一、五种数据结构
1、字符串String
底层结构
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