如何设计秒杀场景处理高并发以及超卖现象

布隆过滤器原理了解一下

使用位图，然后如果存储一个数据x，选择N个哈希函数计算 hash 值，hash 值取模得到位图位置，对应的位置设置为1。由于存在hash 冲突，比如x 和 y可能对应同样的位置，然后导致再次检测这个x 是否存在时，会这个误判为存在，但是如果这个位图不为1， 这个一定不存在。

Redis 有哪些数据类型？分别适合什么场景

Redis 最常用的是五种基础类型：String、Hash、List、Set、ZSet。随着版本演进，又陆续加入了 BitMap、HyperLogLog、GEO、Stream 四种特殊类型。

五种基础类型

类型	结构	典型场景
String	字符串、数字或二进制	缓存对象、计数器、分布式锁、共享 Session
Hash	field-value 映射表	存储对象属性、购物车
List	双端链表	简单消息队列、最新消息列表
Set	无序且不重复的集合	点赞、共同关注、抽奖去重
ZSet	按 score 排序的集合	排行榜、延时队列、按时间排序

几个常用写法：

SET product:stock:2001 100          # 缓存库存
INCR article:view:8848              # 阅读量 +1
SET lock:order:5 uuid NX EX 10      # 分布式锁，10 秒过期
HSET cart:user:1001 sku:77 2        # 购物车里某商品数量为 2
SINTER follow:alice follow:bob      # 两人的共同关注
ZADD rank:game 9800 "player_7"      # 写入排行榜分数
ZREVRANGE rank:game 0 9 WITHSCORES  # 取前十名

补充说明：

• 用 List 做消息队列有局限：消息没有全局唯一 ID，也不支持多个消费组分别消费。
• Hash 存对象时可以单独修改某个字段，比把整个对象序列化成 String 更灵活。

四种特殊类型

类型	版本	特点	典型场景
BitMap	2.2	按位存储 0/1，极省空间	签到、在线状态、连续签到统计
HyperLogLog	2.8	基数估算，固定约 12KB，有少量误差	百万级网页 UV 统计
GEO	3.2	存储经纬度，计算距离和范围	附近的人、打车派单
Stream	5.0	专为消息队列设计	可靠的消息队列

Stream 弥补了 List 做队列的不足：自动生成全局唯一消息 ID，支持消费组，还有消息确认（ACK）机制。

SETBIT sign:1001:202610 13 1        # 用户 1001 在本月第 14 天签到
BITCOUNT sign:1001:202610           # 本月签到天数
PFADD uv:page:home u1 u2 u3         # 记录访客
PFCOUNT uv:page:home                # 估算 UV

底层编码（简单了解）

数据类型是对外的接口，底层会根据数据量选择不同的编码以节省内存。例如 ZSet 元素少时用紧凑的 listpack，多时改用跳表加哈希表；Hash 和 Set 也会在 listpack/intset 与哈希表之间切换。

总结

String、Hash、List、Set、ZSet 覆盖了缓存、计数、去重、排序等大多数需求；BitMap、HyperLogLog、GEO、Stream 分别针对二值统计、基数统计、地理位置和消息队列做了优化。面试时把每种类型和一两个具体场景对应起来讲，最有说服力。

---

📮 联系方式

微信：BuZhiCoder　｜　QQ：1776418445　扫码添加，备注「求职」优先通过