Redis学习笔记（二）redis 底层数据结构
在上一节提到的图中，我们知道，可以通过 redisObject 对象的 type 和 encoding 属性。可以决定Redis 主要的底层数据结构：SDS、QuickList、ZipList、HashTable、IntSet、ZskipList 。
一、简单动态字符串（SDS）
先来看看传统的C 语言如何存储字符串的：比如一个 "Redis" 字符串：
为什么不用传统的 C 语言的方式，因为我们知道数组方式在获取字符串长度或者扩容上存在缺陷：比如获得一个数组长度的复杂度为O(N), 而且数组扩容也不太方便。所以自己构建了一种名为简单动态字符串（simple dynamic String）的抽象数据类型。
- sdshdr : 表示SDS 类型，共有5种类型。每个类型的数字表示 unit
- alloc：还未被使用的空间, 这里为0
- len：表示这个 SDS 保存了5 个单位的字符串
- buf：char类型的数组，用于保存字符
1.1 SDS 的定义
SDS 位于 src/sds.h 和 src/sds.c 中，它的结构总共有五种（redis 6.0.6）
/* Note: sdshdr5 is never used, we just access the flags byte directly.
* However is here to document the layout of type 5 SDS strings. */
struct __attribute__ ((__packed__)) sdshdr5 {
unsigned char flags; /* 3 lsb of type, and 5 msb of string length */
char buf[];
};
struct __attribute__ ((__packed__)) sdshdr8 {
//所保存字符串的长度
uint8_t len; /* used */
//除了头部与末尾的\0以外，剩余的字节数
uint8_t alloc; /* excluding the header and null terminator */
//只有1字节，前5位未使用，后三位表示头部的类型（sdshdr5\8\16\32\64）
unsigned char flags; /* 3 lsb of type, 5 unused bits */
//用来保存字符串的元素
char buf[];
};
struct __attribute__ ((__packed__)) sdshdr16 {
uint16_t len; /* used */
uint16_t alloc; /* excluding the header and null terminator */
unsigned char flags; /* 3 lsb of type, 5 unused bits */
char buf[];
};
struct __attribute__ ((__packed__)) sdshdr32 {
uint32_t len; /* used */
uint32_t alloc; /* excluding the header and null terminator */
unsigned char flags; /* 3 lsb of type, 5 unused bits */
char buf[];
};
struct __attribute__ ((__packed__)) sdshdr64 {
uint64_t len; /* used */
uint64_t alloc; /* excluding the header and null terminator */
unsigned char flags; /* 3 lsb of type, 5 unused bits */
char buf[];
};
1.2 SDS 和 C 字符串的区别
-
SDS 能以O(1) 复杂度获取字符串长度：SDS 有 len 属性，而 C 字符串没有
-
SDS 能杜绝缓冲区溢出 ：
- 缓存区溢出：比如程序在执行拼接操作前，需要先通过内存重分配来扩展底层数组的空间大小——忘记则会产生缓冲区溢出
- SDS 记录自身长度，所以在进行操作时会进行相应的空间扩展再进行修改，不会出现缓冲区溢出
-
SDS 能减少修改字符串时带来的内存重分配次数 ：
- 空间预分配：对字符串进行空间扩展时，扩展的内存比实际需要的多，这样可以减少连续执行字符串增长操作所需的内存重分配次数。
- 惰性空间释放：对字符串进行缩短操作时，程序不立即使用内存重新分配来回收缩短后多余的字节，而是使用
alloc属性将这些字节记录下来，等待将来使用。
-
SDS 能实现二进制安全：
- C 字符串中的字符必须符合编码格式，并且除了末尾外，中间不能包含空字符，否则会被误认为是空字符串结尾。这样会使得 C 字符串只能保存文本数据，而不能保存图片、视频等其他二进制数据
- SDS 的
buf属性则可以存储多种二进制数据，而且以len属性表示的长度来判断字符串是否结束
-
SDS 兼容部分 C 字符串函数：
- 遵从每个字符串都是以空字符串结尾的惯例，可以重用 C 语言库
<string.h>中的一部分函数
- 遵从每个字符串都是以空字符串结尾的惯例，可以重用 C 语言库
