深入剖析Redis数据类型与底层数据结构

深入剖析Redis数据类型与底层数据结构

Redis 作为互联网架构中无可替代的高性能内存数据库 ，读写性能轻松突破10万+ QPS，其"快"的核心秘诀，除了经典的单线程模型、IO多路复用，更离不开底层精心设计的数据结构。

Redis 最精妙的设计在于：对外提供简洁易用的数据类型接口，对内根据数据特征动态选择最优底层实现，在时间复杂度与空间利用率之间做到极致平衡。

本文将从 Redis 5种核心数据类型出发，逐层拆解6种底层数据结构，结合原理、流程图、编码转换规则，带你彻底吃透 Redis 数据存储逻辑。

---

前言：核心关系总览

先建立最关键的认知，这是理解全文的基础：

1. 对外数据类型（5种）：String、List、Hash、Set、SortedSet，是开发者直接使用的操作接口；
2. 底层数据结构（6种）：哈希字典、SDS、压缩列表、双端链表、跳跃表、整数数组，是数据的真实存储载体；
3. 动态编码转换：Redis 会根据数据量、值大小、数据类型，自动切换底层结构，无需手动干预。

一句话总结：数据类型是壳，底层结构是核。

---

一、Redis 5种核心数据类型（应用场景速查表）

在深入底层前，先快速掌握5种数据类型的核心特点与业务场景，建立直观认知：

数据类型	核心特点	典型应用场景
String（字符串）	二进制安全，支持字符串/数字/二进制，最大512MB	用户信息缓存、分布式锁、计数器、接口限流
List（列表）	有序可重复，首尾操作极快，双向结构	消息队列、朋友圈时间轴、最新消息列表、栈/队列
Hash（哈希）	键值对集合，适合存储对象，支持单字段操作	用户详情、商品属性、系统配置项
Set（集合）	无序不可重复，支持交并差集运算	用户标签去重、共同好友、点赞去重、抽奖活动
SortedSet（有序集合）	按分值排序、不可重复，支持范围查询	排行榜、积分榜、延时队列、热度排序

---

二、深度拆解：Redis 6种底层数据结构（原理+流程图）

这是 Redis 高性能的核心，6种结构各司其职，适配不同的数据场景。

1. 哈希字典（Hash Dict）：Redis 全局骨架

地位 ：Redis 整个数据库的顶层结构，所有键值对最终都存储在全局哈希字典中，类似 Java 的 HashMap。
核心 ：数组+链表，实现 O(1) 时间复杂度的查找。

核心机制

• 哈希桶：数组的每个元素就是一个哈希桶，通过 key 的哈希值定位数据；
• 哈希冲突：采用链式哈希解决，冲突的键值对用链表串联；
• 性能痛点 ：链表过长会导致查询退化至 O(n)，因此 Redis 设计了渐进式rehash。

关键：渐进式rehash（避免单线程阻塞）

Redis 维护两个哈希表（ht[0]、ht[1]），默认只用 ht[0]，rehash 时分步拷贝数据，不阻塞业务命令：
否
是
否
是
初始状态
ht[0]存数据，ht[1]为空
触发rehash?
为ht[1]分配2倍空间
每次处理请求时，拷贝一个索引的数据
拷贝完成?
释放ht[0]，ht[1]成为新表

✅ 优势：分散数据拷贝压力，保证 Redis 单线程不阻塞。

---

2. SDS（简单动态字符串）：String 类型底层实现

Redis 没有使用 C 语言原生字符串，而是自定义了 SDS 结构，彻底解决了 C 字符串的性能缺陷。

C字符串 vs SDS 核心对比

对比维度	C语言字符串	Redis SDS
长度获取	遍历字符串 O(n)	内置 len 字段 O(1)
内存分配	频繁分配释放	预分配+惰性释放
二进制安全	不支持（遇\0截断）	支持（存储图片/视频）

