2009年，Redis由Salvatore Sanfilippo开拓并发布在Github上。最初，Redis是一个键值对存储系统，支持字符串类型、列表类型、凑集类型和哈希类型等数据构造。
2010年，Redis开始盛行，并成为一个盛行的数据存储和缓存办理方案。Redis2.0发布，加入了VM I/O异步优化、持久化等新特性。
2012 年，Redis 2.6发布，引入了限流限速、事务、Lua 脚本等诸多新特性。Redis2.6变得更加稳定和安全，并且Redis2.6开始盛行作为缓存和行列步队办理方案。
2014年，Redis3.0发布，支持了集群模式、多种新的数据构造、复制和分区等新功能。Redis3.0开始得到广泛运用，特殊是在大规模互联网运用上，受到了极大的关注和支持。
2016年，Redis4.0发布，支持模块化、快照异步和集群等扩展浩瀚特性。
目前，Redis 已经成为一个成熟、盛行、高性能的键值存储系统，被广泛运用于各种web运用和企业级运用处景,目前最近的redis版本可以支持的数据类型有9种，分别是：
String
字符串（String）数据类型是Redis最基本的数据类型，用于存储一串字符，其最大长度为 512 MB。String类型是Redis中最大略的数据类型，在Redis 中，String类型不仅仅可以存储字符串，还可以存储数字、图片、序列化后的工具等任何数据类型。
Redis中的字符串类型的底层数据构造是SDS（Simple Dynamic String），SDS是Redis所利用的字符串库，比较C措辞原生的字符串，SDS更加灵巧和高效。以下是Redis中字符串类型的底层数据构造图：
redisStringObject {
+--------+
| type |
+--------+
| 1Byte |
+--------+
| encode|
+--------+
| 1Byte |
+--------+
| length|
+--------+
| 4Byte |
| |
| |
+--------+
| buf[] |
| |
| |
+--------+
}
个中，type 表示字符串类型，为 0x1。encode 表示字符串编码办法，Redis中有两种编码办法：int 和 raw。int 表示该字符串可以被阐明为整数，raw 表示是纯字符串类型。为了节省空间，Redis 会考试测验将可以被阐明为整数的字符串存储为整数类型，从而节约空间。length 表示字符串的长度。buf[] 表示字符串的内容，底层利用char 数组存储。
总体来说，Redis 的字符串类型利用了一些比较底层的数据构造，例如 char 数组和整数类型，使得字符串类型更加高效和灵巧。
Hash
Hash 数据类型用于存储字段和字段值的映射，类似于关联数组或者哈希表，个中字段是字符串类型，字段值可以是 String 类型、Hash 类型或者 List 类型。
类型利用的底层数据构造是哈希表，以下是 Redis 中哈希表的底层数据构造示意图：
redisHashTable {
+--------+
| size |
+--------+
| used |
+--------+
| dict |
+--------+
}
个中，size 表示哈希表数组的大小，used表示哈希表中已利用的节点数量。
dict 表示哈希表数组，其底层数据构造是一个数组和链表。详细来说，哈希表数组中的每个元素都指向一个链表头，而每次插入数据时，会根据key的哈希值打算出数组下标，并在对应链表中插入一个新的节点。当哈希表冲突时，多个不同的 key 可能司帐算出相同的哈希值，此时它们会被插入到同一个链表中，这便是所谓的拉链法（open addressing with chaining）。哈希表的优点是其插入、删除和查找操作的韶光繁芜度均为 O(1)，即常数韶光，因此非常高效。其余，哈希表还支持动态扩容和缩容，可以根据插入数据的情形自动调度大小，从而使得哈希表利用起来非常方便。
List
列表（List）数据类型是 Redis 存储有序元素的凑集，个中每个元素都包含一个字符串。List类型支持从左边或右边进行元素的添加和删除操作。
列表类型利用的底层数据构造是双端链表，以下是Redis 中双端链表的底层数据构造示意图：
redisList {
+--------+
| head |
+--------+
| tail |
+--------+
| len |
+--------+
}
个中，head 表示双端链表的头结点，tail 表示双端链表的尾结点，len 表示双端链表的长度。