二、字典（Dict）
Redis 的字典使用哈希表作为底层实现，代码位于 src/dict.h
2.1 字典的实现
2.1.1 哈希表的结构定义
typedef struct dictht {
//哈希表数组
dictEntry **table;
//哈希表大小
unsigned long size;
//哈希表大小掩码，用于计算索引值
unsigned long sizemask;
//表示该哈希表已有节点的数量
unsigned long used;
} dictht;
如图是一个大小为4的空哈希表：
-
table 属性：是一个数组，数组的每个元素都指向 dictEntry 结构的指针，每个 dictEntry 结构都保存着一个键值对。其结构为：
typedef struct dictEntry { //键key void *key; //值value，可以是指针、int64、double 等类型 union { void *val; uint64_t u64; int64_t s64; double d; } v; //指向下一个 dictEntry 的指针，拉链法解决哈希冲突 struct dictEntry *next; } dictEntry; -
size 属性：记录哈希表的大小
-
sizemask 属性：总是等于 size - 1
-
used 属性：记录哈希表目前已有节点（键值对）的数量
2.1.2 字典的结构定义
Redis 中的字典代码在 src/dict.h 中
typedef struct dict {
//指向 dictType 结构的指针
dictType *type;
//私有数据
void *privdata;
//哈希表
dictht ht[2];
//索引，当 rehash 不在进行是，值为 01
long rehashidx; /* rehashing not in progress if rehashidx == -1 */
unsigned long iterators; /* number of iterators currently running */
} dict;
一个没有进行 rehash 的字典
-
type 属性：指向 dictType 结构的指针，每个 dictType 结构保存了一簇用于操作特定类型键值对的函数
typedef struct dictType { // 计算哈希值的函数 unsigned int (*hashFunction)(const void *key); // 复制键的函数 void *(*keyDup)(void *privdata, const void *key); // 复制值的函数 void *(*valDup)(void *privdata, const void *obj); // 对比键的函数 int (*keyCompare)(void *privdata, const void *key1, const void *key2); // 销毁键的函数 void (*keyDestructor)(void *privdata, void *key); // 销毁值的函数 void (*valDestructor)(void *privdata, void *obj); } dictType; -
privdata 属性：保存了需要传给那些类型特定函数的可选参数
-
ht 属性：包含两个项的数组，数组中的每个项都是一个 dictht 哈希表。一般情况，字典只使用 ht[0] 哈希表，ht[1] 哈希表在对 ht[0] 哈希表进行 rehash 时使用。
-
rehashidx 属性：如果没有进行 rehash，它的值为 -1。
2.2 哈希冲突
2.2.1 哈希算法
Redis 中计算哈希值和索引值的方法为：
# 利用字典设置的哈希函数,计算键key的哈希值
hash = dict->type->hashFunction(key);
# 使用哈希表的 sizemask 属性和哈希值来计算出索引值（h[x] 指的是 ht[0] 或者 ht[1]）
index = hash & dict->ht[x].sizemask;
这里的 hashFunction(key)是使用 MurmurHash 算法来计算键的哈希值，这种算法的有点在于即使输入的键是有规律的，算法仍然能给出一个很好的随机分布性。算法的计算速度也非常快。
2.2.2 哈希冲突
前面提到过，Redis 中是通过拉链法来解决哈希冲突，每个哈希表节点都有一个 next 指针，多个哈希表节点可以用 next 指针构成一个单向链表，来解决哈希键冲突的问题。代码在 src/dict.c/dictAddRaw 中
dictEntry *dictAddRaw(dict *d, void *key)
{
int index;
dictEntry *entry;
dictht *ht;
if (dictIsRehashing(d)) _dictRehashStep(d); // 1、执行rehash
//如果索引等于 -1 表明字典中已经存在相同的 key
if ((index = _dictKeyIndex(d, key)) == -1) // 2、索引定位
return NULL;
ht = dictIsRehashing(d) ? &d->ht[1] : &d->ht[0]; // 3、根据是否 rehash ，选择哈希表
