Redis “快”取决于两方面，一方面，它是内存数据库，另一方面，则是高效的数据结构。
Redis 键值对中值的数据类型，也就是数据的保存形式有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，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，这四种类型称为集合类型，它们的特点是一个键对应了一个集合的数据。
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。哈希表就是一个数组，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，时间复杂度为O(1)
当 Redis 中写入大量数据后，哈希表的冲突问题和 rehash 可能导致操作变慢。
哈希冲突是指，两个 key 的哈希值落在了同一个哈希桶中，毕竟，哈希桶的个数通常要少于 key 的数量。
Redis 通过链式哈希解决哈希冲突，就是指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。
随着数据量增大，哈希冲突可能也会越来越多，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。
Redis 会对哈希表做 rehash 操作来解决这个问题，也就是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，这样依然会有问题，因为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，就是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。
对于 String 类型来说，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。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的，不同的集合类型时间复杂度是不一样的。
哈希表的特点上面提到了，复杂度是O(1)，整数数组和双向链表也很常见，通过数组下标或者链表的指针逐个元素访问，操作复杂度基本是 O(N)，操作效率比较低。压缩列表和跳表是 Redis 重要的数据结构，下面介绍一下。
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，复杂度就是 O(N) 了
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，跳表的查找复杂度就是 O(logN)
按照查找的时间复杂度，这些数据结构分类如下：
