int：值为整数
embStr：非整数且大小小于39字节
raw：其他
使用场景验证码等
2、哈希表Hash 底层结构ZipList：键值对个数少于512且所有键值对大小小于64字节
HashTable：其他
使用场景存取、修改用户的不同属性：如用户名、年龄、积分等，无需序列化与反序列化即可修改
3、列表List 底层结构QuickList
使用场景最新消息排行：利用双向链表的特性
消息队列：同上
4、集合Set 底层结构intSet：元素个数少于512且所有元素均为整数
HashTable：其他
使用场景筛选共同好友：集合取交集
统计访问网站的独立IP：利用集合的唯一性
5、有序集合Sorted Set 底层结构ZipList：元素个数小于128且所有元素大小小于64字节
SkipList：其他
使用场景带权重的排行榜
二、压缩列表ZipList 1、什么是压缩列表听到“压缩”两个字，直观的反应就是节省内存。之所以说这种存储结构节省内存，是相较于数组的存储思路而言的。我们知道，数组要求每个元素的大小相同，如果我们要存储不同长度的字符串,那我们就需要用最大长度的字符串大小作为元素的大小(假设是20个字节)。存储小于 20 个字节长度的字符串的时候，便会浪费部分存储空间
数组的优势占用一片连续的空间可以很好的利用CPU缓存访问数据。如果我们想要保留这种优势，又想节省存储空间我们可以对数组进行压缩
但是这样有一个问题，我们在遍历它的时候由于不知道每个元素的大小是多少，因此也就无法计算出下一个节点的具体位置。这个时候我们可以给每个节点增加一个lenght的属性
如此，我们在遍历节点的之后就知道每个节点的长度(占用内存的大小)，就可以很容易计算出下一个节点再内存中的位置。这种结构就像一个简单的压缩列表了
2、压缩列表在Redis中的应用压缩列表可以节省空间，但是效率较低。所以只有当元素个数较少且元素大小较小时会选用这种结构
三、跳表SkipList 1、什么是跳表对于一个单链表来讲，即便链表中存储的数据是有序的，如果我们要想在其中查找某个数据，也只能从头到尾遍历链表。这样查找效率就会很低，时间复杂度会很高，是 O(n)
如果我们想要提高其查找效率，可以考虑在链表上建索引的方式。每两个结点提取一个结点到上一级，我们把抽出来的那一级叫作索引
这个时候，我们假设要查找节点8，我们可以先在索引层遍历，当遍历到索引层中值为 7 的结点时，发现下一个节点是9，那么要查找的节点8肯定就在这两个节点之间。我们下降到链表层继续遍历就找到了8这个节点。原先我们在单链表中找到8这个节点要遍历8个节点，而现在有了一级索引后只需要遍历五个节点
从这个例子里，我们看出，加来一层索引之后，查找一个结点需要遍的结点个数减少了，也就是说查找效率提高了，同理再加一级索引
从图中我们可以看出，查找效率又有提升。在例子中我们的数据很少，当有大量的数据时，我们可以增加多级索引，其查找效率可以得到明显提升
像这种链表加多级索引的结构，就是跳跃表
2、跳表在Redis中的应用跳表是有序集合的底层实现之一，如果一个有序集合包含的元素数量比较多，又或者有序集合中元素的成员是比较长的字符串时，Redis就会使用跳跃表来作为有序集合的底层实现
这里我们需要思考一个问题——为什么元素数量比较多或者成员是比较长的字符串的时候Redis要使用跳跃表来实现？
从上面我们可以知道，跳跃表在链表的基础上增加了多级索引以提升查找的效率，但其实是一个空间换时间的方案，必然会带来一个问题——索引是占内存的。原始链表中存储的有可能是很大的对象，而索引结点只需要存储关键值值和几个指针，并不需要存储对象，因此当节点本身比较大或者元素数量比较多的时候，其优势必然会被放大，而缺点则可以忽略
3、为什么不用红黑树红黑树也可以保证有序，但由于以下几点，跳表更加有优势
1、实现更简单
2、内存占用少
3、有序集合有很多范围操作，而跳表更适合范围操作
四、快速列表 1、什么是快速列表快速列表是一个由ZipList组成的双向链表，这样做的理由是
- 双向链表便于在表的两端进行push和pop操作，但是它的内存开销比较大。首先，它在每个节点上除了要保存数据之外，还要额外保存两个指针；其次，双向链表的各个节点是单独的内存块，地址不连续，节点多了容易产生内存碎片
- ziplist是一整块连续内存，所以存储效率很高。但是，它不利于修改操作，每次数据变动都会引发一次内存的realloc。特别是当ziplist长度很长的时候，一次realloc可能会导致大批量的数据拷贝，进一步降低性能
这样相当于达到了一种折中的效果
如果有一个包含4个节点的quicklist，每个节点的ziplist又包含4个数据项。那么对外表现上，这个quicklist就总共包含16个数据项
2、快速列表在Redis中的应用在新版本的Redis中，List均采用快速列表来实现
