压缩列表的最大特点，就是它被设计成一种内存紧凑型的数据结构，占用 一块连续的内存空间，不仅可以利用 CPU 缓存，而且会针对不同长度的数据，进行相应编码，这种方法可以有效的节省内存开销。
但是，压缩列表的缺陷也是有的：
-
不能保存过多的元素，否则查询效率就会降低；
-
新增或修改某个元素时，压缩列表占用的内存空间需要重新分配，甚至可能引发连锁更新的问题。
因此，Redis 对象（List 对象、Hash 对象、Zset 对象）包含的元素数量较少、或者元素值不大的情况才会使用压缩列表作为底层数据结构。
1. 压缩列表结构设计
压缩列表是 Redis 为了节约内存而开发的，它是由连续内存块组成的顺序型数据结构，有点类似于数组。
压缩列表在表头由三个字段：
-
zlbytes，记录整个压缩列表占用堆内存字节数；
-
zltail，记录压缩列表【尾部】节点距离起始地址有多少字节，也就是列表尾的偏移量；
-
zllen，记录压缩列表包含的节点数量；
表尾有一个字段：
- zlend，标记压缩列表的结束点，固定值 0xFF（十进制 255）
在压缩列表中，如果我们要查找定位第一个元素和最后一个元素元素，可以通过表头第三个字段（zllen）的长度直接定位，复杂度是 O(1)，而查找其他元素时，就没有这么高效了，只能逐个查找，此时的复杂度就是 O(N) 了，因此压缩列表不适合保存过多的元素。
另外，压缩列表节点（entry）的构成如下：
-
prevlen，记录了【前一个节点】的长度，目的是为了实现从后向前遍历；
-
encoding，记录了当前节点实际数据的【类型和长度】，类型主要有两种：字符串和整数
-
data ，记录了当前节点的实际数据，类型和长度都由
encoding决定；
当我们往压缩列表中插入数据时，压缩列表就会根据数据类型是字符串还是整数，以及数据的大小，会使用不同空间大小的 prevlen 和 encoding 这两个元素里保存的信息，这种根据数据大小和类型进行不同的空间大小分配的设计思想，正是 Redis 为了节省内存而采用的。
分别说下，prevlen 和 encoding 是如何根据数据的大小和类型来进行不同的空间大小分配。
压缩列表里的每个节点中的 prevlen 属性都记录了【前一个节点的长度】，而且 prevlen 属性的空间大小跟前一个节点长度值有关，比如：
-
如果前一个节点的长度小于 254 字节 ，那么 prevlen 属性需要用 1 字节的空间来保存这个长度值
-
如果前一个节点的长度大于等于 254 字节 ，那么 prevlen 属性需要用 5 个字节的空间来保存这个长度值
encoding 属性的空间大小跟数据是字符串还是整数，以及字符串的长度有关，如下图（下图的 content 表示的是实际数据，即本文的 data 字段）：
-
如果当前节点的数据是整数 ，则 encoding 会使用 1 字节的空间进行编码，也就是 encoding 长度为 1 字节。通过 encoding 确认了整数类型，就可以确认整数数据的实际大小了，比如如果 encoding 编码确认了数据是 int16 整数，那么 data 的长度就是 int16 的大小了。
-
如果当前节点的数据是字符串，根据字符串的长度大小 ，encoding 会使用 1 字节/2 字节/5 字节的空间进行编码，encoding 编码的前两个 bit 表示数据的类型，后续的其他 bit 标识字符串数据的实际长度，即 data 的长度。
2. 连锁更新
压缩列表除了查找复杂度高的问题，还有一个问题。
压缩列表新增某个元素或修改某个元素时，如果空间不够，压缩列表占用的内存空间就需要重新分配。而当新插入的元素较大时，可能会导致后续元素的 prevlen 占用空间都发生变化，从而引起【连锁更新】问题，导致每个元素的空间都要重新分配，造成访问压缩列表性能的下降。
前面提到，压缩列表节点的 prevlen 属性会根据前一个节点的长度进行不同的空间大小分配：
-
如果前一个节点的长度小于 254 字节 ，那么prevlen 属性需要用 1 字节的空间来保存这个长度值；
-
如果前一个节点的长度大于等于 254 字节 ，那么prevlen 属性需要用 5 字节的空间来保存这个长度值；
现在假设一个压缩列表中有多个连续的、长度在 250 ~ 253 之间的节点，如下图：
因为这些节点长度值小于 254 字节，所以 prevlen 属性需要用 1 字节的空间来保存这个长度值。
这时，如果将一个长度大于等于 254 字节的新节点加入到压缩列表的表头节点，即新节点将成为 e1 的前置节点，如下图：
因为 e1 节点的 prevlen 属性只有 1 个字节大小，无法保存新节点的长度，此时就需要对压缩列表的空间重新分配操作，并将 e1 节点的 prevlen 属性从原来的 1 字节大小扩展为 5 字节大小。
多米诺牌的效应就此开始
开始。
e1 原本的长度在 250 ~ 253 之间，因为刚才的扩展空间，此时 e1 的长度就大于等于 254 了，因此原本 e2 保存 e1 的 prevlen 属性也必须从 1 字节扩展至 5 字节大小。
正如扩展 e1 引发了对 e2 的扩展一样，扩展 e2 也会引发对 e3 的扩展，而扩展 e3 又会引发对 e4 的扩展...一直持续到结尾。
这种在特殊情况下产生的连续多次空间扩展操作就叫做【连锁更新】，就像多米诺牌的效应一样，第一张牌倒下了，推动了第二张牌倒下；第二张牌倒下，又推动了第三张牌倒下...
3. 压缩列表的缺陷
空间扩展操作也就是重新分配内存，因此连锁更新一旦发生，就会导致压缩列表占用的内存空间要多次重新分配，这就会直接影响到压缩列表的访问性能。
所以说，虽然压缩列表紧凑型的内存布局能节省内存开销，但是如果保存的元素数量增加了，或是元素变大了，会导致内存重新分配，最糟糕的是会有【连锁更新】的问题。
因此，压缩列表只会用于保存的节点数量不多的场景，只要节点数量足够小，即使发生连锁更新，也是能接受的。
虽说如此，Redis 针对压缩列表在设计上的不足，在后来的版本中，新增设计了两种数据结构：quicklist（Redis 3.2 引入）和 listpack（Redis 5.0 引入）。这两种数据结构的设计目标，就是尽可能地保持压缩列表节省内存的优势，同时解决压缩列表的【连锁更新】的问题。