[redis] 数据结构 -- 字符串

为什么使用 SDS（Simple Dynamic String，动态字符串）

1. 常数复杂度获取字符串长度 O(1)
2. 杜绝缓冲区溢出
3. 减少修改字符串时带来的内存重分配次数(最多扩容 n 次，空间预分配、惰性空间释放)
4. 二进制安全，SDS API 会以处理二进制的方式来处理 SDS 存放在 buf 数组里的数据( buf 里保存的是二进制数据)

知识点

[注] 相关源码保存位置：src/redis.h、src/sds.h、src/sds.c。

• Redis 只会使用 C 字符串作为字面量

• 在 redis 中字符串叫 SDS（Simple Dynamic String，动态字符串）

• SDS 结构如下 – 是一个带长度信息的字节数组。

  struct SDS<T> {
    T capacity; // 数组容量，1byte
    T len; 	  // 数组长度，1byte
    byte flags; // 特殊标识位，1byte
    byte[] content; // 数组内容
  }
  

• 字符串存储方式分为

  • embstr 长度 44byte 及以下
  • raw 长度 45byte 及以上

• embstr 最大长度为 44byte 的原因如下

  • 所有的 Redis 对象都有下面的这个结构头，此结构占据 16byte 的存储空间

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

  • 此外 SDS 结构体至少要占用3byte的空间，所以分配一个字符串的最小空间占用为 19byte (16+3)
  • 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 等等，为了能容纳一个完整的 embstr 对象，jemalloc 最少会分配 32byte 的空间，如果字符串再稍微长一点，那就是 64byte 的空间。如果总体超出了 64byte，Redis 认为它是一个大字符串，不再使用 emdstr 形式存储，而该用 raw 形式。
  • SDS 结构体中的 content 中的字符串是以字节 \0 结尾的字符串，之所以多出这样一个字节，是为了便于直接使用 glibc 的字符串处理函数，以及为了便于字符串的调试打印输出。

  所以 embstr 最大能容纳的字符串长度就是 44byte （64-16-3-1）。

扩容策略

• 字符串在长度小于 1M 之前，扩容空间采用加倍策略，也就是保留 100% 的冗余空间。
• 当长度超过 1M 之后，为了避免加倍后的冗余空间过大而导致浪费，每次扩容只会多分配 1M 大小的冗余空间。

C 字符串和 SDS 之间的区别

C 字符串	SDS
获取字符串长度的复杂度为 O(N)	获取字符串长度的复杂度为 O(1)
API 是不安全的，可能会造成缓冲区溢出	API 是安全的，不会造成缓冲区溢出
修改字符串长度 N 次必然需要执行 N 次内存重分配	修改字符串长度 N 次，最多需要执行 N 次内存重分配
只能保存文本数据	可以保存文本或者二进制数据
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