entry = zmalloc(sizeof(*entry)); // 4、分配内存空间，执行插入
entry->next = ht->table[index];
ht->table[index] = entry;
ht->used++;
dictSetKey(d, entry, key); // 5、设置键
return entry;
}
其中 哈希算法的具体代码就在函数_dictKeyIndex()中
static int _dictKeyIndex(dict *d, const void *key)
{
unsigned int h, idx, table;
dictEntry *he;
if (_dictExpandIfNeeded(d) == DICT_ERR) // 1、rehash 判断
return -1;
h = dictHashKey(d, key); // 2、哈希函数计算哈希值
for (table = 0; table <= 1; table++) {
idx = h & d->ht[table].sizemask; // 3、哈希算法计算索引值
he = d->ht[table].table[idx];
while(he) {
if (key==he->key || dictCompareKeys(d, key, he->key)) // 4、查找键是否已经存在
return -1;
he = he->next;
}
if (!dictIsRehashing(d)) break; // 5、rehash 判断
}
return idx;
}
2.2.3 rehash
同 Java 中的 HashMap 底层数据结构一样，哈希表存储的键值对会增多或者减少，在 Redis 中是通过执行 rehash(重新散列) 来完成对表的扩展和收缩。也就是让哈希表中的负载因子维持在一个合理的范围中。这里的负载因子是：load_factor = ht[0].used / ht[0].size
-
扩展：1.服务器正在执行 BGSAVE 或者 BGREWRITEAOF 命令并且哈希表的负载因子大于等于 5 时；2.服务器目前没有执行 BGSAVE 或者 BGREWRITEAOF 命令并且哈希表的负载因子大于等于1时，为 ht[1] 分配空间，大小是大于原 ht[0] 两倍的2次幂
-
从ht[0] 的值移动到 ht[1] 时，需要重新计算原 ht[0] 中元素的哈希值和索引；插入到ht[1] 中，插一个删除一个
-
ht[0] 中的元素全部迁移完后，释放 ht[0]，将新建的 ht[1] 设置为 ht[0] ，调用的是 dict.c/_dictExpandIfNeeded 函数：
static int _dictExpandIfNeeded(dict *d) { if (dictIsRehashing(d)) return DICT_OK; if (d->ht[0].size == 0) return dictExpand(d, DICT_HT_INITIAL_SIZE); // 大小为0需要设置初始哈希表大小为4 if (d->ht[0].used >= d->ht[0].size && (dict_can_resize || d->ht[0].used/d->ht[0].size > dict_force_resize_ratio)) // 负载因子超过5，执行 dictExpand { return dictExpand(d, d->ht[0].used*2); } return DICT_OK; }
-
-
收缩：当哈希表的负载因子小于 0.1 时，会对哈希表执行收缩操作，同样会分配 ht[1]，大小等于
max(ht[0].used, DICT_HT_INTIAL_SIZE)。同样也需要迁移元素，具体操作和扩展相同
2.2.4 渐进式 rehash
扩展或者收缩哈希表是需要将 ht[0]中的键值对 rehash 到 ht[1] 中。因为当键值对数量非常多的时候，如果是一次性、集中式的完成大量的 rehash 动作，很可能会导致服务器宕机。所以需要渐进式的 rehash 来完成。渐进式 rehash 的步骤如下：
-
为 ht[1] 分配空间，在字典中的 rehashidx 变量设置为 0。这步代码在 dict.c/dictExpand 中实现
int dictExpand(dict *d, unsigned long size) { dictht n; unsigned long realsize = _dictNextPower(size); // 找到比size大的最小的2的幂 if (dictIsRehashing(d) || d->ht[0].used > size) return DICT_ERR; if (realsize == d->ht[0].size) return DICT_ERR; n.size = realsize; // 给ht[1]分配 realsize 的空间 n.sizemask = realsize-1; n.table = zcalloc(realsize*sizeof(dictEntry*)); n.used = 0; if (d->ht[0].table == NULL) { // 处于初始化阶段 d->ht[0] = n; return DICT_OK; } d->ht[1] = n; d->rehashidx = 0; // rehashidx 设置为0，开始渐进式 rehash return DICT_OK; } -
