Redis zset在大数据量时用跳表+dict双结构：跳表按score排序支持O(log n)范围查询，dict按member查score实现O(1)点查，二者共享内存且通过zset-max-listpack-entries等阈值自动切换编码。
跳表不是树，但查询路径接近 O(log n)
Redis 的 zset 在数据量较大时会自动从 listpack 切换到 skiplist 编码，核心目的就是把链表的 O(n) 查找压到平均 O(log n)。它不靠平衡调整，而是用随机层数模拟“多级索引”：每个节点在插入时以概率 ZSKIPLIST_P = 0.25 向上生成新层，越高层节点越稀疏。
查找时从最高层开始横向推进，遇到 score 大于目标值就下一层，否则继续向右——这个过程天然跳过大量无关节点。实际测试中，100 万个元素的 zset，ZRANK 或 ZRANGE 命令通常只做 10–15 次指针跳转就能定位。
- 最大层数硬限制为 32，防止极端情况下的内存爆炸
- 单次查找最坏仍是 O(n)，但概率极低；工程上可视为稳定 O(log n)
- 和红黑树相比，跳表没有旋转开销，插入/删除更轻量，尤其适合频繁写入场景（比如实时排行榜）
为什么必须搭配 dict，单独跳表不行
跳表按 score 排序，但用户查的是 member（比如 ZSCORE key user_id）。如果只靠跳表，就得遍历所有层去找匹配的 member 字符串，退化成 O(n)。
所以 Redis 实际存储是 zskiplist + dict 二合一结构：
-
dict存member → score映射，ZSCORE瞬间返回 -
zskiplist存score → member有序序列，支撑ZRANGE、ZREVRANK等范围操作 - 两个结构共享同一份
member和score内存，无冗余
这解释了为什么 zset 内存占用略高于纯哈希表——它为顺序性付出了空间代价。
跳表性能受什么参数影响最直接
真正影响线上表现的不是算法本身，而是两个可配阈值触发的编码切换行为：
Redis 缓存和数据结构管理技能。通过自然语言操作 Redis，支持 String、Hash、List、Set、ZSet、Stream 等数据结构操作。当用户提到 Redis、缓存、消息队列、会话存储时使用此技能。
-
zset-max-listpack-entries默认 128：超过此数强制升为skiplist -
zset-max-listpack-value默认 64：任一member长度超 64 字节，立即切跳表
这两个值太小会导致小数据集也走跳表，白白增加指针开销；太大则让 listpack 长时间承受线性扫描压力。实测中，若 member 是 UUID（36 字节），且数量常在 100 左右，建议把 zset-max-listpack-entries 调到 256 以上，避免频繁重编码。
注意：CONFIG SET 修改后只对新建 zset 生效，已有键需 MEMORY USAGE 检查当前编码，必要时用 DEL + 重建触发切换。
跳表节点的 span 字段容易被忽略但很关键
每个跳表节点的每一层都有个 span 字段，记录该层指针跨越的**底层节点数量**（不是 score 差值）。它支撑 ZRANK 这类“求排名”操作：从头节点出发，每跳一次就把经过的 span 累加，最终得到目标节点在有序序列中的位置。
这个设计让排名计算变成 O(log n)，而不是遍历计数。但副作用是：每次插入/删除都要更新沿途所有层的 span 值，带来额外 CPU 开销。所以高并发写入场景下，zset 的 ZADD 吞吐会略低于纯 hash。
如果你只用 zset 做范围查询，几乎不调 ZRANK 或 ZREVRANK，那 span 就是纯成本——可惜 Redis 没提供关闭选项，这是底层不可绕过的权衡。
