redis的数据结构精讲

面试官：用过redis吗？
小白：用过
面试官：能说说redis的数据类型吗？
小白：redis有5种数据类型 String list hash set zset
听完小白的答案 面试官内心毫无波澜 继续追问 。。。。

这种场景是不是很熟悉，有多少同学都是这么回答的，这种回答，平淡无奇，一点也不能打动面试官，就类似于我们刚开始学英语的时候的一段对话
Luce :Are you ok .
Tom : I am fine Thank you and you .

如何能够在众多的面试者种 脱颖而出呢？要学会扩展，把这五种数据类型的底层数据结构也要说一下，说的越底层越深入，就越能打动面试官，如果你掌握的很好，说不定都可以把面试官听懵了。下面就让我来详细的说一下这五种数据类型

String

String是redis应该最广泛的数据类型，所有的存储都是key value 键值对，key都是字符串类型的。
底层的是用数组来存储的，redis的字符串叫做“SDS” Simple Dynamic String 翻译成中文就是 简单的动态的字符串，之所以是动态的是因为它的字符串是可以修改的。

struct SDS<T>{
T capacity; //数组的容量 内存分配的数组空间
T len;  //数组的长度  实际存放字符串的长度
byte flags; //特殊标记，不用理会
byte[] content //数组内容 存放真正的字符串的内容
}

redis在存放字符串的时候，会开辟一个而比较大的空间，采用预分配冗余空间的形式，为了减少内存的频繁分配，是一种以空间换时间的思想。capacity内部为字符串分配的实际空间一般要大于len字符串真正的长度，当字符串小于1MB的时候，扩容都是加倍现有的空间，如果字符串超过1MB,每次扩容只会增加1MB,字符串的最大值是512MB.
可以将用户的信息转化成jsonString存到redis里面

list

redis的列表相当于java linkedList底层不是数组而是链表结构，所以redis列表的插入和删除是很快的，时间复杂度O(1),但是索引定位很慢，时间复杂度O(n)，所以我们在使用list存储数据的时候尽量避免一个list里面存有大量的数据并且只从这些数据里面查询部分数据的这种情况。

如果在往底层说的话，redis的列表不是一个简单的linkedList而是一个“快速列表”（quickList）的数据结构，在一开始数据量比较少的时候列表的存储是一个压缩列表（zipList），这是一块连续的内存，元素之间彼此挨着存放，当数据量变大的时候，就变成的快速列表，快速列表就是多个压缩列表

hash（字典）

字典的数据结构是redis里面用的最频繁的一种，因为redis的存储格式就是key-value的。redis的字典数据结构跟java的hashMap是一样的，都是数组+链表二位结构，是无序的。当一维的数组产生哈希冲突的时候就会把元素用链表穿起来，放在同一个数组索引上。

hashMap的rehash（扩容）过程是很消耗时间的，重新创建一个新的数组把旧的数组里面的元素一次性迁移到新的数组里面，完成rehash的过程。
redis的rehash是渐进式的，这样设计主要是为了保证redis的高性能。在rehash的过程中redis会保存2个hashtable,一个是旧的一个是新的，有查询指令的时候会查询两个hashtable,后续的定时任务或者指令会触发旧table里面的数据渐渐的往新table里面迁移，直到旧的table数据全部迁移完成，旧的被删掉内存被回收，整个过程完成。
统计文章浏览量的时候可以把文章的ID作为key,浏览量作为value

set

redis的set数据结构同java中的hashSet,是一个种特殊的hashMap，里面所有的value都是null,key是不能重复的，这一点可以用来在分布式系统中去重。
抽奖活动中为了防止有人重复中将，可以将用户的ID放到set中

zset

zset应该是redis中最具特色的数据结构了，类似于java中的sortedSet和hashSet的结合，一方面他是一个set保证了每个值的唯一性，另一方面它给每个value分配了一个sorce权重，可以根据sorce来排序。它的内部实现用的是一种叫做“跳跃列表”skiplist的数据结构。
学生的ID作为key 成绩作为score 就可以实现按成绩排序的功能
我们重点来说一下这个跳跃列表的数据结构，跳跃列表可以理解成一个特殊的链表结构，我们常见的链表只有一层。跳跃链表是由多层的。

一层的链表就是这个样子的，如果我们要插入30这个数值，需要从头部开始查找，查找顺序 1 5 12 20 50一直找到20和50之间才可以。

两层的链表我们查找的时候从最高层开始查找 5 20 ，然后再查找下面一层 50 ，这样我们就节省了查询的时间

三层的链表我们查找的顺序 5 50 20 ，这样我们就可以定位到30的位置了

skiplist 跳跃列表就是受这种思想的启发设计出来的，skiplist的创建和插入过程 每一个节点的层数（level）是随机出来的，而且新插入一个节点不会影响其它节点的层数。因此，插入操作只需要修改插入节点前后的指针，而不需要对很多节点都进行调整。这就降低了插入操作的复杂度。实际上，这是skiplist的一个很重要的特性，这让它在插入性能上明显优于平衡树的方案。这在后面我们还会提到。

skipList 平衡树 哈希表的比较

skiplist和各种平衡树（如AVL、红黑树等）的元素是有序排列的，而哈希表不是有序的。因此，在哈希表上只能做单个key的查找，不适宜做范围查找。所谓范围查找，指的是查找那些大小在指定的两个值之间的所有节点。
在做范围查找的时候，平衡树比skiplist操作要复杂。在平衡树上，我们找到指定范围的小值之后，还需要以中序遍历的顺序继续寻找其它不超过大值的节点。如果不对平衡树进行一定的改造，这里的中序遍历并不容易实现。而在skiplist上进行范围查找就非常简单，只需要在找到小值之后，对第1层链表进行若干步的遍历就可以实现。
平衡树的插入和删除操作可能引发子树的调整，逻辑复杂，而skiplist的插入和删除只需要修改相邻节点的指针，操作简单又快速。
从内存占用上来说，skiplist比平衡树更灵活一些。一般来说，平衡树每个节点包含2个指针（分别指向左右子树），而skiplist每个节点包含的指针数目平均为1/(1-p)，具体取决于参数p的大小。如果像Redis里的实现一样，取p=1/4，那么平均每个节点包含1.33个指针，比平衡树更有优势。
查找单个key，skiplist和平衡树的时间复杂度都为O(log n)，大体相当；而哈希表在保持较低的哈希值冲突概率的前提下，查找时间复杂度接近O(1)，性能更高一些。所以我们平常使用的各种Map或dictionary结构，大都是基于哈希表实现的。
从算法实现难度上来比较，skiplist比平衡树要简单得多。

小结

大牛：小白如果再有面试官问你redis数据结构的时候 你要怎么说啊？
小白：不仅要简单的回答这5种类型，还要对5种类型的底层数据结构展开说，重点的扩展zset的跳跃列表，让面试官听完之后，内心泛起一片波澜。

	                    欢迎大家关注我的微信公众号 您的关注就是我不懈的动力