【Redis 数据结构与对象】简单动态字符串SDS
1、概述
Redis没有直接使用C语言的传统字符串标识(以空字符结尾的字符数组),而是自己构建了一种简单动态字符串(simple dynamic string, SDS)的抽象类型,并且将SDS作为Redis的默认字符串。
Redis中,C字符串只会用于保存字符串字面量,用于无需对字符串进行修改的地方,例如打印日志。
redisLog(REDIS_WARNING, "Redis is now ready to exit....")
当redis需要的不仅仅是一个字符串字面量,而是可以被修改的字符串,就会用SDS来表示字符串值。
(1)例子1:
SET msg "hello world"
Redis会创建新的键值对。
键值对的键是一个字符串对象,对象底层为存"msg"的SDS。
键值对的值也是一个字符串对象,对象底层为存"hello world"的SDS
(2)例子2:
RPUSH fruits "apple" "banana" "cherry"
Redis会创建一个新的键值对:
键值的键是一个字符串对象,对象底层为一个保存字符串"fruits"的SDS
键值的值是一个列表对象,对象底层为包含了三个字符串对象,这三个字符串对象由三个SDS实现,一次保存"apple" “banana” “cherry”。
SDS除了用于保存字符串值以外,还可以用于缓冲区(buffer):AOF模块中的AOF缓冲区、客户端状态中的输入缓冲区,都是由SDS实现。
接下来介绍SDS与C字符串之间的差别,已经为什么Redis使用SDS而不是C字符串,并且给出SDS操作的API
2、SDS定义
每个sds.h/sdshdr 结构表示一个SDS值
struct sdshdr {
// 记录buf数组中已使用字节的数量
// 等于SDS所保存的字符串长度
int len;
// 记录buf数组中未使用字节的数量
int free;
// 字节数组 用于保存字符串
char buf[];
}
属性说明:
(1)free属性值为0:代表这个SDS没有分配任何未使用的空间
(2)len属性值为5:说明SDS保存了一个五字节长的字符串。
(3)buf属性是一个char类型的数组,前五个字节为数据Redis,最后一个字符为空字符’\0’
SDS遵循C字符串结尾为’\0’空字符结尾,这个空字符1字节不包括在SDSlen属性里面,空字符分配额外1字节空间,SDS函数自动完成,对于使用者透明。好处是SDS可以复用C字符串里的函数。
3、SDS与C字符串的区别
(1)SDS常数复杂度获取字符串长度
C字符串并不记录自身的长度信息,所以遍历整个字符串。操作复杂度为O(N)
而SDS有一个len属性记录了SDS本身的长度,所以为O(1)
(2)SDS防止缓冲区溢出
C字符串不记录自身长度有可能导致缓冲区溢出。
strcat函数可以将src字符串中的内容拼接到dest字符串的尾部。
char *strcat(char *dest, const char *src);
s1与s2内存中紧邻。如果将s1后序添加一个字符串,但是忘记在strcat之前为s1分配足够的内容,那么就会导致s1数据溢出到s2中。
Redis中SDS空间分配策略杜绝了缓冲区溢出问题,SDS API对SDS修改的时候,会先检查SDS空间是否满足修改需要,如果不满足,API会自动将SDS空间扩展到修改所需的大小,然后才执行实际的修改操作。故SDS不用手动修改SDS空间,也不会出现缓冲区溢出问题。
例如SDS的API中也有一种执行拼接操作的sdscat函数,可以将C字符串拼接到给定SDS所保存的字符串后面,但是在执行拼接操作的时候,sdscat会先检查给定SDS空间是否足够,如果不够的话sdscat会先扩展SDS空间,然后才执行拼接。
在拼接之后会分配未使用空间,并且有空间分配策略。
(3)减少修改字符串时带来的内存重分配次数
C字符串不记录自身长度,所以每次增长或缩短一个C字符串,程序会对保存这个C字符串的数组进行一次内存重分配。有两个增长与缩短的问题:
①缓存区溢出:增长字符串的操作,重新分配扩展底层数组空间大小。
②内存泄露:例如缩短字符串操作,截断操作,程序需要通过内存重分配释放字符串不再使用的空间。如果忘记释放内存会导致内存泄露。