两大优化

1. 空间预分配：修改字符串时，提前分配额外空间，减少内存分配次数；
2. 惰性空间释放：缩短字符串时不回收内存，留作后续复用。

✅ 价值：让 String 类型的自增、拼接操作极致高效。

---

3. 压缩列表（ZipList）：小数据场景空间王者

定位 ：List、Hash、SortedSet 的轻量级实现，连续内存空间，无指针冗余，极致节省内存。

结构组成

[zlbytes][zltail][zllen][entry1][entry2]...[zlend]

• zlbytes：总字节数
• zltail：快速定位表尾
• entry：存储真实数据
• zlend：结束标记

适用条件（双小场景）

• List：元素<512个，值<64字节
• Hash：键值对<512个，键值长度<64字节
• SortedSet：元素<128个，值<64字节

❌ 缺陷 ：插入/删除需要移动内存，效率低，只适合小数据。

---

4. 双端链表 + QuickList：List 类型的高效实现

当 List 数据量超过 ZipList 限制，Redis 会切换为链表结构。

• 双端链表：首尾操作 O(1)，但内存碎片多；
• QuickList（Redis3.2+默认） ：ZipList + 双端链表 的结合体，兼顾空间与效率。

✅ 优势：既拥有 ZipList 的内存紧凑性，又具备链表的高效首尾操作。

---

5. 跳跃表（SkipList）：SortedSet 排序核心

SortedSet 能实现高效排序+范围查询 ，全靠跳跃表。
核心思想 ：在链表基础上建立多层索引，实现O(logN) 查询效率，媲美红黑树，但实现更简单。

结构示意图

原始链表
第一层索引
第二层索引
10
50
10
30
50
10
20
30
40
50

查询逻辑

从顶层索引开始，快速跳过大量节点，逐层下沉定位目标，无需遍历全表。

✅ 优势：排序快、范围查询高效，是排行榜功能的核心支撑。

---

6. 整数数组（IntSet）：Set 类型小整数优化

定位 ：Set 类型的轻量化实现，专门存储整数+小数据量场景。

特点

• 有序、无重复整数数组；
• 根据整数大小自动选择编码（16/32/64位）；
• 内存占用远小于哈希字典。

转换条件

• 所有元素都是整数；
• 元素个数 ≤ 512（默认配置）。

不满足条件时，自动切换为哈希字典。

---

三、核心桥梁：redisObject 与编码转换

Redis 通过 redisObject 对象，将对外数据类型 和底层结构关联起来，实现自动编码转换。

redisObject 核心字段

typedef struct redisObject {
    unsigned type:4;      // 数据类型（string/list等）
    unsigned encoding:4;  // 底层编码（结构）
    void *ptr;            // 指向底层数据
} robj;

5种数据类型编码转换规则（面试必考）

1. String

   • int：存储整数
   • embstr：短字符串（<44字节）
   • raw：长字符串（≥44字节）

2. List

   • ziplist：小数据
   • quicklist：大数据（默认）

3. Hash

   • ziplist：小数据
   • hashtable：大数据

4. Set

   • intset：纯整数+小数据
   • hashtable：其他场景

5. SortedSet

   • ziplist：小数据
   • skiplist+hashtable：大数据

---

四、总结：Redis 数据结构核心思想

1. 分层设计：对外简单易用，对内极致优化；
2. 动态适配：根据数据特征自动切换底层结构，平衡速度与空间；
3. 场景优先：没有最优结构，只有最适合当前场景的结构。

面试高频考点

1. Redis 5种数据类型及应用场景；
2. SDS 对比 C 字符串的优势；
3. 渐进式rehash 的原理与作用；
4. ZipList、QuickList、SkipList 的适用场景；
5. 每种数据类型对应的底层编码及转换条件。

---

结语

Redis 的高性能绝非偶然，而是底层数据结构精心设计的结果。理解数据类型与底层结构的映射关系，不仅能应对面试，更能在实际开发中合理使用 Redis，避免因误用数据类型导致性能瓶颈。