基本的数据类型包括:
字符串、列表、哈希、集合、有序集合

拓展的数据类型包括:
bitmaps位图
hyperloglog基数估计算法
geo 地理位置
streams 流

字符串

字符串经常用来存储单个值，用户信息、商品信息等或者二进制的数据。

字符串是基于SDS动态字符串来实现的，不仅可以保存二进制数据也可以保存文本数据。

哈希

存储对象或结构化的数据，用户资料、商品属性等。
通过key-value来存储数据。

列表

实现队列或栈功能，如任务队列、消息队列等，通过 LPUSH/RPOP 或 RPUSH/LPOP 操作实现先进先出（FIFO）或后进先出（LIFO）。

时间序列数据的存储，如用户浏览历史、日志记录等，利用列表的有序性。

Set（集合）

（1）使用场景：

存储唯一值集合，如标签系统中的用户标签、社交网络中的关注关系等。

实现交集、并集、差集等集合运算，如共同关注、推荐好友等。

（2）实现方式：

Redis Set 使用整数集合（int set）或哈希表（hashtable）实现。当集合元素全部为整数且范围合适时，使用整数集合以节省空间；否则使用哈希表来保证唯一性和快速增删查操作。

Zset有序集合

排行榜系统，如用户积分排名、热蒙文章等，根据score对成员进行排序。

底层采用跳表和字典相结合的方式实现。通过多级的索引结构实现快速的范围查询和排序。

其他的数据类型还包括

bitmaps 位图

适用于需要对大量二进制进行高效处理的场景，用户签到、活跃用户统计等。

HyperLogLog（基数估计算法）

用于近似统计大量唯一元素的数量，如网站独立访客数、唯一用户 ID 计数等，无需精确计数但对内存占用敏感的场景。

HyperLogLog 是一种概率算法，能在小内存空间内（通常几十到几百字节）提供对大规模数据集基数（不重复元素数量）的估算。Redis 将 HyperLogLog 算法实现为一种数据类型，提供 PFADD、PFCOUNT 等命令，允许用户向 HyperLogLog 结构添加元素，并获取估算的基数，误差率通常在 0.81% 以内，精确计数时不能使用。

Geo（地理位置）

适用于需要对带有地理位置信息的数据进行距离查询、范围查询、附近点查找等操作的场景，如地图服务、LBS 应用、社交网络中基于位置的好友推荐等。

（2）实现方式：

Redis 的 Geo 数据类型基于 ZSet 实现，通过将经纬度信息转换为分值，结合专用的地理空间操作命令（如 GEOADD、GEODIST、GEORADIUS、GEORADIUSBYMEMBER），实现了对地理位置数据的高效管理和查询。用户可以轻松地添加、删除地理位置信息，以及根据给定坐标或距离范围进行查询。

Streams（流）

（1）使用场景：
适用于处理持续追加的事件序列，如消息队列、活动日志、物联网设备数据流等，支持持久化存储、多消费者消费、消息分片等复杂需求。
（2）实现方式：
Redis Streams 是一种逻辑上类似于发布-订阅模式，但具有更强持久化、多消费组、消息回溯等特点的数据类型。每个 Stream 由一系列带有唯一 ID 和元数据（时间戳、字段值等）的消息组成。Redis 提供 XADD、XREAD、XGROUP 等命令，支持客户端以高并发、低延迟的方式生成、消费和管理数据流。