Redis基本数据结构

1、基本数据结构

• String（字符串）

• List（列表）

• Hash（哈希）

• Set（集合）

• Sorted Set（有序集合）

  上面都是Redis键值对中值的数据类型，也就是数据的保存形式。

   

2、底层数据结构

底层数据结构一共有6种，分别是简单动态字符串、双向链表、压缩列表、哈希表、跳表和整数数组。

3、键和值本身用什么结构组织？

为了实现从键到值的快速方法，Redis使用了一个哈希表来保存所有的键值对。

一个哈希表，其实就是一个数组，数组的每个元素称为一个哈希桶。一个哈希表是由多个哈希桶组成的，每个哈希桶中保存键值对数据。

哈希桶中的元素保存的并不是值本身，而是指向具体值的指针。不管值是String还是集合类型，哈希桶中的元素都是指向它们的指针。

4、哈希冲突

哈希桶的个数通常要少于Key的数量，两个Key的哈希值和哈希桶计算对应关系的时候，正好落在了同一个哈希桶中。

解决方式：链式哈希。即同一个哈希桶中的多个元素用一个链表来保存，它们之间依次用指针来连接。

带来的新问题：因此哈希冲突链上的元素只能通过指针逐一查找再操作，如果哈希表中写入的数据越来越多，哈希冲突也会越来越多，那么就会导致某些哈希冲突链会越来越长，影响查找效率。

解决方式：哈希表rehash

 

5、哈希表rehash

增加现有的哈希桶数量，让逐渐增多的entry元素在更多的哈希桶中分散保存，从而减少当个哈希桶中元素的数量，从而减少单个哈希桶的冲突。

操作方式:Redis默认采用了两个全局哈希表：哈希表1和哈希表2。一开始插入数据的时候，默认使用哈希表1，此时哈希表2并没有分配空间。随着数据的增多，Redis开始执行rehash。

步骤：

1. 给哈希表2分配更大的空间，比如是当前哈希表1大小的2倍。

2. 把哈希表1中的数据重新映射并拷贝到哈希表2。

3. 释放哈希表1的空间，留作下一次rehash扩容备用。

    

问题：因为涉及到大量的数据拷贝，如果一次性的把哈希表1中的数据都迁移完成，会造成Redis的线程阻塞。

解决方式:渐进式rehash

6、渐进式rehash

在第二步拷贝数据的时候，Redis仍然正常处理客户端的请求，每处理一个请求时，从哈希表1中的第一个索引位置开始，顺带着将这个索引位置上的所有的entries拷贝到哈希表2中。等处理下一个请求时，再顺带着拷贝哈希表1中的下一个索引位置的entries,依次操作，这样把一次性大量拷贝的开销，分摊到了多次处理请求的过程中，保证数据访问速度。

7、集合类型的底层数据结构和操作复杂度

集合类型的底层数据结构主要有5种：整数数组、双向链表、哈希表、跳表、压缩列表

压缩列表：类似一个数组，数据中的每一个元素都对应保存一个数据。和数组不同的是，压缩列表在表头有三个字段：zlbytes、zltail和 zllen，分别表示列表长度、列表尾的偏移量和列表中entry的个数，在表尾还有一个zlend,表示列表结束。如果要查找第一个元素和最后一个元素，通过表头的三个字段的长度直接定位，复杂度为O(1),其他元素只能逐个查找，复杂度为O(N)。

跳表：在链表的基础上，增加了多级索引，通过索引位置的几个跳转，实现数据的快速定位。

8、数据结构的时间复杂度

名称	时间复杂度
哈希表	O(1)
跳表	O(logN)
双向链表	O(N)
压缩列表	O(N)
整数数组	O(N)

9、不同操作的复杂度

主要是针对集合类型的操作

1. 每一种集合类型对单个数据实现的增删改查操作是最基础的

2. 范围操作，即对集合的遍历操作，可以返回集合中的所有元素。此类操作的复杂度一般是O(N),比较耗时，应该尽量避免。Redis2.8版本开始提供了渐进式的SCAN遍历操作，每次只返回有限数量的数据。

3. 统计操作，即集合类型对集合中所有元素个数的记录。因集合类型采用压缩列表、双向链表、整数数组这些数据结构，结构中专门记录了元素的个数统计，通常是高效的。

4. 压缩列表和双向链表都会记录表头和表尾的偏移量，因此对于List 类型的LPOP,RPOP,LPUSH,RPUSH四个操作来说，比较高效。可以用于FIFO队列的场景

参考资料：https://time.geekbang.org/column/article/268253