双端链表是一种分外的链表，它除了存储数据外，还同时存储了先驱节点和后继节点的地址。这个特性使得它支持快速的尾部插入和头部插入操作，以及快速的尾部删除和头部删除操作。在Redis中，列表类型还支持基于双端链表实现的双向循环链表，即列表尾部的下一个节点是列表头部，列表头部的前一个节点是列表尾部。这样可以使得某些操作的繁芜度更低，例如将列表尾部的数据插入到列表头部。其余，Redis 还供应了一种名为 quicklist 的列表存储办法，它将一个列表分成多少个小块，每个小块以压缩列表的形式存储。这样可以有效地节省内存空间，提高查询性能，但会导致增删操作的繁芜度略有增加。
Set
凑集（Set）数据类型是 Redis 存储无序且不重复元素的凑集，每个元素都是唯一的。Set 类型支持添加、删除和检讨元素是否存在等操作。
Set 类型利用的底层数据构造是哈希表（Hash Table），以下是Redis中哈希表的底层数据构造示意图：
redisSet {
+--------+
| dict |
+--------+
| len |
+--------+
}
个中，dict表示底层利用的哈希表，len表示凑集中元素的数量。哈希表是一种基于数组的数据构造，它通过散列函数将数据映射到数组中的一个位置，以达到快速访问元素的目的。Redis 中的哈希表利用链表法来办理哈希冲突问题，即当多个元素映射到同一个位置时，将这些元素放在同一个链表中，实现了高效的增、删、查操作。Set 类型中的元素是无序、不重复的，利用哈希表来存储可以使得元素的插入、删除和查找等操作均摊韶光繁芜度为 O(1)，非常高效。同时，Redis 还供应了一些基于凑集的操作，例如求交集、并集和差集等，这些操作也可以通过哈希表来实现。
Sorted set
有序凑集（Sorted Set）是 Redis 的一个独特数据类型，类似于凑集（Set）数据类型，但是每个元素都有一个干系的分数，用于对元素进行排序。
sorted Set 类型底层利用的是两种数据构造：跳跃表（Skip List）和哈希表（Hash Table）。
以下是 Redis Sorted Set 的底层数据构造示意图：
redisSortedSet {
+--------+
| dict |
+--------+
| skiplist|
+--------+
}
个中，dict表示底层利用的哈希表，skiplist表示底层利用的跳跃表。跳跃表是一种随机化数据构造，它在保持有序性的同时，实现了高效的查找和插入操作。跳跃表利用多级索引的办法，以空间换韶光，大大提高了查找的效率。在Redis 中，Sorted Set利用跳跃表来实现有序性，并且跳跃表中的每个节点都存储了获取元素的指针，以是在元素的查找上也非常高效。哈希表是用于保存 Sorted Set 中元素名与分值之间的对应关系的。它供应了 O(1) 繁芜度的元素插入、删除和查找操作。哈希表在插入和删除操作上具有很高的效率。Redis的Sorted Set 既具有字典（Hash Table）的高效性，又具有有序列表（Skip List）的快速查找、插入、删除操作的特点。这种构造为Sorted Set 供应了强大的功能，如范围查询（按照分值的范围来查询元素）、排行榜等。
Bitmaps
是一种分外的字符串类型，其值仅包含二进制位，每个位的值只能是0 或 1。Redis 的 Bitmaps 模块供应了一组分外的操作命令，Bitmaps 可以用于位图、计数器、邮件系统中邮件是否已读等场景。
Redis中的Bitmaps指的是位图数据构造，用于高效地存储和操作二进制位。底层实现采取了内存位图的办法，非常适宜于存储和操作大量的二进制位信息。下面是 Redis Bitmaps 的底层数据构造示意图：
Key: online_users
+----+--------+--------+--------+--------+--------+--------+--------+--------+
| 0 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | ...
+----+--------+--------+--------+--------+--------+--------+--------+--------+
| 00 | 010001 | 101101 | 000011 | 110000 | 011011 | 101010 | 111111 | 000000 | ...
