[Redis]字符串详解

SDS#

Redis 中的字符串是可以修改的字符串，在内存中它是以字节数组的形式存在的。我们知道 C 语言里面的字符串标准形式是以 NULL(即 0x\0)作为结束符，但是在Redis 里面，字符串不是这么表示的。因为要获取以 NULL 结尾的字符串的长度使用的是 strlen 标准库函数，这个函数的算法复杂度是 0(n)，它需要对字节数组进行遍历扫描，作为单线程的 Redis 表示承受不起。

Redis 的字符串叫 SDS，也就是 Simple Dynamic String。它的结构是一个带长度信息的字节数组。

struct SDS<T>
{
	T capacity; //数组容量
	T len;      //数组长度
	byte flags;  //特殊标志位，不用理睬它
	byte[] content; //数组内容
}

如代码所示，content里面存储了真正的字符串内容，那么中 capacity 和 len 表示什么意思呢?其有点类似于 Java 语言的 ArrayList 结构,需要比实际的内容长度多分配一些冗余空间。capacity 表示所分配数组的长度，len表示字符串的实际长度。前面提到:字符串是可以修改的字符串，它要支持 append 操作。如果数组没有冗余空间，那么追加操作必然涉及分配新数组，然后将旧内容复制过来，再 append 新内容，如果字符串的长度非常长，内存的分配和复制开销就会非常大。

上面的 SDS 结构使用了范型 T。为什么不直接用 int 呢？因为当字符串比较短时，len 和 capacity 可以使用 byte short 来表示， Redis 为了对内存做极致的优化，不同长度的字符串使用不同的结构体来表示。
Redis 规定字符串的长度不得超过 512M。创建字符串时len 和 capacity 一样长，不会多分配冗余空间，这是因为绝大多数场景下，我们不会使用 append 操作来修改字符串。

/*追加 SDS 字符串*/
sds sdscatlen(sds s, const void *t, size_t len)
{
	size_t curlen = sdslen(s); // 原字符串长度
	s = sdsMakeRoomFor(s,len); // 按需调整空间，如果 capacity 不够容纳追加的内容，就会重新分配字节数组并复制原字符串的内容到新数组中
	if(s == NULL) // 内存不足
		return NULL;
	memcpy(s+curlen，t，len); // 追加目标字符串的内容到字节数组中
	sdssetlen(s，curlen+len); //设置追加后的长度值
	s[curlen+len]='\0' 	//让字符串以 '\0' （八位ascii 占用一个字节） 结尾，便于调试打印，还可以直接使用 glibc 的字符串函数进行操作
	return s;
}

embstr VS raw#

Redis 的字符串有两种存储方式，在长度特别短时，使用 embstr 形式存储(embeded），而当长度超过 44 字节时，使用 raw 形式存储。
这两种类型有什么区别呢？为什么分界线是 44 字节呢？(主要是因为有那个64字节的限制)

> set codehole abcdefghijklmnopqrstuvwxyz012345678912345678
OK
> debug object codehole
Value at:Ox7fec2de00370 refcount:1 encoding:embstr serializedlength:45 lru:5958906 lru_seconds_idle:1
> set codehole abcdefghijklmnopqrstuvwxyz0123456789123456789
OK
> debug object codehole
Value at:Ox7fec2dd0b750 refcount:1 encoding:raw serializedlength:46 lru:5958911 lru_seconds_idle:1

注意上面 debug object 输出中有个 encoding 字段，一个字符的差别存储形式就发生了变化。这是为什么呢？为了解释这种现象我们首先来了解一下 Redis 对象头结构所有的 Redis 对象都有下面的这个头结构。

struct RedisObject // 16 bytes
{
	int4 type;  // 4bits
	int4 encoding;  // 4bits
	int24 lru;  // 24bits
	int32 refcount;  // 4bytes
	void *ptr;  // 8bytes, 64-bit system
} robj;

不同的对象具有不同的类型 type 4bit。
同一个类型的 type 会有不同的存储形式 encoding 4bit。
为了记录对象的 LRU 信息，使用了 24 bit LRU 信息。
每个对象都有个引用计数，当引用计数为零时，对象就会被销毁，内存被回收。
ptr 指针将指向对象内容（body）的具体存储位置。

这样一个 RedisObject 对象头结构需要占据 16 字节的存储空间。接着我们再看 SDS 结构体的大小，在字符串比较小时， SDS 对象头结构的大小是 cpacity 至少是 16 字节。意味着分配 1 个字符串的最小空间占用为 19 （即16 + 3 ）字节。

struct SDS // 3 byte
{
	int8 capacity; 	// 1 byte
	int8 len ; 	// 1 byte
	int8 flags ; 	// 1 byte
	byte[] content ; // 内联数组 ，长度为 capacity
}

如图所示， embstr 存储形式是这样一种存储形式，它将 RedisObject 对象头结构和 SDS 对象连续存在一起使用 malloc 方法一次分配，而 raw 存储形式不一样，它需要使用两次 malloc 方法，两个对象头在内存地址上一般是不连续的。

而内存分配器 jemalloc,tcmalloc 等分配内存大小的单位都是 2/4/8/16/32/64 字节等，为了能容纳一个完整的 emstr 对象 jemalloc 最少会分配 32 字节的空间，如果字符串再稍微长点，那就是64字节的空间。如果字符串总体超出了 64 字节，redis 认为它是一个大字符串，不再适合使用 emdstr 形式存储，而该使用 raw 形式