《Redis源码学习笔记》数据结构－字典

[url=http://diaocow.iteye.com/blog/1938032]《Redis源码学习笔记》文章列表[/url]

[color=red]由于图片较大，缩放较为模糊，请双击打开查看原图 ^_^ [/color]

要看懂redis代码，其中重要的一步就是要看懂它里面所使用的数据结构，而在这不算少的数据结构中，最重要的就是字典，它几乎就是redis实现各种功能的骨架，所以理解好字典至关重要！

redis作为一个nosql数据库，所有的key-value都是存储在一个字典中，而字典则是用哈希表实现的；关于哈希表原理，随便上网查一下都能找到一大堆资料，因此这里我也不想做过多赘述，直接开门见山，看下在redis中哈希表是什么样的：

[img]http://dl2.iteye.com/upload/attachment/0089/0808/04d20c28-d6cc-3803-a724-184b94b627a5.png[/img]
上图所示结构对应代码如下：

// 字典
typedef struct dict {
    // 哈希表（2个）
    dictht ht[2]; 
    // rehash索引，若rehashidx == -1，则表示未开始进行rehash，
    // 否则rehashidx的值表示rehash正进行到ht[0]这个hash表上哪个索引节点
    int rehashidx;  
    // 安全迭代器数量
    int iterators; 
} dict;

// 哈希表
typedef struct dictht {
    // 哈希表 （指向一个dictEntry*数组，俗称“桶”）
    dictEntry **table;      
    // 哈希表大小
    unsigned long size;     
    // 位掩码，通过hash_value & sizemask得出节点在哈希表索引
    unsigned long sizemask; 
    // 哈希表中节点数量
    unsigned long used;     
} dictht;

// 哈希节点
typedef struct dictEntry {
    // 键
    void *key;
    // 值
    union {
        void *val;
        uint64_t u64;
        int64_t s64;
    } v;
    // 指向下一个节点
    struct dictEntry *next; 
} dictEntry;

关于redis中的字典，最特别的无疑是dict中维护着两个哈希表（ht[0]，ht[1]），为什么要有两个呢？在解释这个之前我们先看下哈希表的rehash;

[b]rehash目的：[/b]
当我们不断的往哈希表（ht[0]）插入新的键值对，如果两个键的hash值相同，那么它们将以链表的形式放入到同一个“桶”中，如下图key1和key4:

[img]http://dl2.iteye.com/upload/attachment/0089/0817/493c54d7-5b63-3ef9-bef8-72eb0a563ea4.png[/img]

这样带来的问题就是，随着我们往哈希表里插入越来越多的键值对，哈希表性能会急剧下降（查找操作都退化成链表查找）；所以，我们就需要扩大原来的哈希表，使得哈希表大小和哈希表中的节点数的比例能够维持在1:1（dictht.size:dictht.used），这时候哈希表才能达到最佳查询性能O(1)

[b]rehash过程：[/b]
创建一个新的哈希表，大小是当前的两倍（准确说还必须是2的幂次），然后把全部键值对重新散列到新的哈希表中，最后再用它替换原来的哈希表；

[b]rehash问题：[/b]
我们考虑下面一种情况：客户端A插入一个键值对，这时候发现dictht.used与dictht.size的比例大于1（查询性能开始下降），于是执行rehash操作，假设目前哈希表中有10万个键值对，那么redis就会一直埋头苦干，直到完成对这个10万个键值对的rehash操作，并且在这个过程中，其他客户端请求都会被阻塞（因为redis是单线程）；很显然我们是无法忍受这种情况的发生，那redis是如何解决这个问题呢？

[b]渐进式rehash:[/b]
“渐进式”意味着rehash过程不是一次做完而是每次做一点，这样就可以避免由于rehash过程太久导致其他客户端请求被阻塞，具体过程如下：

1. 在ht[1]上分配一个更大的哈希表；
2. “分多次”把ht[0]上的键值对重新散列到ht[1]上；
3. 当处理完所有键值对时，让ht[0]指向新的哈希表；

[img]http://dl2.iteye.com/upload/attachment/0089/0991/4cb87647-d06d-3e81-b06d-6c6e513b0e85.png[/img]

现在还有一个问题，我们说了[b]“分多次把ht[0]上的键值对重新散列到ht[1]上”[/b]，那么这个分多次究竟是多少次？并且每次处理多少键值对才最合适？

redis准备rehash时，会把dict.rehashidx置为0（标示rehash开始），然后当执行任意一个哈希表操作（添加，删除，查找等），就会执行一次_dictRehashStep函数；

_dictRehashStep函数每次rehash把ht[0]上的第一个不为空索引上的全部键值对迁移到ht[1]上，并且用dict.rehashidx的值标示当前rehash正进行到了哪个索引；

也就是说按照上图，第一次迁移key1，key4键值对（这时候dict.rehashidx的值为0），第二次迁移key2键值对（这时候dict.rehashidx的值为1），第三次迁移key3键值对（这时候dict.rehashidx的值为2），至此rehash完毕（dict.rehashidx被复位成-1），相关伪代码：

# 任意dict操作（添加，删除，查找）
def anyDictOperation(dict):
    # 如果正在进行rehash
    if dict.rehashidx != -1: 
        _dictRehashStep(dict)
    # 执行字典操作
    dictOperation(dict)

def _dictRehashStep(dict):
    # 如果当前安全迭代器数量不为0，暂停此次rehash
    if dict.iterators > 0 : return

    idx = dict.rehashidx
    # 获取第一个不为空的索引
    while len(dict.ht[0].table[idx]) <= 0:
        idx++

    # 迁移该索引节点上的所有键值对到ht[1]上 
    for key, val in dict.ht[0].table[idx].getKeyValuePairs:
        redisServer.ht[0].table.used--
        redisServer.ht[1].table.used++
        redisServer.ht[1].table.hash(key, val)  

    # 当所有键值对迁移完毕，用新的哈希表替换老的，并且重置ht[1]
    if dict.ht[0].table.used == 0:
        dict.ht[0] = dict.ht[1]
        dict.ht[1].reset()
        dict.rehashindx = -1 # 复位

另外，redis在服务器执行例行任务时（serverCron），也会定期去做一部分rehash操作，伪代码：

def serverCron():
    # 循环redis所有数据库
    for num in redisServer.dbnums:
        if redisServer.db[num].dict.rehashidx != -1 :
            # 第二个参数用来限制rehash执行多久，单位毫秒
            dictRehashMilliseconds(redisServer.db[num].dict, 1)
    # 其他例行任务...

def dictRehashMilliseconds(dict, timeout_ms):
    start_time =  now_time()
    while now_time() - start_time < timeout_ms:
        _dictRehashStep(dict)

至此，我们已经分析完：为什么要在dict中维护两个哈希表（ht[0]，ht[1]）；
关于redis字典的更多细节，请参看：dict.h和dict.c代码以及redis.c/serverCron函数

[b]总结：[/b]
1.了解redis中字典是如何设计的以及这样设计的原因；
2.了解哈希表的rehash过程以及rehash时机；