字符串、数字
String是redis中最基础的数据结构，你可以把它用作缓存最基础的kv(key-value)类型的缓存(value最大为512MB)，只需要把需要缓存的对象进行string的编解码即可。另外String也可以保存数值类型的数据，就可以来实现计数功能(redi提供了incr等原子操作)
常见应用场景
- 计数器: 保存各种计数(比如视频播放数、点赞数、活动参与人数、剩余库存数、红包总金额)
- kv: key value类型的缓存数据，比如保存一篇文章的内容、保存一个用户的信息等等
- 分布式限流: 通过带有过期时间的计数器，每次请求减一判断是否大于等于0，能够实现一些分布式限流的功能，比如限制一分钟内接口请求数不超过1000，还可以实现一个用户一分钟内发布评论不超过N个的功能。
- 分布式锁: 通过string的setnx，可以实现简单的分布式锁，比如限制一个用户不要同时请求接口(避免接口处理过程中的用户维度并发操作导致数据错误)。(有人会提出质疑说网上的redis分布式锁有这样那样的问题，其实大部分需要分布式锁的场景都是比较简单的，要实现出一个完美的分布式解决方案，可能会比较重影响接口性能或者实现复杂)
List
List列表更多的时候是把它当成队列使用(最大2^32 - 1个元素)，使用入队出队功能，如果来使用它作为各种列表的话，很多时候不具备防重功能在使用的时候不是很方便。
常见应用场景
- 抢红包: 发红包、拆红包入队，抢红包则是出队
Set
Set是一种无序不重复的集合，添加删除检查是否存在都是O(1)的时间复杂度。
Sorted Set
Sorted Set是结合了List和Set的一种数据结构，有序(按照元素score排序)的不重复(元素key不重复)的集合，Sorted Set是在业务开发中非常常用的数据结构(比List和Set应用面更广)，因为在实际需求中，存在非常多的列表场景，比如视频列表、评论列表、关注列表、点赞列表、排行榜等等各种列表，每个列表都要按照一定规则排序，并且大部分都不能重复，所以使用Sorted Set就非常合适。
常见应用场景
- 排行榜等榜单: 排行用的分数作为score
- 列表分页: member存储列表元素的id(视频id、用户id等)，元素的id(具备递增且唯一)作为score(如果量级比较小QPS很低用时间戳也可以不会有多少重复时间戳)，使用zrevrangebyscore进行分页查询，使用zscore判断是否关注等。
Hash
hash是一个map结构，可以像存储对象的多个字段一样存储一个key的多类数据。
常见应用场景
- 保存一个对象的多个字段，比如一篇文章的作者、发布时间、标签等等信息作为一个hash上的多个字段保存。
PubSub
redis中的pub/sub可以实现广播功能，类似rocketmq中的broadcast
常见应用场景
- websocket场景，server给client发送消息时，由于不知道client和那个server建立的链接，所以可以通过发送广播，让对应的server发送消息。
其他数据结构
除了上述最基本的数据结构外，redis还提供了一些其他的数据结构，有的是需要安装相关redis stack来使用的。
bitmap
bitmap本质上还是使用的string字符串，不过可以通过bit来进行操作，把这个key的value值想象成bit组成的数组。
常见应用场景
- 记录多个是否的标记为: 比如记录一个用户是否是会员、是否是认证用户等等这类是否的标记，这些标记作为一个用户的一个bitmap上的不同index上的bit位，这样只需要请求一次就可以获取到一个用户的多种标记信息，并且存储上相对kv存储也比较节省资源。一个bitmap最多可以存储512MB的数据，一共有2^32个bit位，所以能够存储非常多的数据，比如签到场景可以存储一个用户某一天是否签到过。
bloomfilter
bloomfilter(也叫布隆过滤器)可以理解成一种特殊的set集合，它可以用来判断一个值是否在这个集合中，不过不同于普通的set，它的判断存在一定误判的可能(假阳性)，如果bloomfilter判断一个值不在这个集合中，那么一定不在，但是如果判断在，那么有可能不在。
常见应用场景
减少请求量、缓存穿透量: 比如为了防止大量请求查询缓存不存在穿透到数据库中查询，我们可以在缓存查询前加一层布隆过滤器的查询，如果不在布隆过滤器中，说明数据肯定不在数据库和缓存中，就不需要继续查询了。
hyperloglog
hyperloglog是一种概率性的去重计数数据结构，可以实现一定精度的去重计数
常见应用场景
- 各类需要去重的计数，但是有不希望保存所有的记录数据: 文章阅读数、网站访客数等等
geohash
geohash可以实现距离计算、距离查询等地理位置相关的功能
常见应用场景
- 距离判断、附近的人
