Redis字典实现、Hash键冲突以及渐进式rehash

本笔记参考《Redis设计与实现》 P24~ 37

Redis字典实现

哈希表节点结构

typedef struct dictEntry
{
	// 键
	void *key;

	// 值 : 可以是一个指针，或者是一个uint64/int64 的整数
	union {
		void *val;
		uint64_t u64;
		int64_t s64
	} v;

	// 指向下一个哈希表节点，形成链表 ： 该指针可以将多个哈希值相同的键值对连接在一起，以此解决键冲突的问题。
	struct dictEntry *next;
} dictEntry;

哈希表结构

typedef struct dictht
{
	// 哈希表数据
	dictEntry **table;

	// 哈希表集合大小
	unsigned long size;

	// 哈希表大小掩码，用于计算索引值
	// 总是等于 size - 1
	unsigned long sizemask;

	// 哈希表已有节点数量
	unsigned long used;
} dictht;

字典

typedef struct dict 
{
	// 类型特定函数
	dicType *type;

	// 私有数据
	void *privdata;

	// 哈希表
	dictht ht[2];

	// rehash 索引
	// 当rehash不在进行时， 值为-1
	int rehashidx;
} dict;

type属性和privdata属性针对不同类型的键值对，为多态字典而设置。
ht是包含两个项的数组，每个元素都是一个dictht哈希表，一般情况下字典之是哟个ht[0],ht[1]会在对ht[0]进行rehash的时候使用。
rehashidx记录了rehash目前的进度，如果目前没有在进行rehash，值为-1。

哈希算法

• 使用字典设置的哈希函数，计算key的hashvalue
  hash = dict->type->hashFunction(key);

• 使用哈希表的sizemask属性和哈希值，计算出索引值

• 根据不同的情况，ht[x]可以是ht[0]或ht[1]
  index = hash & dict->ht[x].sizemask;

redis使用的是MurmurHash算法，优点是：输入的键是有规律的时候，算法仍然能给出很好的随机分布性，计算速度也快。

解决hash冲突

当有两个或以上的key分配到了hash table数组的同一个index上，称为发生了collision。
Redis采用链地址法解决冲突，每个hash table节点都有一个next指针，多个hash table节点可以用next指针构成一个单向链表。为了速度考虑，程序总是会将新节点插入到链表头位置。

rehash

随着操作不断执行，哈希表保存的key value对会逐渐增加和减少。哈希表有一个统计参数load factor，即负载因子，公式如下：

# 负载因子 = 哈希表已经保存的节点数量 / 哈希表大小
load_factor = ht[0].used / ht[0].size;

为了维持负载因子在一个合理的范围，程序会对哈希表的大小进行相应的扩展或收缩，条件如下：

• 1、服务器目前没有执行BGSAVE命令或者BGREWRITEAOF命令，并且哈希表的负载因子 >= 1
• 2、服务器正在执行BGSAVE命令或者BGREWRITEAOF命令，且负载因子 >= 5
  在执行BGSAVE命令或者BGREWRITEAOF命令过程中，Redis需要创建当前服务器进程的子进程，大多的OS采用写时复制技术优化子进程的使用效率，所以子进程存在期间，**服务器会提高执行扩展操作的负载因子，避免在子进程存在期间进行哈希表的扩展操作，避免不必要的内存写入操作，最大限度节约内存。**当负载因子小于0.1时，程序自动对哈希表进行收缩操作。
  此时就会进行扩展收缩，规则如下：
  这里就是rehash(重新散列)操作了：
• 1、为字典的ht[1]哈希表分配内存空间，空间大小取决于要执行的操作，以及ht[0]当前包含的键值对数量（ht[0].used）
• • 如果是扩展操作，ht[1]的大小为 >= ht[0].used * 2的 2的幂次方
• • 如果是收缩操作，ht[1]的大小为 >= ht[0].used 的 2的幂次方
• 2、将保存在ht[0]中的所有键值对rehash到ht[1]上：即重新计算key的hashValue以及indexValue，然后将键值对放到ht[1]的指定位置
• 3、当ht[0]包含的所有键值对都迁移到ht[1]之后，ht[0]变为空表，释放ht[0]，将ht[1]置为ht[0]，在ht[1]重新分配一个空白的哈希表，为下一次rehash做准备

渐进式hash

rehash的动作并不是一次性集中完成的，而是分多次渐进完成。
如果哈希表中村的键值对数量很多，一次性将键值对全部rehash到ht[1]的计算量十分庞大，可能会导致服务器在一段时间内停止服务。
渐进式rehash采取分而治之的方法，将rehash键值对所需要的计算工作分摊到每次对字典的CRUD操作上，从而避免了集中式rehash带来的庞大计算量。
详细步骤如下：
1、为ht[1]分配空间，让字典同时持有ht[0]和ht[1]两个哈希表
2、在字典中维护一个索引计数器：rehashidx，将值设置为0，表示rehash工作正式开始。
3、在rehash进行期间，每次对字典的CRUD操作，程序除了执行指定操作以外，顺带将ht[0]哈希表在rehashidx索引上的所有键值对rehash到ht[1]上，当rehash操作完成后，程序将rehashidx值++
4、重复迭代操作执行后，ht[0]的数据全部rehash到ht[1]上，将rehashidx设为-1，表明rehash操作已经完成

需要注意的地方
在rehash的过程中，对于字典的删除、查找、更新操作会在两个哈希表上执行。如想要查找一个键，现在ht[0]中找，没有找到再去ht[1]
对于insert操作来说，新添加到字典的键值对会一律保存到ht[1]中，不然还得多一次搬运。