数据结构实现原理
全局Hash表
Redis键值对存储在全局Hash表中，查询效率极快，时间复杂度为O(1)
通过Rehash解决因Hash冲突导致的查询效率降低的问题
String
简单动态字符串
优点
是一个种“万金油”数据结构，什么类型都可以放
缺点
元数据（记录数据长度、空间使用）占用内存较多
底层数据结构
简单动态字符串
压缩列表
时间复杂度O(N)。目的是节省空间，只有数据量少的时候才会使用
跳表
时间复杂度O(logN)。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
缓存过期策略以及过期缓存删除
过期缓存删除
每 100 毫秒会删除一些过期 key
超过 25% 的 key 过期，则重复删除的过程，直到过期 key 的比例降至 25% 以下
淘汰策略
volatile-random
设置了过期时间的键值对随机被淘汰
volatile-lru
设置了过期时间的最近未访问的被淘汰
volatile-lfu
设置了过期时间的键值对访问次数少的被淘汰
allkeys-lru
所有键值对最近未访问的被淘汰
allkeys-lfu
所有键值对访问次数少的被淘汰
Redis中LRU算法
每个键值对中保存最近被访问的时间戳（RedisObject中保存）
第一次会随机选出 N 个数据，把它们作为一个候选集合，把 lru 字段值最小的数据从缓存中淘汰出去
第N次淘汰，筛选新的数据进入候选集合，并进行淘汰。能进入候选集合的数据的 lru 字段值必须小于候选集合中最小的 lru 值
Redis中LFU算法
LFU 缓存策略是在 LRU 策略基础上，为每个数据增加了一个计数器，来统计这个数据的访问次数。当使用 LFU 策略筛选淘汰数据时，首先会根据数据的访问次数进行筛选，把访问次数最低的数据淘汰出缓存。如果两个数据的访问次数相同，LFU 策略再比较这两个数据的访问时效性，把距离上一次访问时间更久的数据淘汰出缓存。Redis4.0版本新增淘汰策略
实现原理
RedisObject中保存最近访问时间戳和访问次数
ldt 值：lru 字段的前 16bit，表示数据的访问时间戳
counter 值：lru 字段的后 8bit，表示数据的访问次数，最大值255。通过设置参数，概率性累计访问次数，避免很宽达到255
相比LRU更加关注访问次数
使用策略建议
allkeys-lru 策略：业务数据中有明显的冷热数据区分
allkeys-random 策略：业务应用中的数据访问频率相差不大，没有明显的冷热数据区分
volatile-lru 策略：业务中有置顶的需求，比如置顶新闻、置顶视频，同时不给这些置顶数据设置过期时间。这样一来，这些需要置顶的数据一直不会被删除，而其他数据会在过期时根据 LRU 规则进行筛选。
allkeys-lfu策略：针对有扫描查询的场景
