原文：《02丨数据结构：快速的Redis有哪些慢操作？》
为什么这么快？一是因为内存存储，二是因为其数据结构，三是多路复用机制（下一节讲）。
Redis使用Hash表来保存所有的键值对，Key为String类型，Value为五种数据形式，每一种数据形式都有其对应的底层结构，除String类型外的4种数据类型又称为集合数据。
Note：Redis还有三种扩展数据类型，BitMap、HyperLogLog、GEO，这三种在后面十一、十二节介绍。
1. 全局哈希表
一个哈希表就是一个数组，每个元素称为一个哈希桶，即一个entry，其中存储了key和value指针，分别指向键和值。
哈希表的查询速度是O(1)，但是为什么往Redis中写入大量数据后会变慢呢？因为哈希表的哈希冲突和rehash可能带来阻塞操作。
如何解决哈希冲突？ => 链式哈希、rehash。
**（1）链式哈希：**一个哈希桶中的多个元素用同一个链表来保存，它们之间用指针连接。但是，链式存储的查询操作太慢，所以使用rehash。
**（2）rehash：**增加现有的哈希桶的数量，让逐渐增多的entry元素能在桶之间分散开来。为了使rehash操作更高效，Redis默认使用了两个全局哈希表，一开始使用全局哈希表1（哈希表2没有分配空间），当数据量变大时，开始执行rehash：
- 给全局哈希表2分配更大的空间，比如是哈希表1的两倍；
- 把哈希表1的数据重新映射拷贝到哈希表2中去；
- 释放哈希表1的空间，留作下次rehash扩容备用。
这里有一个问题，就是第二步中把数据全部拷贝过去到哈希表2中，由于数据量太大，会造成阻塞时间过久。 => 渐进式rehash
**（3）渐进式rehash：**在第二步拷贝数据时，Redis仍然正常处理客户端请求，每处理一次请求，就从哈希表1中的第一个索引位置开始，将这个索引位置上的所有entries拷贝到哈希表2中，等待下一次请求时，再继续拷贝下一个索引位置的entries…如此一来就把一次性大量拷贝开销给分摊给了多次请求中，加快了速度。 （如果一直没有请求，Redis也会定时进行渐进式rehash操作）
2. 集合数据操作效率
集合数据类型的底层结构有五种：双向链表、整数数组、哈希表、压缩列表、跳表，其中前三者比较常见，就不再解释。主要是后面两种，压缩列表和跳表。
**压缩列表：**类似于一个数组，只不过表头有三个字段zlbytes、zltail、zllen，分别表示列表长度、列表尾的偏移量、列表中entry的个数；表尾有一个字段zlend表示列表结束。我们要查找首尾元素，就直接可以通过头部三个字段确定，为O(1)，但是其它元素的查找是O(n)。
**跳表：**对有序链表的改进，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。
各数据结构的时间复杂度：
各操作的时间复杂度：
- 单元素操作：如Hash类型的HGET、HSET，Set类型的SADD、SREM等，这些操作的时间复杂度由集合采用的数据结构决定，比如采用哈希表时，为O(1)(如果是操作多个元素，如HMGET，时间复杂度由操作元素个数决定)；
- 范围操作：集合中的遍历操作，返回所有/部分数据，如Hash类型的HGETALL和Set类型的SMEMBERS为返回所有数据，List类型的LRANGE和ZSet类型的ZRANGE，这些操作都是O(N)，我们应该尽量避免（SCAN操作为渐进式遍历，可以避免阻塞严重）。
- 统计操作：返回元素个数，如LLEN、SCARD，由于双向链表、压缩列表、整数数组都有记录元素个数，为O(1)；
- 特殊情况：比如压缩列表和双向链表都会记录首尾位置，对应List类型的LPOP、LPUSH、RPOP、RPUSH操作都为O(1)，所以List类型可以用在FIFO的场景中。
整数数组和压缩列表作为底层数据结构的优点是什么？ => 两者都是连续存储，元素一个挨一个，非常紧凑，省内存。
