redis除了基础类型还有什么

除了基础数据类型之外，Redis还提供了以下一些高级功能：

1. 发布与订阅（Pub/Sub）：Redis通过发布与订阅功能可以实现消息的一对多广播。发布者将消息发送到指定的频道，所有订阅该频道的客户端都将收到该消息。

2. 事务（Transaction）：Redis支持原子性的事务操作，可以将多个命令打包在一个事务中执行，保证这些命令要么全部执行成功，要么全部执行失败。

3. Lua脚本：Redis支持运行Lua脚本，通过Lua脚本可以实现复杂的逻辑操作，将多个命令组合在一起执行。

4. 有序集合（Sorted Set）：Redis的有序集合是一个有序的字符串集合，每个元素都关联一个浮点数（score），元素按照score进行升序排列。

5. 过期时间（Expiration）：Redis可以为存储的键值对设置过期时间，键值对在到达过期时间后会被自动删除。

6. Bitmaps：Redis提供了位图数据结构，可以用于统计、计数等操作。

7. HyperLogLog：Redis提供了基数估计的功能，可以用于统计不重复元素的个数。

总而言之，Redis不仅仅是一个简单的键值存储系统，还提供了丰富的数据结构和高级功能，使得它在缓存、队列、计数器、排行榜等场景下都有着广泛的应用。

Redis不仅支持基础数据类型，还提供了其他非常有用的数据结构和功能，包括：

1. 列表（List）：Redis提供了一种有序、可重复的数据结构，称为列表。列表中的元素按照插入顺序排序，用户可以通过索引访问、插入和删除元素。列表还支持一些特殊操作，如从列表左侧或右侧弹出元素，获取指定范围内的子列表等。

2. 集合（Set）：Redis的集合是一种无序、唯一的数据结构，可以用于存储一组不重复的元素。集合支持插入、删除和查找操作，并且提供了一些方便的操作，如求交集、并集和差集，以及判断元素是否存在于集合中。

3. 哈希表（Hash）：Redis的哈希表是一种类似于键值对的存储结构，而键和值都是字符串类型。哈希表可以用于存储和查找多个键值对，并且支持对单个键的增、删、改、查操作，以及获取所有键值对的操作。

4. 有序集合（Sorted Set）：Redis的有序集合是一种类似于集合的存储结构，每个元素都有一个分数（score）与之关联。有序集合中的元素按照分数从小到大排序，但元素之间的顺序是唯一的。有序集合支持插入、删除和查找操作，并且还提供了一些特殊操作，如按照分数范围获取元素，获取指定分数范围内的排名等。

5. Bitmaps：Redis还提供了一种特殊的数据结构，称为位图（Bitmaps）。位图是一种紧凑的数据结构，可以用于存储和操作二进制数据，比如表示用户在线状态、统计每天的活跃用户等。

除了以上的数据结构，Redis还提供了一些其他的功能和特性，如发布/订阅（Pub/Sub）模式、事务支持、持久化等。发布/订阅模式可以用于实现消息系统，让不同的客户端之间可以发布和订阅消息。事务支持允许用户在一系列操作中保证原子性，而持久化功能可以将数据写入磁盘，以保证数据的持久性。

除了基础类型，Redis还提供了有序集合、哈希、列表和集合等数据结构。

1. 有序集合（Sorted Set）

有序集合是一种key-value结构，每个成员都有一个对应的分数（score），通过分数来进行排序。有序集合在实践中广泛应用，例如排行榜、社交网络的关注列表等场景。

有序集合的操作包括添加、移除、修改和查询等。添加操作通过指定成员和对应的分数，可以插入一个新的成员或更新已有成员的分数。移除操作可以按成员或分数进行删除。查询操作可以获取指定成员的分数、排名、按分数范围获取成员列表等。

2. 哈希（Hash）

哈希是一种用于存储对象的数据结构，它在一个键下存储一组字段和值的映射。哈希操作提供了对象级别的操作，可以方便地对对象进行存储、读取和更新。

哈希的操作包括添加字段、设置字段值、获取字段值、删除字段等。通过哈希，可以在Redis中存储和操作复杂的数据结构，例如用户信息、商品详情等。

3. 列表（List）

列表是一个有序的字符串集合，可以在列表的两端进行插入和删除操作。列表通常用于处理消息队列、任务队列等场景。

列表的操作包括向列表两端插入元素、删除元素、获取列表范围内的元素等。通过列表，可以实现先进先出（FIFO）的队列，或者实现栈等数据结构。

4. 集合（Set）

集合是一个无序的字符串集合，它可以快速地对成员进行添加、删除和判断是否存在等操作。集合的应用场景包括数据去重、共同好友等。

集合的操作包括添加成员、删除成员、判断成员是否存在等。通过集合，可以快速地对大量数据进行去重，或者实现交集、并集、差集等集合运算。

除了以上几种数据结构，Redis还提供了其他一些数据结构，例如地理位置集合、位图、超级日志等。这些数据结构可以根据实际场景来选择使用，以提供更好的性能和功能支持。