在 rehash 进行中对字典的 CRUD 操作时，除了这些制定的操作外。还会顺带将 ht[0] 的所有键值对被 rehash 到 ht[1] 中。 rehash 完成后，会将 rehashidx 属性的值加1。
- rehash 时的 CRUD 操作会在两个哈希表中进行，比如分别在两个表中查找，添加元素在 ht[1] 中添加
-
当 ht[0] 中所有键值对都被 rehash 到 ht[1] 后，将 rehashidx 属性值设为 -1，rehash 操作完成。
三、压缩列表（ZipList）
从本文开头图中可以看出，压缩列表(ZipList)是列表键和哈希键的底层实现原理。它是为了节约内存而开发出来的。一般用在一个列表中只含有很少的元素或者里面的元素是小整数、长度较短的字符串时， Redis 就会使用 ZipList 来做列表键的底层实现。
3.1 压缩列表的构成
压缩列表是由一系列特殊编码的连续内存块组成的顺序型数据结构，一个压缩列表可以包含多个节点，每个节点中可以保存相应的数据类型（字节数组或者一个整数值）。如下图
| 属性 | 类型 | 长度 | 用途 |
|---|---|---|---|
zlbytes |
uint32_t |
4 字节 |
记录整个压缩列表占用的内存字节数：在对压缩列表进行内存重分配， 或者计算 zlend 的位置时使用。 |
zltail |
uint32_t |
4 字节 |
记录压缩列表表尾节点距离压缩列表的起始地址有多少字节： 通过这个偏移量，程序无须遍历整个压缩列表就可以确定表尾节点的地址。 |
zllen |
uint16_t |
2 字节 |
记录了压缩列表包含的节点数量： 当这个属性的值小于 UINT16_MAX （65535）时， 这个属性的值就是压缩列表包含节点的数量； 当这个值等于 UINT16_MAX 时， 节点的真实数量需要遍历整个压缩列表才能计算得出。 |
entryX |
列表节点 | 不定 | 压缩列表包含的各个节点，节点的长度由节点保存的内容决定。 |
zlend |
uint8_t |
1 字节 |
特殊值 0xFF （十进制 255 ），用于标记压缩列表的末端 |
如图是一个压缩列表实例：
- zlbytes 属性值为 0xd2(十进制 210) ,表示压缩列表总长度为 210 字节
- zltail 属性值为 0xb3(十进制 179),表示起始指针p 到末尾指针的偏移量是 179
- zilen 属性值为 0x5(十进制 5),表示压缩列表包含了五个 entry 节点
- entry1~entry5 :表示各个列表
- zlend 属性值表示压缩列表的末端
3.2 压缩列表节点的构成
每个压缩列表节点可以保存一个字节数组或者一个整数值。其节点都由 previous_entry_length、encoding、content 三个属性组成。如下图：
-
previous_entry_length 属性: 以字节为单位，记录了压缩列表中的前一个字节的长度。
- 若前一字节的长度小于 254 字节，则 previous_entry_length 的值为 1 字节
- 若前一字节的长度大于等于 254 字节，则 previous_entry_length 的值为5字节：该属性的第一个字节被设置为 254，后面的四个字节用于存储超过 1 字节的剩余长度。
-
encoding 属性：记录了节点的 content 属性所保存数据的类型以及长度
-
1字节、2字节或者5字节时，值的最高为00、01或者10的是字节数组编码：这种编码表示节点的 content 属性保存着字节数组。
编码 编码长度 content属性保存的值00bbbbbb1字节长度小于等于 63字节的字节数组。01bbbbbb xxxxxxxx2字节长度小于等于 16383字节的字节数组。10______ aaaaaaaa bbbbbbbb cccccccc dddddddd5字节长度小于等于 4294967295的字节数组。 -
1字节，值的最高位以11开头的整数编码：整数值的类型和长度由编码除去最高两位之后的其他位记录。
编码 编码长度 content属性保存的值110000001字节int16_t类型的整数。110100001字节int32_t类型的整数。111000001字节int64_t类型的整数。111100001字节24位有符号整数。111111101字节8位有符号整数。1111xxxx1字节使用这一编码的节点没有相应的 content属性， 因为编码本身的xxxx四个位已经保存了一个介于0和12之间的值， 所以它无须content属性。
-
-
content 属性：负责保存节点的值，节点值可以是一个字节数组或者整数，值的类型和长度由节点的 encoding 属性来决定。
举个保存整数节点的例子：
- encoding 是 11 开头表示存储的是整数类型
- content 表示保存节点值是 10086
为何 ZipList 省能内存？
- 相对于普通的 list 而言，增加 encoding 属性来选择性让字节和整数类型进行存储
