引言

只有弄明白Redis数据结构，才能理解它如此快速的原因，并不只是它存储于内存，本篇文章将拆开Redis数据结构分析它高效的原因

字符串（String）

基本概念：字符串是 Redis 中最基本的数据结构，可以存储任何形式的字符串，包括文本、二进制数据等，一个字符串的最大长度可达 512MB。

底层代码：

struct sdshdr {// 记录 buf 数组中已使用字节的数量，等于 SDS 所保存字符串的长度int len;// 记录 buf 数组中未使用字节的数量int free;// 字节数组，用于保存字符串char buf[];
};

• len：该字段记录了当前 SDS 中存储的字符串的实际长度。通过这个字段，获取字符串长度的操作时间复杂度为 O (1)，而在传统 C 字符串中，需要遍历整个字符串来获取长度，时间复杂度为 O (n)。
• free：它表示 buf 数组中尚未使用的字节数量。这个字段的存在使得 SDS 在进行字符串修改时，可以预先分配足够的空间，减少内存重新分配的次数。
• buf：这是一个字符数组，用于实际存储字符串的内容。在数组的末尾，会以 '\0' 结尾，这样可以兼容部分 C 字符串函数。

总结以上：获取字符串长度时间复杂度O(1)，减少内存分配次数，兼容C语言函数

应用场景
缓存数据：可缓存网页内容、数据库查询结果等，将网页的 HTML 内容以字符串形式存储，键为网页的 URL。
计数器：用于统计网站访问量、用户点赞数等，通过incr命令记录文章阅读次数。

列表（List）

基本概念：
列表是 Redis 中的一种线性数据结构，支持在头部或尾部插入和删除元素。列表可以存储多个字符串元素，元素可以重复，最大长度为 2^32 - 1。

底层代码：
Redis 列表的底层实现有两种：

1. 压缩列表（ziplist）：用于存储小列表，节省内存。

2. 双向链表（linkedlist）：用于存储大列表，支持快速的头尾操作。

   // 压缩列表结构（ziplist）
   struct ziplist {unsigned char *zlbytes;  // 整个压缩列表占用的字节数unsigned char *zltail;   // 最后一个节点的偏移量unsigned char *zllen;    // 节点数量unsigned char *zlentry;  // 节点数据
   };// 双向链表节点结构
   struct listNode {struct listNode *prev;  // 前驱节点struct listNode *next;  // 后继节点void *value;            // 节点值
   };// 双向链表结构
   struct list {listNode *head;         // 链表头节点listNode *tail;         // 链表尾节点unsigned long len;      // 链表长度
   };

   特点：存储偏移量避免遍历查找末尾字节

   压缩列表：内存紧凑，适合小列表，但插入和删除效率较低。

   双向链表：支持 O(1) 时间复杂度的头尾插入和删除操作，适合频繁修改的场景。

   应用场景：根据不同指定产生中间件

   消息队列：使用 LPUSH 和 RPOP 实现队列。

   最新消息列表：使用 LPUSH 和 LRANGE 获取最新消息。

   栈：使用 LPUSH 和 LPOP 实现栈。

哈希（Hash）

基本概念：
哈希是 Redis 中的一种键值对集合，适合存储对象。每个哈希可以存储多个字段和值，字段和值都是字符串类型。

底层代码：
Redis 哈希的底层实现有两种：

1. 压缩列表（ziplist）：用于存储小哈希，节省内存。

2. 字典（dict）：用于存储大哈希，基于哈希表实现。

   // 字典结构
   struct dict {dictEntry **table;       // 哈希表数组unsigned long size;      // 哈希表大小unsigned long sizemask;  // 哈希表大小掩码unsigned long used;      // 已使用的节点数
   };// 哈希表节点结构
   struct dictEntry {void *key;               // 键union {void *val;uint64_t u64;int64_t s64;} v;                     // 值struct dictEntry *next;  // 指向下一个节点（解决哈希冲突）
   };

• 压缩列表：内存紧凑，适合小哈希。

• sizemask（哈西表大小掩码）： 是哈希表大小减 1（size - 1），用于将哈希值映射到哈希表的索引范围内。它的主要作用是：

            快速计算索引：通过 hash & sizemask 的方式，将哈希值映射到哈希表的索引位置。

            保证索引在合法范围内：由于 sizemask = size - 1，且 size 是 2 的幂次方，hash &                  sizemask 的结果一定在 [0, size-1] 范围内。

• 字典：支持 O(1) 时间复杂度的查找、插入和删除操作。

  应用场景：

• 存储对象：如用户信息、商品信息。

• 字段级操作：可以直接修改某个字段，而不需要读取整个对象。

集合（Set）

基本概念：
集合是 Redis 中的一种无序且唯一的数据结构，适合存储不重复的元素。

底层代码：
Redis 集合的底层实现有两种：

1. 整数集合（intset）：用于存储整数集合，节省内存。

2. 字典（dict）：用于存储大集合，基于哈希表实现。

   // 整数集合结构
   struct intset {uint32_t encoding;  // 编码方式（int16、int32、int64）uint32_t length;    // 集合长度int8_t contents[];  // 集合内容
   };// 字典结构（同上）

• 整数集合：内存紧凑，适合存储整数。

• 字典：支持 O(1) 时间复杂度的查找、插入和删除操作。

应用场景

• 去重：如存储用户 ID、标签。

• 集合运算：如交集、并集、差集。

位图（Bitmap）

基本概念：
位图是 Redis 中的一种基于字符串的数据结构，每个 bit 位表示一个状态。不同于布尔数组，它的每个位只占一个bit

底层代码：
位图底层使用字符串（SDS）存储。

// SDS 结构（同字符串）
struct sdshdr {int len;    // 字符串长度int free;   // 未使用字节数char buf[]; // 字节数组
};

• 极省内存：每个 bit 位存储一个状态。

• 位操作：支持高效的位运算（如 AND、OR、NOT）。

应用场景：

• 用户签到：记录用户每天的签到状态。

• 活跃用户统计：统计某段时间内的活跃用户。

位图的高效性

1. 内存效率：

• 每个位只占用 1 bit，比使用布尔数组或整数数组更节省内存。
• 例如，存储 100 万个布尔值只需要 125KB 内

    2. 位运算性能：

• Redis 的位操作是基于 CPU 的位运算指令实现的，性能非常高。
• 例如，BITCOUNT 命令使用高效的算法统计 1 的数量。

   3. 批量操作：

• 支持批量设置和获取位值，减少网络开销。