开篇：一张设计糟糕的表能有多可怕？

想象你接手了一个电商项目，打开数据库一看：用户表里有个 address 字段，塞着"浙江省杭州市西湖区xxx路xxx号xxx小区xxx单元xxx室"这样一整坨字符串。前端说要按城市筛选用户？后端说要按省份统计订单？对不起，全都要 LIKE 模糊匹配，索引用不上，全表扫描伺候。

更惨的是，有人用 VARCHAR(20) 存手机号，用 DOUBLE 存金额（精度丢失直接少收钱），用 TEXT 存一个只有"是/否"两种值的状态字段。结果呢？单表 500 万行，存储膨胀了 10 倍，查询全是全表扫描。

开篇：Redis 不只是缓存

很多人对 Redis 的印象停留在"缓存"二字。实际上，Redis 更像一把瑞士军刀——五大基本类型、三大特殊类型，外加分布式锁、布隆过滤器、限流器……几乎每个后端高频场景都能找到 Redis 的身影。

这篇文章不罗列命令手册，而是按照"数据结构 → 使用场景 → 实战方案"的思路，把 Redis 的核心用法串起来。

一、五大基本类型与使用场景

Redis 有九大数据类型。其中五个是经典类型：String、Hash、List、Set、Sorted Set。三个常用特殊类型：Bitmap、HyperLogLog、GEO。还有一个 Stream（消息队列场景，但生产环境一般用 Kafka/RocketMQ）。