一.redis数据类型和底层数据结构的对应关系
二.Redis 使用哈希表实现从键到值的快速访问
哈希表的O(1)复杂度和快速查找特性
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。
一个哈希表是由多个哈希桶组成的，每个哈希桶中保存了键值对数据。
不管值是 String，还是集合类型，哈希桶中的元素都是指向它们的指针地址。
哈希桶中的entry元素保存了*key和*value指针，分别指向了实际的键和值，这样一来。即使值一个集合，也可以通过*value指针被查找到。
哈希表最大的好处就是可以用O（1）的时间复杂度来快速查找键值对
---我们只需计算键的哈希值，就可以知道哈希桶的位置，然后访问相应的entry元素。
三.哈希表的冲突问题和rehash可能带来的操作阻塞。
当你往哈希表中写入更多数据时，哈希冲突是不可避免的问题。这就是哈希冲突，两个key的哈希值和哈希桶计算对应关系时，正好落到同一个哈希桶中。
链式哈希。链式哈希也很容易理解，就是指同一个哈希桶中的多个元素用一个链表来保存，它们之间依次用指针连接。
但是，这里依然存在一个问题，哈希冲突链上的元素只能通过指针逐以查找再操作。如果哈希表里写入的数据越来越多，哈希冲突越来越多，会导致哈希冲突链过长，进而导致这个链上的元素查找耗时过长，效率降低。
rehash操作。rehash也就是增加现有的哈希桶数量，让逐渐增多的entry元素能在更多桶之间分散保存，减少单个桶中的元素数量，从而减少哈希冲突。
哈希表1和哈希表2。
一开始当插入数据时，默认使用哈希表1，此时哈希表2并没有被分配空间。随着数据的增多redis开始rehash,这个过程分为三步：
分配更大的空间，例如是当前哈希表1大小的两倍
2.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
这个过程第二步涉及大量数据拷贝，如果一次性把哈希表1中的数据都迁移完，会造成Redis线程阻塞没无法服务其他请求。此时，Redis无法处理其他请求。
四.渐进式 rehash
Redis仍然可以正常处理客户端请求，
从哈希表1中的第一个索引位置开始，顺带着将这个索引位置上的所有entries拷贝到哈希表2中；即将哈希冲突链复制过去。下一次也一样
一次性大量拷贝的开销，分摊到了多次处理请求的过程中，避免了耗时操作，保证了数据的快速访问。
渐进式rehash执行时，除了根据键值对的操作来进行数据迁移，redis本身还有一个定时任务来执行，会周期性的搬移数据到新哈希表中，缩短整个rehash的过程。
五.集合数据操作效率
Redis 的键和值是怎么通过哈希表组织的了。对于 String 类型来说，找到哈希桶就能直接增删改查了，所以，哈希表的 O(1) 操作复杂度也就是它的复杂度了。
通过全局哈希表找到对应的哈希桶位置，第二步在集合中再进行增删改查。
压缩列表实际上类似于一个数组，数组中的每一个元素都对应保存一个数据。和数组不同的是，
压缩列表在表头有三个字段zlbytes,zltail和zllen，分别表示列表长度，列表尾的偏移量和列表中的entry个数；压缩列表在表尾还有一个zlend，表示列表结束。
查找第一个元素，时间复杂度是O(1);
查找最后一个元素通过zltail时间复杂度是O(1);
查找其他元素时候，只能逐个查找，时间复杂度是O(n);
跳表
有序链表只能逐一查找元素，导致操作起来非常缓慢，于是就出现了跳表。
跳表是在链表地基础上，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
链表的二分查找）
跳表的核心是链表是有序的，所以查找时间复杂度跟二分查找一样是O(logn)
不同数据结构查找的时间复杂度
名称 | 时间复杂度 |
哈希表 | O(1) |
跳表 | O(logn) |
双向链表 | O(n) |
压缩列表 | O(n) |
整数数组 | O(n) |
不同操作的复杂度
- 单元素操作是基础；
- 范围操作非常耗时；
- 统计操作通常高效；
- 例外情况只有几个；
第一.单元素操作是指每一种集合类型对单个数据实现的增删改查操作。
hash类型的hget,hset,hdel，是对哈希表或压缩列表操作，时间复杂度是O(1);
set类型sadd,srem,srandmember是对哈希表或者整数数组操作，时间复杂度是O(1);
hash 类型的 HMGET 和 HMSET，Set 类型的 SADD 也支持同时增加多个元素复杂度就从 O(1) 变成 O(M) 了。
第二，范围操作，是指集合类型中的遍历操作，可以返回集合中的所有数据。
hash类型中的hgetall
set类型中的smembers
或者返回一个范围内的部分数据，
list类型的lrange和zset类型的zrange。
时间复杂度是O(n)。比较耗时，我们应该尽量避免。
Redis从2.8版本开始提供SCAN系列操作（包括HSCAN,SSCAN和ZSCAN）,这类操作实现渐进式遍历，每次只返回有限数量的数据。避免相比如hgetall，smembers这种操作一次性返回所有元素导致的redis阻塞。
第三，统计操作，是指集合类型对集合中所有元素个数的记录
时间复杂度只有O(1),这些集合采用压缩列表，双向链表或者整数数组的时候，会专门记录元素的个数统计，以空间换时间的形式减少时间复杂度。
第四，例外情况
list类型的lpop，rpop,lpush,rpush四个操作来说，可以直接通过偏移量定位尾部元素，时间复杂度也是O(1),实现快速操作。
六. 整数数组和压缩列表在查找时间复杂度方面并没有很大的优势，那为什么 Redis 还会把它们作为底层数据结构呢？
内存利用率，数组和压缩列表都是非常紧凑的数据结构，他比链表占用内存少。redis是内存数据库，大量数据存在内存中，此时需要做尽可能的优化，提高内存利用率。
CPU告诉缓存支持更友好，所以redis在集合数据元素较少的情况下，默认采用内存紧凑排列的方式存储，同时利用CPU高速缓存不会降低访问速度。当数据元素超过设定阀值，避免查询时间过高，转为哈希表和跳表数据结构存储，保证查询效率。
