1、值的数据类型

Redis的快速性来自于两方面，一方面是它作为内存数据库，另一方面则是其高效的数据结构。在Redis中，键值对中值的数据类型共有5种：String（字符串）、List（列表）、Hash（哈希）、Set（集合）和Sorted Set（有序集合）。这5种数据类型由6种底层结构实现：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。

String类型的底层实现只有一种数据结构，即简单动态字符串。而List、Hash、Set和Sorted Set这四种数据类型都有两种底层实现结构，这四种类型被称为集合类型，其特点是一个键对应了一个集合的数据。

2、键值对数据结构

Redis使用哈希表来保存所有键值对，实现从键到值的快速访问。哈希表本质上是一个数组，其中每个元素称为一个哈希桶。哈希桶中的元素保存的并不是值本身，而是指向具体值的指针。哈希表保存了所有的键值对，也称为全局哈希表，其时间复杂度为O(1)。

哈希冲突 指的是，两个key的哈希值落在了同一个哈希桶中，由于哈希桶的数量通常要少于key的数量，此现象就会出现。Redis通过链式哈希来解决哈希冲突，即同一个哈希桶中的多个元素用一个链表来保存，它们之间依次用指针连接。

随着数据量的增大，哈希冲突可能会越来越多，这就会导致某些哈希冲突链过长，链上的元素只能通过指针逐一查找再操作，进而导致查询效率降低。为了解决这个问题，Redis会对哈希表进行rehash操作，即增加现有的哈希桶数量，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。

Redis会将哈希表的数据拷贝到另一个容量更大的哈希表，清空原来的准备下一次rehash。然而在数据量大的基础上拷贝会造成Redis线程阻塞。为了避免这个问题，Redis采用了渐进式rehash，即将拷贝过程的开销分摊到每次请求时进行，从而保证查询效率。

3、集合数据操作效率

对于String类型来说，找到哈希桶就能直接进行增删改查，因此哈希表的O(1)操作复杂度也就是它的复杂度了。而对于集合类型来说，找到哈希桶后，增删改查都是对集合操作，不同的集合类型时间复杂度是不一样的。

哈希表的特点已经提到，其复杂度为O(1)。而整数数组和双向链表也很常见，通过数组下标或链表的指针逐个元素访问，操作复杂度基本是O(N)，效率较低。压缩列表和跳表是Redis中重要的数据结构。

压缩列表类似于一个数组，不同之处在于表头有三个字段：zlbytes、zltail和zllen，分别表示列表长度、列表尾的偏移量和列表中的entry个数，压缩列表在表尾还有一个zlend，表示列表结束。查找第一个元素和最后一个元素，可以通过表头三个字段的长度直接定位，复杂度是O(1)。而查找其他元素时，复杂度则为O(N)。

跳表在链表的基础上，增加了多级索引，通过索引位置的几个跳转，实现数据的快速定位。当数据量很大时，跳表的查找复杂度为O(logN)。