Redis基础篇（一）数据类型与数据结构
我们先从Redis支持的数据类型学起，了解不同的数据类型的差异和底层实现的数据结构。
Redis的数据类型
一般的键值对数据库只支持String一种数据类型，例如Memcached，而Redis支持的数据类型非常丰富，一共有5种，分别是String（字符串）、List（列表）、Hash（字典）、Set（集合）、SortSet（有序集合）。除String外，其余四种数据类型是集合类型。
String
String是最简单的数据类型了，它是由简单动态字符串实现的。
List
List支持存储一组数据，有两种实现方式：压缩列表（ziplist）和双向循环链表。
Hash
Hash用来存储一组数据对，每个数据对又包含键和值两部分。Hash也有两种实现方式：压缩列表和哈希表。
Set
Set这种数据类型用来存储一组不重复的数据。有两种实现方式：有序数组和哈希表。
SortedSet
SortedSet用来存储一组数据，并且每个数据会附带一个得分。通过得分的大小，我们将数据组织成跳表这种数据结构，以支持快速地按照得分值、得分区间获得数据。
SortedSet也有两种实现方式：跳表和压缩列表。
Redis的数据结构
Redis底层一共有六种数据结构，分别是简单动态字符串、双向链表、压缩列表、哈希表、跳表、整数数组。
简单动态字符串（SDS）
与字符串本身不同，简单动态字符串（SDS）保留字符串长度信息，只需要O(1)就能得到字符串长度。
- len：记录buf数据中已使用字节的数量
- free：记录buf数组中未使用字节的数量
- buf：字节数组，用于保存字符串
双向链表
双向链表是节点保存前置和后置节点的指针的链表结构。
压缩列表
类似于数组，但与数组不同的是，压缩列表在表头有三个字段（zlbytes、zltail、zllen）和表名有一个字段（zlend）。
查找第一个元素和最后一个元素只需要O(1)，其他O(n)。
- zlbytes：列表长度
- zltail：列表层的偏移量
- zllen：列表中的entry个数
- entry list：列表数组
- zlend：表示列表结束
哈希表
一个哈希表，其实就是一个数组，数组的每个元素称为一个哈希桶。
哈希表最大的好处是查找元素只需要O(1)时间复杂度，但随着哈希表写入大量数据后，就可能出现操作变慢的情况，这是因为哈希表的冲突问题和rehash可能带来的操作阻塞。
为什么哈希表操作变慢了？
当哈希表中写入大量数据时，哈希冲突是不可避免的。这里的哈希冲突指的是两个key的哈希值相同，落在同一个哈希桶中。
Redis解决哈希冲突的方式是：链式哈希，即同一个哈希桶中的多个元素用一个链表来保存。
但这里还存在一个问题，哈希冲突链上查找元素的时间复杂度是O(N)，当哈希冲突链过长，查找元素耗时长，效率降低。这对Redis来说是不能接受的。
所以Redis会对哈希表做rehash操作。rehash就是增加现有的哈希桶数量，即扩容。
Redis执行rehash有三步：
- 给哈希表2分配更大的空间，例如是当前哈希表1大小的两倍；
- 把哈希表1中的数据重新映射并拷贝到哈希表2中；
- 释放哈希表1的空间。
这个过程看似简单，但是步骤2涉及大量的数据拷贝，如果一次性把数据都迁移完，会造成Redis线程阻塞，无法处理其他请求。
为了避免这个问题，Redis采用了渐进式rehash。
简单来说，就是把步骤2拷贝数据这一次性开销分摊到多次请求里，例如请求key1，会把key1所在的哈希桶从哈希表1迁移到哈希表2里，直到所有哈希桶都迁移到哈希表2里。在这个过程里，哈希表1要一直保留，等到迁移完成后才释放。
除了键值对请求操作进行数据迁移，Redis本身还会有一个定时任务来执行rehash。
跳表
有序链表只能逐一查找元素，导致操作非常缓慢，于是出现了跳表。具体来说，跳表是在链表的基础上，增加了多级索引，通过索引位置的几个跳转，实现数据的快速定位。如下图所示：
可以看到，这个查找过程就是在多级索引上跳来跳去，最后定位到元素。跳表的查找时间复杂度是O(logN)。
整数数组
就是一个数组，元素类型是整数，并且是有序的。
- encoding：编码方式
- length：数组包含的元素数量
- contents：保存元素的数组
集合类型的时间复杂度
总结
- Redis能够快速操作键值对，一方面是因为使用了O(1)的哈希表，另一方面是也采用了O(logN)的跳表。
- 集合类型的范围操作的时间复杂度通常是O(N)。建议用其他命令替换，例如SCAN。
- List的复杂度较高，要因地制宜使用List。
拓展
整数数组和压缩列表在查找时间复杂度方面没有很大的优势，Redis为什么还会把它们作为底层数据结构？
两方面原因：
- 数组和压缩列表可以提升内存利用率，因为他们的数据结构紧凑
- 数组对CPU高速缓存支持友好，当数据元素超过阈值时，会转为hash和跳表，保证查询效率