内存重分配有复杂的算法,可能需要执行系统调用。是比较耗时的操作:(Redis这样设计减少内存重分配次数的原因)
①一般程序,修改字符串长度不太常见,每次修改都执行一次重分配可以接受。
②但是Redis作为数据库,经常被用于速度要求严苛,数据频繁修改的场合,出现大量的字符串修改,那么就会导致修改字符串很多时间在重分配内存。
所以避免C语言字符串缺陷,SDS通过未使用空间free解除了字符串长度和底层数组长度之间的关联:在SDS中,buf数组的长度不一定是字符数量+1,数组里面可以包含未使用的字节,而这些字节的数量就由SDS的free属性记录。
两种优化策略:空间预分配(优化SDS字符串增长)+惰性空间释放策略
1 空间预分配
空间预分配用于优化SDS字符串增长操作:SDS的API对一个SDS进行修改,并且对SDS进行空间扩展的时候,程序不仅会为SDS分配修改必要的空间,还会为SDS分配额外的未使用空间。
额外分配的未使用空间数量由下列公式决定:
①SDS修改之后,SDS长度小于1MB那么程序分配和len属性统一大小的未使用空间,此时SDSlen属性值会和free属性值一致。 例如:修改之后sds增长 len值变成13字节,那么也会分配13字节未使用空间,buf数组实际长度为13+13+1=27字节(额外的1字节用于保存空字符)
②SDS修改之后长度将>=1MB时,则程序会分配1MB未分配空间。例如修改之后SDSlen变成30MB,那么会额外分配1MB未使用空间,SDS buf数组实际长度为30MB+1MB+1byte。
空间预分配策略,Redis可以减少连续执行字符串操作所需的内存重分配次数。
例子:
执行前redis 的sds保存
sdshdr:{free 0, len 5, buf: 'R' 'e' 'd' 'i' 's' '\0'}
sdscat(s, " cluster");
这次会执行一次重分配 SDS长度修改为13字节,并且未使用空间也修改为13字节(此时buf数组实际长度为13+13+1=27字节)
sdshdr:{free 13, len 13, buf: 'R' 'e' 'd' 'i' 's' ‘ ' ‘c’ 'l' 'u' 's' 't' 'e' 'r' \0'}
再对s执行操作
sdscat(s, " Tutorial");
这次就不用重新分配内存,未使用的13字节可以存储
扩展SDS空间之前,SDS API会先检查使用空间是否足够,如果足够API就会直接使用未使用的空间,不用执行内存重分配。
重分配策略SDS将连续增长N次字符串所需要的内存重分配此处从必定N次降低为最多N次。
2 惰性空间释放
用于优化SDS字符缩短操作:当SDS的API需要缩短SDS保存的字符串,程序并不立即使用内存重分配来回收缩短后多出来的字节,而是使用free属性将字节数量记录起来,等待将来使用。
例如截断函数:sdstrim函数,接收一个SDS和一个字符串作为参数,移除SDS中所有C字符串中出现的字符
sdstrim(s, “XY”); //移除SDS字符串中所有的‘X’和‘Y’
执行sdstrim之后SDS没有立刻释放多出来的8字节,而是将8字节空间作为未使用的空间保存在sds中,如果将来对SDS进行增长操作,这些未使用的空间就可能可以被拥塞。
SDS也提供了API在有需要的时候真正的释放SDS未使用的空间,所以不用担心惰性空间释放策略会造成内存浪费。
sdshdr: {free 0, len 11, buf :'X' 'Y' 'X' 'a‘ 'Y' 'Y' 'b' ’c' ‘X’ ‘Y’ ‘\0’ }
sdstrim(s, "XY"); //移除SDS字符串中所有的‘X’和‘Y’
会将sds转换为
sdshdr: {free 8, len 3, buf :'a' 'b' ’c' ‘\0’ }
(4)二进制安全(可以保存任意格式的二进制数据)
C字符串中必须符合某种编码,并且除了字符串的末尾,字符串里面不能包含空字符,否则最先被程序读入的空字符串将被误认为是字符串结尾,这些限制导致C字符串只能保存文本数据,不能保存图片音频等等二进制数据。