+----+--------+--------+--------+--------+--------+--------+--------+--------+
上面的示意图是一个 Bitmaps 工具，个中每一位存储了一个二进制数值（0 或 1），可以表示某个元素的存在与否等信息。在 Redis 中，位图数据构造可以通过 SETBIT、GETBIT 等命令进行位的存取，还可以通过 BITOP 等命令进行位运算，包括 AND、OR、XOR 等操作。
在实际运用中，Redis 位图数据构造常用于统计在线用户、标记用户行为等场景，通过对二进制位的操作来快速、高效地完成干系任务。由于位图数据构造在底层采取了内存位图的形式，因此非常紧凑，可以高效地处理大量的二进制位信息，而且操作效率很高，是一种非常精良的存储和操作二进制信息的数据构造。
Hyperloglog
Redis 中的 HyperLogLog 是一种基数统打算法，用于高效地统计凑集中的元素数目。HyperLogLog 可以在 O(1) 的韶光繁芜度内完成对不同元素数量的估算，而且空间利用率非常低。HyperLogLog 利用的事理非常大略，它将每个元素映射到一个哈希值上，并对哈希值进行操作，以得到元素的数量估算值。HyperLogLog 中利用的算法基于 PFCM 或 Linear Counting 算法，它可以通过打算位图中前导 0 位数的均匀值来估算元素数量，从而有效地降落内存空间利用率。
Redis 中的 HyperLogLog 数据构造用于实现基数统计，底层采取稀疏精度优化法 (Sparse Precision Optimization)，可以用很小的内存空间对高基数（cardinality）做近似计数。HyperLogLog 的基本思想是保存一些随机 hash 值的最大前导零的数量，根据这个数量近似打算基数。
下面是 HyperLogLog 底层数据构造实现示意图：
Key: counter
+-------+----------------------+
| Index | Value |
+-------+----------------------+
| 0 | 0001001 |
| 1 | 0010000 |
| 2 | 0000010 |
| 3 | 0000101 |
| ... | ... |
| N-1 | 1001010 - (max(29, 0))|
+-------+----------------------+
上面的示意图是一个 HyperLogLog 的计数器，个中以二进制位存储 hash 值的最大前导零数量，即 leading zero count (LZC)。每个 LZC 都存储在一个单独的索引位置上，可以通过索引位置来进行快速计数和合并操作。在 Redis 中，HyperLogLog 的底层实现采取了稀疏精度优化法，只会记录 LZC 不为 0 的 hash 值，这样可以大大节省内存空间，并且不会对计数结果产生过大的偏差。HyperLogLog 的精度紧张由内部的 LZC 位数和插入的 hash 值数量决定。通过调度这两个成分，我们可以得到不同精度的计数结果。HyperLogLog 的基数统计偏差一样平常在 1% 以内，纵然是千万级别的基数也可以利用不到 1 KB 的内存来进行计数。
Geo
Redis中供应了Geo数据类型，用于处理地理空间坐标信息。Geo数据类型支持将坐标点和对应的名称存储在 Redis 的有序凑集中，同时供应了一些基于地理位置的功能，如打算两个地理位置之间的间隔、查找某个地理位置的附近的位置等。通过利用Geo数据类型，用户可以更方便地处理基于地理位置的业务场景，如舆图运用中的位置查找、城市做事中的附近店铺搜索、出租车做事中的车辆调度等。
Redis中的GEO数据类型是用来存储地理位置信息的数据类型，它基于 zset 实现。在zset中，每个成员都会带有一个称为score的分值来进行有序排序，而 GEO 数据类型中，分值就表示成员的经度或纬度，成员则是一个地点的名称。Redis采取zset来存储地理位置信息，底层利用了Ziplist和Skiplist。
下面是 GEO 底层数据构造实现示意图：
Key: city
+-------+----------+-----------+
| Score | Longitude| Latitude |
+-------+----------+-----------+
| 29.0 | 112.0 | 34.0 |
| 31.0 | 130.0 | 45.0 |
| 37.0 | 23.0 | 53.0 |
| 41.0 | 125.5 | 39.5 |
| 45.0 | -79.0 | 43.5 |
+-------+----------+-----------+
上图中展示了一个名为city的GEO数据类型，它包含了五个地点的经纬度信息。个中每个地点由一个分值和两个数据项组成，分值是经度或纬度信息，经度和纬度则是地点的位置。对付GEO数据类型，用户可以通过经度、纬度和半径的组合快速地查找周围其他地点。通过zset的score和member，我们可以直接对 GEO 数据类型进行排序和范围查询操作。
Stream
Redis Stream是Redis5.0版本新增的数据类型，用于支持行列步队等场景。Redis Stream类似于Kafka的模型，可以支持可靠的传输和多个消费者的并行消费等功能。
Redis Stream 的底层实现采取了类似跳表（Skip List）的数据构造，每个 Stream 对应一个长度可变的双向链表，每个对应链表中的一个节点。跳表的每一层都是一个由多少节点组成的双向链表，每个节点包含了下一层的起始节点指针等信息，可以快速地进行查找和插入操作，同时也担保了数据的有序性。
Redis Stream 的数据构造示意图如下：
Stream N（名字）
+- Message 1
| +-------- Key1: Value1
| | +---- Key2: Value2
| | | + Timestamp
| | | |
| | | v
| v v v
+- Message 2 ---+
| +-------- Key1: Value1
| +---- Key2: Value2
| + Timestamp
|
v
在上面的数据构造示意图中，Stream N 表示一个 Stream 的名称，每个 Message 代表一个，Key-Value 表示中的数据，Timestamp 表示的韶光戳。在实际的运用中，用户可以向 Stream 中添加、读取消息、删除等，通过利用 Stream 数据类型可以方便地实现行列步队等功能。
