1，String： raw，int , embstr
2，hash： hashtable，ziplist
3：list：linkedlist，ziplist
4：set：hashtable，intset
5：zset：skiplist，ziplist
设计的好处：
1：可以改进内部编码，对外的数据结构和命令没有影响
2：多种内部编码实现可以在不同场景下发挥各自优势，例如 ziplist 比较节省内存，但列表元素多时性能会下降，这时Redis会根据配置选项将列表类型内存实现转换为linkedlist
String
Redis 是使用 SDS（“简单动态字符串”）这个结构体来存储字符串，
1：代码里定义了 5种 SDS结构体：
1：struct __attribute__ ((__packed__)) sdshdr5 { unsigned char flags; char buf[]; };
2：sdshdr8
3：sdshdr16
4：sdshdr32
5：sdshdr64
2：函数里主要字段：
len：字符串的长度（实际使用的长度）
alloc：分配内存的大小
flags：标志位，低三位表示类型，其余五位未使用
buf：字符数组
3：编码
int 编码：保存long 型的64位有符号整数，Redis会将键值转化为 long型来进行存储，对应 OBJ_ENCODING_INT 编码类型
embstr 编码：保存长度小于44字节的字符串 （OBJ_ENCODING_EMBSTR）
raw 编码：保存长度大于44字节的字符串（OBJ_ENCODING_RAW）
ziplist
1：ziplist结构
zlbytes：表示ziplist占用字节数，在执行resize操作时使用
zltail：表示最后节点的偏移量，也是避免了整体遍历list
zllen：表示ziplist节点个数（节点数超过65535,zllen字段值无效,需要遍历才能得到真实数量）
zlend：表示ziplist结束的标识符
2：ziplist节点数据结构（抽象）
每个压缩列表节点都由previous_entry_length、encoding、content三个部分组成（不是指实际结构体的字段）
previous_entry_length：前一个节点的长度，用来由后向前遍历，根据前一个节点的长度，可能需要一个或五个字节。
encoding：记录节点保存的数据类型和数据长度。
content：节点保存的数据内容。
ziplist采用了一段连续的内存来存储数据，相比hashtable减少了内存碎片，和指针的内存占用。而且当节点较少时，ziplist更容易被加载到CPU缓存中。
3：ziplist的优点
内存占用少 容易被加载到CPU缓存
结构紧凑 减少内存碎片
4：ziplist的缺点
连锁更新（头部插入 或 删除，对头部的操作主要是在用ziplist保存list类型对象时发送，保存hash对象不需要在头部更新。）
每次插入或修改引发的realloc操作会有更大的概率造成内存拷贝，从而降低性能。
一旦发生内存拷贝，内存拷贝的成本也相应增加，因为要拷贝更大的一块数据。
当ziplist数据项过多的时候，在它上面查找指定的数据项就会性能变得很低，因为ziplist上的查找需要进行遍历。
查询复杂度从O（1）变成O（N）（保存hash对象时），
5：ziplist配置
redis.conf的配置：
hash-max-ziplist-entries 512
hash-max-ziplist-value 64
当 哈希类型 元素个数 小于 hash-max-ziplist-entries 配置（默认 512 个）、同时 所有值 都 小于 hash-max-ziplist-value 配置（默认 64 字节）时，Redis 会使用 ziplist 作为 哈希 的 内部实现，ziplist 使用更加 紧凑的结构 实现多个元素的 连续存储，所以在 节省内存 方面比 hashtable 更加优秀。
Redis的hash之所以这样设计，是因为当ziplist变得很大的时候，它有如下几个缺点：
skiplist
1：skipList跳跃表
skipList使用多层链表的模式，某个节点会分配随机层数（level）记录指向往单个或多个后节点的指针，插入操作只需要修改插入节点前后的指针，而不需要对很多节点都进行调整。降低了时间复杂度，平均为O(logN)，最坏复杂度为O(N)，其性能一般情况下可以与平衡树相媲美。
2：概率
产生越高的节点层数，概率越低。定量的分析如下：
节点层数至少为1。而大于1的节点层数，满足一个概率分布。
节点层数恰好等于1的概率为1-p。
节点层数大于等于2的概率为p，而节点层数恰好等于2的概率为p(1-p)。
节点层数大于等于3的概率为p2，而节点层数恰好等于3的概率为p2(1-p)。
节点层数大于等于4的概率为p3，而节点层数恰好等于4的概率为p3(1-p)。
3：skiplist与平衡树、哈希表的比较
- skiplist和各种平衡树（如AVL、红黑树等）的元素是有序排列的，而哈希表不是有序的。因此，在哈希表上只能做单个key的查找，不适宜做范围查找。所谓范围查找，指的是查找那些大小在指定的两个值之间的所有节点。
- 在做范围查找的时候，平衡树比skiplist操作要复杂。在平衡树上，我们找到指定范围的小值之后，还需要以中序遍历的顺序继续寻找其它不超过大值的节点。如果不对平衡树进行一定的改造，这里的中序遍历并不容易实现。而在skiplist上进行范围查找就非常简单，只需要在找到小值之后，对第1层链表进行若干步的遍历就可以实现。
- 平衡树的插入和删除操作可能引发子树的调整，逻辑复杂，而skiplist的插入和删除只需要修改相邻节点的指针，操作简单又快速。
- 从内存占用上来说，skiplist比平衡树更灵活一些。一般来说，平衡树每个节点包含2个指针（分别指向左右子树），而skiplist每个节点包含的指针数目平均为1/(1-p)，具体取决于参数p的大小。如果像Redis里的实现一样，取p=1/4，那么平均每个节点包含1.33个指针，比平衡树更有优势。
- 查找单个key，skiplist和平衡树的时间复杂度都为O(log n)，大体相当；而哈希表在保持较低的哈希值冲突概率的前提下，查找时间复杂度接近O(1)，性能更高一些。所以我们平常使用的各种Map或dictionary结构，大都是基于哈希表实现的。
- 从算法实现难度上来比较，skiplist比平衡树要简单得多。