数据库虽然一般用于保存文本数据,但是使用数据库来保存二进制数据的场景不少见,因此为了确保Redis可以适用于各种不同的使用场景,sds的api都是二进制安全的(binary-safe),所有sds API可以以处理二进制的方式来处理sds存在buf数组里面的数据,不会对其中的数据进行限制过滤,写入的时候是什么样的读出就是什么样。
SDS的buf属性可以称为字节数组 【Redis不是用这个数组存字符,而是保存一系列的二进制数据】
SDS使用len属性值而不用’\0’空字符串来判断字符串是否结束。
通过SDS,而不是C字符串,使得Redis不仅可以保存文本数据,还可以保存任意格式的二进制数据。
(5)兼容部分C字符串函数
SDS api都是二进制安全的,但是一样遵循C字符串以空字符串结尾的管理,API会将SDS宝UC你的数据尾部设置为空字符’\0’,为了让这些保存文本数据的SDS可以重用一部分<string.h>库的函数。
例如有一个保存文本的SDS值 sds。可以重用strcasecmp函数对比SDS的字符串与另外一个字符串:
strcasecmp(sds->buf, "hello world");
Redis就不用专门重写一个函数对比SDS与C字符串。
区别表格:
C字符串 | SDS |
---|---|
获取字符串长度的复杂度为O(N) | 获取字符串长度复杂度为O(1) |
API不安全可能会缓冲区溢出 | API安全,不会造成缓冲区溢出 |
修改字符串长度N次必须执行N次内存重分配 | 修改字符串长度N次最多需要N次内存重分配 |
只能保存文本数据 | 可以保存文本数据或二进制数据 |
可以使用所有<string.h>库中的函数 | 可以使用一部分<string.h>库中的函数 |
4、SDS API
函数 | 作用 | 时间复杂度 |
---|---|---|
sdsnew | 创建一个包含给定C字符串的SDS | O(N),N为给定C字符串的长度 |
sdsempty | 创建一个不包含任何内容的空SDS | O(1) |
sdsfree | 释放给定的SDS | O(N), N为被释放的SDS长度 |
sdslen | 返回SDS已经使用空间字节数 | 可以读取SDS len属性值来直接获得复杂度O(1) |
sdsavail | 返回SDS的未使用空间字节数 | 直接读取SDS free属性来获得复杂度O(1) |
sdsdup | 创建一个给定SDS的副本(copy) | O(N),N为给定SDS的长度 |
sdsclear | 清空SDS保存的字符串内容 | 因为惰性释放策略,复杂度为O(1) |
sdscat | 将给定C字符串拼接到SDS字符串的末尾 | O(N),N为被拼接C字符串的长度 |
sdscatsds | 将给定SDS字符串评价到另外一个SDS末尾 | O(N),N为被拼接SDS字符串的长度 |
sdscpy | 将给定的C字符串复制到SDS里面,覆盖原来的字符串 | O(N),N为被复制C字符串的长度 |
sdsgrowzero | 用空字符串将SDS扩展至给定长度 | O(N),N为扩展新增的字节数 |
sdsrange | 保存SDS给定区间的数组,不再区间内的会被清除或覆盖 | O(N),N为被保留数据字节数 |
sdstrim | 接收一个SDS和一个C字符串作为参数从SDS中移除所有在C字符串中出现过的字符 | O(N^2),N为给定C字符串长度 |
sdscmp | 对比两个SDS是否相同 | O(N),N为两个SDS中较短的长度 |
5、重点小结
1、Redis只会使用C字符作为字面量,大多数情况下,Redis使用SDS(Simple Dynamic String,简单动态字符串)作为字符串表示。
2、比起C字符串,SDS有以下的优点:
(1)常数复杂度获取字符串长度
(2)防止缓冲区溢出
(3)减少修改字符串时内存重分配次数
(4)二进制安全
(5)兼容部分C字符串函数
5、重点小结
1、Redis只会使用C字符作为字面量,大多数情况下,Redis使用SDS(Simple Dynamic String,简单动态字符串)作为字符串表示。
2、比起C字符串,SDS有以下的优点:
(1)常数复杂度获取字符串长度
(2)防止缓冲区溢出
(3)减少修改字符串时内存重分配次数
(4)二进制安全
(5)兼容部分C字符串函数