目录

用法

1. 增

2. 删

3. 查

4. 交，并

编码方式 

应用场景

---

Redis 中的 Zset（有序集合）是一种将元素按照分数进行排序的数据结构。与上篇写的SetRedis 中的 Set 数据结构详解不同，Zset 中的每个元素都关联一个浮点数类型的分数。

---

用法

常见命令

1. 增

添加或者更新

ZADD key [ NX | XX ] [ GT | LT ] [ CH ] [ INCR ] score member [score member ...]

2. 删

删除指定的元素。

ZREM key member [member ...]

删除并返回分数最高的 count 个元素

ZPOPMAX key [count]

ZPOPMAX 的阻塞版本。 

BZPOPMAX key [key ...] timeout

删除并返回分数最低的 count 个元素。 

ZPOPMIN key [count]

ZPOPMIN 的阻塞版本。 

BZPOPMIN key [key ...] timeout

按照排序，升序删除指定范围的元素，左闭右闭。  

ZREMRANGEBYRANK key start stop

按照分数删除指定范围的元素，左闭右闭。 

ZREMRANGEBYSCORE key min max

3. 查

获取⼀个 zset 的基数（cardinality），即 zset 中的元素个数。

ZCARD key

返回分数在 min 和 max之间的元素个数

 ZCOUNT key min max

返回指定区间里的元素，分数按照升序（带上 WITHSCORES 可以把分数也返回）

ZRANGE key start stop [WITHSCORES] 

 返回指定元素的排名，升序。

ZRANK key member

返回指定元素的排名，降序。 

ZREVRANK key member

返回指定元素的分数。  

ZSCORE key member

4. 交，并

交集

求出给定有序集合中元素的交集并保存进⽬标有序集合中，在合并过程中以元素为单位进⾏合并，元素对应的分数按照不同的聚合⽅式和权重得到新的分数。

ZINTERSTORE destination numkeys key [key ...] [WEIGHTS weight [weight ...]]

[AGGREGATE <SUM | MIN | MAX>]

并集 

求出给定有序集合中元素的并集并保存进⽬标有序集合中，在合并过程中以元素为单位进⾏合并，元 素对应的分数按照不同的聚合⽅式和权重得到新的分数。

ZUNIONSTORE destination numkeys key [key ...] [WEIGHTS weight

[weight ...]] [AGGREGATE <SUM | MIN | MAX>]

---

编码方式 

ziplist（压缩列表）：当有序集合中的元素数量较少且每个元素都比较小（总大小不超过 64 个字节，元素数量不超过 128 个）时，Redis 使用紧凑的 ziplist 结构。ziplist 是一种连续内存块，可以有效减少内存占用。

skiplist（跳表）：当有序集合变大或元素变复杂时，Redis 会自动切换到 skiplist 编码。skiplist 是一种跳表（就是复杂的链表，一个节点上可能有多个指针）结构，适合快速的范围查询和插入操作。

---

应用场景

热搜 / 排行榜：Zset 非常适合用于实现排行榜系统，例如游戏中的积分排行榜、博客系统中的热门文章排行榜。通过 ZADD 插入或更新用户分数，通过 ZRANGE 或 ZREVRANGE 获取排名。

1. 添加用户赞数

 zadd user:ranking:2024-05-25 3 llt

     如果再获得赞，可以使⽤ zincrby：

zincrby user:ranking:2024-05-15 1 llt

2.  取消用户点赞

zrem user:ranking:2024-05-25 tom

3. 展示获取赞数最多的 10 个用户

zrevrangebyrank user:ranking:2022-03-15 0 9

4. 展示用户信息以及用户分数

hgetall user:info:tom
zscore user:ranking:2022-03-15 mike
zrank user:ranking:2022-03-15 mike

延迟队列：可以利用 Zset 实现延迟队列，任务按延迟时间排序。将任务的执行时间作为分数，通过 ZRANGEBYSCORE 获取到期的任务。

推荐系统：在推荐系统中，可以使用 Zset 维护用户的行为分数（如点击、点赞等），并根据分数进行排序推荐。