- 有了 previous_entry_length 属性，遍历元素时可以定位到下一个元素的精确位置，降低搜索的时间复杂度
四、跳表（ZSkipList）
跳表是一种有序数据结构，它就是作为有序列表（Zset）的使用。而且相较于平衡树比较更优雅，在 CRUD 等操作上可以在对数期望时间内完成。
如上图所示，是一个跳跃表实例，最左侧的是 zskiplist 结构，该结构包含的属性有：
- header属性：指向跳跃表的表头节点
- tail属性：指向跳跃表的表尾节点
- level属性：记录跳跃表中层数最大节点的层数
- length属性：记录跳跃表的长度，也就是跳跃表目前包含节点的数量
而右侧的四个是 zskiplistNode 结构，该结构包含的属性有：
- level属性：节点中用L1、L2、L3等等字样标记节点的各层
- backward属性：节点中用 BW字样标记节点的后退指针，它是指向当前结点的前一个节点
- score属性：节点中保存的诸如1.0、2.0等等分值
- obj属性：节点中的 o1、o2等等是节点所保存的成员对象
4.1 跳跃表结构定义
4.1.1 跳跃表的结构
如开始介绍的图，zskiplist 结构代码在 redis.h/zskiplist 中，其定义如下：
typedef struct zskiplist {
//表头节点和表尾节点
structz skiplistNode *header, *tail;
//表中节点的数量
unsigned long length;
//表中层数最大节点的层数
int level;
} zskiplist;
4.1.2 跳跃表节点的结构
其中 zskiplistNode 结构用于表示跳跃表节点，代码在 redis.h/zskiplistNode 中。
/* ZSETs use a specialized version of Skiplists */
typedef struct zskiplistNode {
//对象属性,指向了一个字符串对象
sds ele;
//分值
double score;
//后退指针
struct zskiplistNode *backward;
//层level
struct zskiplistLevel {
//前进指针
struct zskiplistNode *forward;
//跨度
unsigned int span;
} level[];
} zskiplistNode;
-
level 属性：level 层中可以包含多个元素，层的数量越多，访问其他节点的速度就越快。程序通过幂次定律（power law, 越大的数出现的概率越小）随机生成一个介于1和32之间的值作为 level 数组的大小作为层高:下图是不同层高的节点
-
前进和后退指针（
*forward和* backforward）：用于访问遍历跳跃表中所有节点的路径
-
span跨度属性：层的跨度是用于记录两个节点之间的距离：如上图箭头上的数字表示节点间的距离
-
分值和成员（score 、sds ele）：
- 分值是一个 double 类型的浮点数，跳跃表中的所有节点都按分值从小到大排序
- 成员对象（如o1、o2等等），它是一个指针，指向一个字符串对象，这个对象保存着一个SDS 值
- 在同一个跳跃表中，各个节点保存的成员对象必须是唯一的，分值可以相同。成员对象小的会排在前面（表头）、成员对象较大的节点会排在后面（表尾）。还是这张图，图中 o1、o2和o3三个节点都保存了相同的整数值 10086.0。但是成员对象的排序却是 o1->o2->o3
五、整数集合（IntSet）
当一个集合中只有整数值元素，并且集合中的元素数量不多时，Redis则会使用整数集合作为集合键的底层实现
5.1 整数集合结构定义
intset 可以保存类型为int16_t、int32_t或者int64_t的整数值，而且保证集合中不会出现重复元素。其结构代码在 intset.h/intset 中,下面以32为编码方式为例：
typedef struct intset {
//编码方式
uint32_t encoding;
//集合包含的元素数量
uint32_t length;
//保存元素的数组
int8_t contents[];
} intset;
以一个具体的整数集合为例：
- encoding属性值为 INTSET_ENC_INT16 :表示 contents 数组是一个 16 位的数组
- length属性值为5，表示contents 数组中包含五个元素
- contents 数组，表示该数组中从小到大存储着五个元素
5.2 整数集合的升级
新元素的类型比现有的类型要长，比如说16位变成32位，在整数集合里叫做升级（upgrade）。经过升级后，才能将新元素添加到整数集合中，升级整数集合并且添加新元素的步骤为：
- 根据新元素的类型，扩展底层数组的空间大小，为新元素分配空间
- 将底层数组现有的所有元素都转换成新元素相同的类型，将类型转换后的元素放置在正确的位置上。
- 将新元素添加到contents数组里面
集合也不会做降级操作，比如在原16位数组中新加了一个32位元素，然后把这个新加的元素删除后，整数集合也不会做降级操作。
六、快速链表（QuickList）
quicklist 结构时一种以 ziplist 为节点的双端链表结构，整体上是一个链表，但是链表中的每一个节点都是一个 ziplist.
