Redis Zset的底层秘密：跳表(Skip List)的精妙设计
在Redis众多数据结构中，有序集合（Zset）是一个非常强大的工具，它不仅支持集合的唯一性，还能根据分数进行自动排序。当我们使用zadd、zrange、zrank等命令时，背后正是一个高效的数据结构在支撑——跳表(Skip List)。今天，我们就来深入探索Redis中Zset的底层实现，重点剖析跳表这一精妙的数据结构。
什么是跳表？
跳表是一种基于链表的数据结构，它通过在链表中添加多级索引，实现快速的查找、插入和删除操作。想象一下，普通的链表查找需要O(n)的时间复杂度，而跳表则通过在不同层级上"跳跃"，将时间复杂度降低到O(log n)。
跳表的核心思想是：在链表的基础上，构建多级索引。每一级索引都包含当前层级的节点，通过这些索引，我们可以快速跳过大量节点，直接定位到目标区域。
跳表的结构
Redis中的跳表实现非常精巧，它由zskiplistNode结构体组成：
typedef struct zskiplistNode {sds ele; // 成员字符串double score; // 分数值struct zskiplistLevel {struct zskiplistNode *forward; // 指向下一节点unsigned int span; // 跨越节点数} level[]; // 动态数组，表示不同层级的连接
} zskiplistNode;
每个节点包含：
ele：成员字符串score：分数值level[]：动态数组，表示该节点在不同层级的连接
跳表还包含一个zskiplist结构体，用于管理整个跳表：
typedef struct zskiplist {struct zskiplistNode *header, *tail;unsigned long length;int level;
} zskiplist;
跳表的工作原理
查找操作
跳表的查找过程类似于二分查找：
- 从最高层开始
- 比较当前节点的分数
- 如果当前节点的分数小于目标分数，则继续向后查找
- 如果当前节点的分数大于目标分数，则向下一层
- 重复直到找到目标节点或到达最低层
zskiplistNode *zslGetNode(zskiplist *zsl, double score, sds ele) {zskiplistNode *x = zsl->header;for (int i = zsl->level-1; i >= 0; i--) {while (x->level[i].forward && x->level[i].forward->score < score) {x = x->level[i].forward;}}x = x->level[0].forward;if (x && score == x->score && sdslen(ele) == sdslen(x->ele) && memcmp(ele, x->ele, sdslen(ele)) == 0) {return x;}return NULL;
}
插入操作
插入操作包含两个关键步骤：
- 查找插入位置
- 创建新节点并更新索引
Redis使用概率算法决定新节点的层数，确保较高的层数较少，平衡空间和效率：
int zslRandomLevel() {int level = 1;while ((random() & 0xFFFF) < ZSKIPLIST_P * 0xFFFF)level += 1;return (level < ZSKIPLIST_MAXLEVEL) ? level : ZSKIPLIST_MAXLEVEL;
}
删除操作
删除操作与插入类似，先找到节点，然后从所有层级中移除该节点。
为什么Redis选择跳表而非红黑树或B+树？
Redis的作者Salvatore Sanfilippo曾明确表示：“跳跃表更易于实现、调试和扩展”。这背后有多个原因：
1. 实现简单
跳表的代码实现比红黑树简单得多。红黑树需要处理复杂的旋转、颜色标记和平衡操作，而跳表只需要简单的指针操作。
2. 内存效率
在Redis的内存环境中，跳表的平均每个元素占用64字节，而红黑树平均需要72字节（包含父指针和颜色标记）。对于内存敏感的Redis来说，这是重要的优势。
3. 缓存友好
跳表的连续内存访问模式比红黑树的指针跳转更缓存友好，现代CPU架构下性能更优。
4. 区间查询效率
跳表在区间查询时效率更高。它可以在O(log n)时间内定位到区间的起点，然后在原始链表中线性遍历，而红黑树需要遍历所有节点。
5. 并发友好
跳表在并发环境下可以通过改变索引构建策略，有效平衡执行效率和内存消耗。红黑树的平衡依赖于复杂的旋转操作。
跳表与哈希表的结合
Redis的Zset不仅使用跳表，还配合哈希表一起工作：
- 跳表：用于存储数据的排序和快速查找
- 哈希表：用于存储成员->分数的映射，提供快速查找
这种设计使得Zset既能高效进行范围查询（通过跳表），又能高效进行单点查询（通过哈希表）。
何时使用压缩列表？
Redis在Zset元素数量较少时，会使用压缩列表(ziplist)来节省内存：
- 元素个数 ≤ 128
- 每个元素的成员名和分数长度 ≤ 64字节
当不满足上述条件时，Redis会切换到跳表+哈希表的实现。
实际应用：Redis Zset的高效性能
在实际应用中，跳表的特性使Redis Zset在以下场景表现出色：
- 排行榜系统：快速获取前N名或特定分数范围内的成员
- 带优先级的任务队列：根据优先级排序任务
- 实时分析：按分数范围查询统计
例如，一个热门游戏的排行榜系统，使用Zset可以轻松实现：
# 添加玩家分数
ZADD leaderboard 1000 "player1"
ZADD leaderboard 1500 "player2"# 获取前3名
ZRANGE leaderboard 0 2 WITHSCORES
总结
跳表是Redis Zset底层实现的核心数据结构，它的设计体现了Redis作者对简单性、效率和实用性的追求。通过多级索引，跳表在O(log n)的时间复杂度下实现了快速的查找、插入和删除操作，同时保持了实现的简洁性。
Redis的Zset之所以能成为如此强大的数据结构，正是因为它巧妙地结合了跳表的有序性和哈希表的快速查找能力。这种设计不仅满足了Redis对高性能的要求，还保持了代码的简洁和可维护性。
在Redis的世界里，跳表就像一位默默工作的"幕后英雄"，以优雅而高效的方式支撑着无数应用的有序集合需求。理解跳表的工作原理，不仅能帮助我们更好地使用Redis，也能让我们欣赏到数据结构设计的精妙之处。