完整教程：Redis 数据结构（下）ZSet, Hash
一、ZSet（有序集合）
ZSet 是 Redis 非常重要的数据结构，用于实现排行榜、延迟队列、区间查询等功能。
其底层有两种编码：
- ziplist（小规模）
- skiplist + dict（大规模）
Redis 会根据数量和元素大小自动选择最优结构。
1.1 ZSet 的底层结构：两种编码
（1）OBJ_ENCODING_ZIPLIST（小数据）
满足两个条件会使用 ziplist：
- 元素数量 <
zset_max_ziplist_entries（默认 128） - 每个 element + score 的大小 <
zset_max_ziplist_value（默认 64 bytes）
ziplist 结构示意：
[zlbytes][zltail][zllen][element1][score1][element2][score2]...[zlend]特点：
- element 和 score 紧挨在一起：element 在前、score 在后
- score 越小越靠前（按 score 升序存放）
- ziplist 是连续内存，节省空间（但插入删除 O(n)）
适用场景
- 小型排行榜
- 元素较少、value 较短
- 内存敏感场景
缺点
- 插入、删除需要整体移动（O(n)）
- 没有 dict 的 O(1) 查询能力
- 不适合大规模
（2）OBJ_ENCODING_SKIPLIST（大数据）
当不满足 ziplist 条件时，使用：
dict + skiplist
示意图中结构如下：
RedisObject↓
ZSET├ dict（member → score）└ skiplist（score 排序）① dict（哈希表）
dict 保存：
member → score作用：
- 通过 member 找 score（O(1)）
- 检查 member 是否存在
内部结构（你图中的 dict → dictht → dictEntry）：
dictEntry(key=m1, val=10)
dictEntry(key=m2, val=20)
...② skiplist（跳表）
跳表保存：
member、score 按 score 排序结构示意图：
SkipList├ header├ tail├ length└ level
SkipListNode├ backward├ level[]├ ele=member└ score跳表支持的操作：
- 根据 score 查找区间
- ZRANGE / ZRANK / ZREVRANK / ZREMRANGEBYSCORE
时间复杂度：
| 操作 | 时间复杂度 |
|---|---|
| 插入 | O(logN) |
| 删除 | O(logN) |
| 按 score 查找 | O(logN) |
| 区间查找 | O(logN + M) |
1.2 ZSet 的核心设计思想（非常重要）
Redis 设计 ZSet 采用：
dict + skiplist（互补结构）目的：
- dict → 通过 member 获取 score（O(1)）
- skiplist → 通过 score 排序（O(logN)）
- 双结构保持同步
跳表提供排序能力，dict 提供快速检索能力。
1.3 ZSet 两种编码切换条件
| 条件 | 编码 |
|---|---|
| 元素少、元素小 | ziplist |
| 元素多或任一元素太大 | skiplist（dict + skiplist） |
Redis 自动完成转换。
二、Hash 类型
Hash 用于存储字段值对（field-value），底层也有两种编码：
- ziplist（小 Hash）
- dict（大 Hash）
与 ZSet 类似，只是 Hash 不需要排序，因此不需要 skiplist。
2.1 OBJ_ENCODING_ZIPLIST（小 Hash）
默认使用 ziplist：
条件：
- 元素数量 <
hash-max-ziplist-entries（默认 512） - 任意 entry 长度 <
hash-max-ziplist-value（默认 64 字节）
ziplist 在 Hash 中的存储方式：
[field1][value1][field2][value2]...[zlend]示意图（你的第三张图）：
zlbytes | zltail | zllen | "name" | "Jack" | "age" | 21 | zlend特点：
- field 和 value 存成紧邻两条 entry
- 节省内存
- 顺序读取快
- 插入删除 O(n)
适合：
- 小型用户资料（name, age)
- 小结构配置数据
2.2 OBJ_ENCODING_HT（dict，大 Hash）
当 ziplist 超过阈值，会自动转换成 dict：
触发条件：
- 元素数量超过
hash-max-ziplist-entries - 任意 field 或 value 长度超过
hash-max-ziplist-value
dict 的内部结构同 ZSet 使用的 dict 完全一样：
dict├ ht[0]├ ht[1]└ dictEntry(key=field, val=value)示意图中的结构：
dictEntry(key="name", val="jack")
dictEntry(key="age", val=21)特点：
- 通过哈希表查询（O(1)）
- 插入、删除性能极高
- 支持渐进式 rehash
适合：
- 大型 Hash（几百、几千、几万 field）
- 动态频繁更新的业务
三、ZSet vs Hash 编码规则总结
| 类型 | 小数据编码 | 转换规则 | 大数据编码 |
|---|---|---|---|
| ZSet | ziplist | 元素多或 entry >64B | skiplist + dict |
| Hash | ziplist | 元素多或 entry >64B | dict |
两者最大区别：
| 项目 | ZSet | Hash |
|---|---|---|
| 是否需要排序 | Yes | No |
| 大数据结构 | skiplist + dict | dict |
| 小数据结构 | ziplist（element+score） | ziplist（field+value） |
四、面试重点总结（非常重要）
1. ZSet 为什么使用 dict + skiplist？
回答要点：
- dict 提供 O(1) 根据 member 查 score
- skiplist 提供 O(logN) 排序
- 互补结构、相互同步
- 适合 ZRange、ZRank、按区间查询等复杂操作
2. ziplist 是如何存 ZSet 的？
- element 和 score 挨在一起
- 按 score 升序排序
- 连续内存，节省空间
3. Hash 为什么也用 ziplist？
- 节省内存
- 小数据速度更快
- field 和 value 是连续存储的两个 entry
4. ziplist 的缺点？
- 插入 O(n)
- 删除 O(n)
- 可能产生连锁更新（prevlen 变大导致内存整体移动）
- 不适合大数据量
5. 各编码在什么情况下切换？
Hash:
- 超过 512 个 field → dict
- 任意 entry 超过 64 字节 → dict
ZSet:
- 超过 128 个元素 → skiplist
- 任一元素超过 64 字节 → skiplist
五、背诵版总结
ZSet：
- 小数据：ziplist（element + score 两个 entry）
- 大数据：skiplist + dict
- dict 做查找，skiplist 做排序
Hash：
- 小数据：ziplist（field + value 两个 entry）
- 大数据：dict
- 转换阈值：512 个元素/64 字节 entry