Redis到底快在哪？
它接收到一个键值对操作后，能以微秒级速度找到数据，并快速完成操作。
为啥就Redis这么突出？
- 它是内存数据库，所有操作都在内存上完成，内存的访问速度本身就很快
- 数据结构
键值对是按一定的数据结构来组织的，操作键值对最终就是对数据结构进行增删改查操作，所以高效的数据结构是Redis快速处理数据的基础
String（字符串）、List（列表）、Hash（哈希）、Set（集合）和Sorted Set（有序集合）只是Redis键值对中值的数据类型，即数据的保存形式。
本文的数据结构，是研究其底层实现。
底层数据结构一共6种：简单动态字符串、双向链表、压缩列表、哈希表、跳表和整数数组。
List、Hash、Set和Sorted Set这四种数据类型都有两种底层实现结构。通常称为集合类型：一个K对应一个集合的数据。
这些数据结构都是V的底层实现，K.V之间用什么组织的？
为什么集合类型有这么多底层结构，是怎么组织数据的，都很快吗？
什么是简单动态字符串，和常用的字符串是一回事吗？
Redis中有哪些潜在的“慢操作”，最大化Redis的性能优势。
键和值用什么结构组织？
为了实现从K到V快速访问，Redis使用哈希表保存所有KV对。
其实就是一个数组，数组元素称为哈希桶。一个哈希表由多个哈希桶组成，每个哈希桶中保存KV对。
如果值是集合类型，数组元素的哈希桶怎么保存呢的？
哈希桶中的元素保存的并非值本身，而是指向具体值的指针。即不管值是String，还是集合类型，哈希桶中的元素都是指向它们的指针。
哈希桶中的entry元素中保存了*key和*value，分别指向实际的K、V。
即使值是个集合，也可通过*value指针查到。
因为这哈希表保存了所有的键值对，所以，我也把它称为全局哈希表。
全局指Redis数据库中的所有kv，是由一个哈希表来索引的。通过在这个哈希表中查询key，就可以找到对应v。然后根据v具体类型（如Hash，Set，List），再通过v的底层数据结构来读取具体的value数据，例如List通过双向链表来读取数据。
哈希表造就O(1)快速查找KV对，只需计算K的哈希值，即可知其对应哈希桶位置，然后就能访问相应entry元素。
这个查找过程主要依赖哈希计算，和数据量无直接关系。不管哈希表有10万个K还是100万，只需一次计算，就能找到对应K。
若你只是了解哈希表的O(1)复杂度和快速查找特性，那当你往Redis写入大量数据后，就可能发现操作有时候会突然变慢。
因为你忽略了潜在风险：哈希表冲突问题和rehash可能带来操作阻塞。
为什么哈希表操作变慢了？
当你往哈希表中写入更多数据，就会哈希冲突。Redis通过链式哈希解决：同一哈希桶中的多个元素用链表保存。
entry1、entry2和entry3都要保存在哈希桶3：entry1会通过一个*next指向entry2，以此类推。这就形成了一个链表，也叫哈希冲突链。
哈希表数据越多，哈希冲突可能也越多，导致某些哈希冲突链过长，该链上的元素查找耗时长，效率降低。这对求“快”的Redis无法接受。
所以，Redis会对哈希表做
rehash
增加现有哈希桶数量，让逐渐增多的entry元素能在更多的桶之间分散保存，减少单个桶中的元素数量，从而减少单个桶中的冲突。
为使rehash操作更高效，Redis默认使用了两个全局哈希表：刚插入数据时，默认使用哈希表1，哈希表2尚未被分配空间。
随着数据逐步增多，Redis开始执行rehash：
- 给哈希表2分配更大的空间，例如是当前哈希表1大小的两倍
- 把哈希表1中的数据重新映射并拷贝到哈希表2中
- 释放哈希表1的空间
至此，即可从哈希表1切换到哈希表2：
- 更大的哈希表2保存数据
- 哈希表1留作下次rehash扩容备用
step2涉及大量数据拷贝，若一次性把哈希表1中的数据都迁移完，会造成Redis线程阻塞，无法服务其他请求，Redis就无法快速访问数据了。为解决该问题，Redis采用渐进式rehash。
step2拷贝数据时，Redis仍可正常处理客户端请求：
- 每处理一个请求时，从哈希表1中的第一个索引位置开始，顺带将该索引位置的所有节点复制到哈希表2
- 等到处理下一个请求时，再复制哈希表1中的下一个索引位置的节点们
- 这就把一次性大量拷贝开销，分摊到多次处理请求过程：
- 避免了耗时操作
- 保证了数据访问的快
对String，找到哈希桶就能直接增删改查了，所以，哈希表的O(1)操作复杂度也就是它的复杂度了。
但对集合类型，即使找到哈希桶了，还要在集合中进步操作。
dict的渐进式rehash是为了避免扩容时的整体拷贝，这会给内存带来较大压力。
