从本文开始，我将分享一下近期自学 Redis 的学习笔记，其中大部分来源于极客时间的《Redis核心技术与实战》和小林coding。

我将在后续文章中陆续介绍以下内容：Redis自定义的数据结构、数据类型，线程模型、持久化、内存管理、通信、网络IO、并发问题、事务、主从架构、发布订阅机制、哨兵机制、切片集群、缓存问题、性能问题等。

Redis 的全称为 Remote Dictionary Server，远程数据服务。是使用 C 语言编写的。

Redis 是一种基于内存的键值对数据库，对数据的读写操作都是在内存中完成，因此读写速度非常快，常用于缓存，消息队列、分布式锁等场景。

Redis 的快，一方面得益于内存的快，另一方面是由于 Redis 的底层架构和许多自定义的高效数据结构。相较于同样基于内存的键值对数据库 Memcache，Redis 有更多的数据类型，能够满足更多的应用场景。

Redis 中的数据就是一个个键值对，其中的 key 是字符串对象，而 value 可以是许多类型对象（String、List、Hash 等，后续会讲到）。Redis 使用了一个哈希表「dictht」来保存所有键值对。

Redis 存储数据所涉及到的数据结构如下图所示：

dictht 和 dictEntry 的结构如下：

dictEntry 结构里键值对中的值是一个「联合体 v」定义的，因此，键值对中的值可以是一个指向实际值的指针，或者是一个无符号的 64 位整数或有符号的 64 位整数或 double 类的值。这么做的好处是可以节省内存空间，因为当「值」是整数或浮点数时，就可以将值的数据内嵌在 dictEntry 结构里，无需再用一个指针指向实际的值，从而节省了内存空间。

什么是哈希算法？

哈希算法也叫散列算法，一般来说满足这样的关系：f(data)=key，输入任意长度的 data 数据，经过哈希算法处理后输出一个定长的数据 key。同时这个过程是不可逆的，无法由 key 逆推出 data。

什么是哈希冲突？

哈希冲突就是多个不同的 key 通过哈希算法计算出了相同的 data。再优秀的哈希算法，也仍然可能存在哈希冲突，数据量越大，哈希冲突的可能性越高。

举一个最简单的例子，假如哈希算法采用对 8 取模这个操作，那么所有整数类型的 key 通过这个哈希算法都能得出 0~7 这八个值中的一个，就能分配到相应的哈希槽中去了。但是会有多个值会被分配到同一个哈希槽中（比如 1 和 9、2 和 10）。

Redis 为了解决哈希冲突，在哈希表槽位（dictEntry）中维护了一个链表，当多个 key 映射到同一个槽位时，这些键值对就会形成一个链表。

哈希表的大小不变，所以随着数据量的增加，哈希冲突率会越来越高，带来的影响是查找的速度会越来越慢（因为每次都要遍历一个长链表）。Redis 使用了 rehash 策略来解决这个问题，后续会详细讲解。

在进行哈希表操作时，首先对 key 进行哈希计算，根据哈希值（对应的是数组的下标）找到对应的槽位（dictEntry），然后遍历该槽位的链表，查找与 key 相同的节点。如果哈希冲突率较低，链表的长度较短，那么整个过程的时间复杂度大约为常数级别，即 O(1)。

Redis 中定义了许多类型对象，如 String、List、Hash、Set 等，每个对象都由 redisObject 结构表示。

对象结构里包含的成员变量：

一个 redisObject 对象的大小为 16 字节，除了指针外的数据有时统称为元数据，元数据和指针各占 8B。

本文介绍了 Redis 底层的数据结构，Redis 存储数据是使用哈希表的，所以能够实现快速地查询数据。下一节将介绍 Redis 实现的各种数据结构。