Redis5中数据结构底层实现

Redis5中数据结构底层

https://juejin.cn/post/6844904008591605767

1. String

SDS ( simple dynamic string ), 注意英文原意。 结构如下

struct sdshdr {

    // 记录 buf 数组中已使用字节的数量
    // 等于 SDS 所保存字符串的长度
    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[];

};

优点：

1. 常数复杂度获取字符串长度

2. 惰性空间释放， 如果字符串缩短， 先不释放，而是记录在free中， 待下次直接使用

3. 二进制安全， redis通过len来判断字符长度，而不是 \0结束符，这使得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

链接：https://zhuanlan.zhihu.com/p/51075839

扩容分析：

整体思路：

1 惰性缩容。不释放空间，留给到期释放等机制释放。

2 加倍扩容。在需要空间达1M之前按新空间两倍分配空间，否则按新空间大小+1M分配。注意，1M=10241024Char。Char可以是5bits/8bits/16bits/32bits/64bits

2. ziplist 压缩列表

redis的列表键和哈希键的底层实现之一

当一个列表键只包含少量列表项， 并且每个列表项要么就是小整数值， 要么就是长度比较短的字符串， 那么 Redis 就会使用压缩列表来做列表键的底层实现。

另外， 当一个哈希键只包含少量键值对， 并且每个键值对的键和值要么就是小整数值， 要么就是长度比较短的字符串， 那么 Redis 就会使用压缩列表来做哈希键的底层实现。

每个压缩列表节点都由 previous_entry_length 、 encoding 、 content 三个部分组成

节点的 previous_entry_length属性以字节为单位,记录了压缩列表中前一个节点的长度。 previous_entry_length属性的长度可以是1字节或者5字节。

• 如果前一节点的长度小于254字节,那么 previous_entry_length属性的长度为1字节，前一节点的长度就保存在这一个字节里面。
• 如果前一节点的长度大于等于254字节,那么 previous_entry_length属性的长度为5字节:其中属性的第一字节会被设置为0xFE(十进制值254),而之后的四个字节则用于保存前一节点的长度

节点的encoding属性记录了节点的content属性所保存数据的类型以及长度。

• 一字节、两字节或者五字节长,值的最高位为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,数组的长度由编码除去最高两位之后的其他位记录。

• 一字节长,值的最高位以11开头的是整数编码:这种编码表示节点的content属性保存着整数值,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。

  节点的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属性决定

参考：https://www.cnblogs.com/hunternet/p/11306690.html

5. Zset，有序列表

1. 什么是跳表？

2. 跳表查找、插入、删除元素的流程 和 时间复杂度

   【查找】查到是趋于二分查找，时间复杂度 O(log(n))

   【插入】插入的同时需要维护索引， 维护的时候有一个随机函数randomLevel()。 该函数需要确保，第二层的节点数是最底层的1/2, 第三层的节点数是最底层的1/4。 层级最高是32，每次随机一个值，然后以随机值所在的层，往下每层都加入元素

3. 插入元素的时候，如何动态维护索引

总结：

1. 跳表是可以实现二分查找的有序链表；
2. 每个元素插入时随机生成它的level；
3. 最底层包含所有的元素；
4. 如果一个元素出现在level(x)，那么它肯定出现在x以下的level中；
5. 每个索引节点包含两个指针，一个向下，一个向右；（笔记目前看过的各种跳表源码实现包括Redis 的zset 都没有向下的指针，那怎么从二级索引跳到一级索引呢？留个悬念，看源码吧，文末有跳表实现源码）
6. 跳表查询、插入、删除的时间复杂度为O(log n)，与平衡二叉树接近；

为什么redis使用跳表 而不是红黑树来实现有序集合？

1. Redis 中的有序集合(zset) 支持的操作：

   1. 插入一个元素
   2. 删除一个元素
   3. 查找一个元素
   4. 有序输出所有元素
   5. 按照范围区间查找元素（比如查找值在 [100, 356] 之间的数据）

   其中，前四个操作红黑树也可以完成，且时间复杂度跟跳表是一样的。但是，按照区间来查找数据这个操作，红黑树的效率没有跳表高。按照区间查找数据时，跳表可以做到 O(logn) 的时间复杂度定位区间的起点，然后在原始链表中顺序往后遍历就可以了，非常高效。