6.1 快速链表的结构
其代码结构为，在src/quicklist.h 中
我们先来看看quicklistNode 节点的结构：
typedef struct quicklistNode {
//上一个quicklistNode节点
struct quicklistNode *prev;
//下一个quicklistNode节点
struct quicklistNode *next;
//数据指针，
unsigned char *zl;
//表示zl指向 ziplist 的总大小
unsigned int sz; /* ziplist size in bytes */
//表示ziplist里面包含的数据项个数
unsigned int count : 16; /* count of items in ziplist */
//ziplist是否被压缩,1是没有，2是被压缩
unsigned int encoding : 2; /* RAW==1 or LZF==2 */
//预留字段，目前是固定值，表示使用 ziplist 作为数据容器
unsigned int container : 2; /* NONE==1 or ZIPLIST==2 */
//需要把数据暂时解压，此时设置 recompress = 1,有机会再将数据重新压缩
unsigned int recompress : 1; /* was this node previous compressed? */
//Redis 自动化测试时用
unsigned int attempted_compress : 1; /* node can't compress; too small */
//扩展字段，目前没有被使用
unsigned int extra : 10; /* more bits to steal for future usage */
} quicklistNode;
再来看看 quicklistLZF 结构，表示一个被压缩过的 ziplist，它的结构是：
typedef struct quicklistLZF {
//压缩后 ziplist 的大小
unsigned int sz; /* LZF size in bytes*/
//柔性数组，存放压缩后的 ziplist 字节数组
char compressed[];
} quicklistLZF;
再看看最后的 quicklist 结构
typedef struct quicklist {
//指向头节点（quicklistnode 头节点）
quicklistNode *head;
//指向尾节点（最右侧节点）
quicklistNode *tail;
//所有ziplist 的数量
unsigned long count; /* total count of all entries in all ziplists */
//quicklist节点的个数
unsigned long len; /* number of quicklistNodes */
//设置ziplist 的大小，存放 list-max-ziplist-size 参数的值
int fill : QL_FILL_BITS; /* fill factor for individual nodes */
//节点压缩深度设置，存放 list-comress-depth 参数的值，为0的时候关闭
unsigned int compress : QL_COMP_BITS; /* depth of end nodes not to compress;0=off */
//尾部增加的书签，只有在大量节点的多余内存使用量可以忽略不计的情况，才分批迭代他们，不使用时不会增加内存开销
unsigned int bookmark_count: QL_BM_BITS;
quicklistBookmark bookmarks[];
} quicklist;
6.2 快速链表的内部操作
6.2.1 插入操作
- 可以选择在头部或者尾部插入：
- ziplist大小没有超过限制，新数据直接插入到 ziplist 中
- ziplist超过限制，那么新创建一个 quicklistNode 节点，然后将新节点插入到 quicklist 双向链表中
- 从中间位置插入：
- 需要把当前 ziplist 分裂成两个节点，然后在其中一个节点上插入数据
6.2.2 查找操作
根据node 的个数找到对应的 ziplist,然后再调用 ziplist 的 index 就能成功找到
6.2.3 删除操作
利用 quicklistDelRange 函数：返回1时表示成功删除指定区间元素，返回0表示没有删除任何元素
在区间删除时，会先找到 start 所在的 quicklistNode ，计算删除的元素是否小于删除的 count，如果不满足删除的个数，则会移动至下一个 quicklistNode 继续删除，依次循环直到删除完成为止。
参考资料：
《Redis 设计与实现》
《Redis 开发与运维》
https://pdai.tech/md/db/nosql-redis/db-redis-x-redis-ds.html
