【Redis数据结构篇】- SDS

前言

Redis虽然是使用C语言编写的，但是并没有使用C语言的字符串，而是自己实现了一个新的数据结构来表示字符串，即简单动态字符串（Simple Dynamic String）SDS.

一. 数据结构

SDS 的数据结构有两个版本，在3.2版本前，数据结构如下，

typedef char *sds;      //注意，sds其实不是一个结构体类型，而是被typedef的char*，好处见下文
struct sdshdr {
    unsigned int len;   //buf中已经使用的长度
    unsigned int free;  //buf中未使用的长度
    char buf[];         //柔性数组buf
};

3.2版本之后，针对不同的长度范围定义了不同的结构，数据结构如下，

typedef char *sds;      

struct __attribute__ ((__packed__)) sdshdr5 {     // 对应的字符串长度小于 1<<5
    unsigned char flags; /* 3 lsb of type, and 5 msb of string length */
    char buf[];
};
struct __attribute__ ((__packed__)) sdshdr8 {     // 对应的字符串长度小于 1<<8
    uint8_t len; /* used */                       //目前字符创的长度
    uint8_t alloc;                                //已经分配的总长度
    unsigned char flags;                          //flag用3bit来标明类型，类型后续解释，其余5bit目前没有使用
    char buf[];                                   //柔性数组，以'\0'结尾
};
struct __attribute__ ((__packed__)) sdshdr16 {    // 对应的字符串长度小于 1<<16
    uint16_t len; /* used */
    uint16_t alloc; /* excluding the header and null terminator */
    unsigned char flags; /* 3 lsb of type, 5 unused bits */
    char buf[];
};
struct __attribute__ ((__packed__)) sdshdr32 {    // 对应的字符串长度小于 1<<32
    uint32_t len; /* used */
    uint32_t alloc; /* excluding the header and null terminator */
    unsigned char flags; /* 3 lsb of type, 5 unused bits */
    char buf[];
};
struct __attribute__ ((__packed__)) sdshdr64 {    // 对应的字符串长度小于 1<<64
    uint64_t len; /* used */
    uint64_t alloc; /* excluding the header and null terminator */
    unsigned char flags; /* 3 lsb of type, 5 unused bits */
    char buf[];
};

新版带来的好处就是：对内存做了进一步优化，长度不同的字符串使用不同的数据结构，选取不同的数据类型uint8_t或者uint16_t或者uint32_t等来表示长度、一共申请字节的大小等。上面结构体中的__attribute__ ((packed)) 设置是告诉编译器取消字节对齐，则结构体的大小就是按照结构体成员实际大小相加得到的。

二 . 特点

2.1 二进制安全

C语言，使用char数组来保存字符创，且必须以空字符’\0’结尾来标志结束，同时因为字符串不记录字符串长度,所以想要获取字符串的长度，只能遍历char数组直到遇到’\0’,时间复杂度为O(n);
因为C字符串必须以空字符’\0’识别结尾，所以只能保存文本数据，不能用来保存多媒体，图片等二进制数据，即是二进制不安全的。
而SDS存在len属性来记录字符串长度，此时获取字符串长度时间复杂度变为了O(1)。同时因为记录了长度，不需要以’\0’来标志结束，所以可以保存多媒体、图片等二进制数据，即是二进制安全的。
但需要注意的是，SDS仍会以空白字符’\0’结尾（不占用长度），不过只是为了复用C字符串的一些函数。

2.2 内存空间分配

C语言字符串，空间需要手动分配，扩充字符串的时候如果没分配足够的内存，则在字符串拼接时可能会出现缓冲区溢出，数据覆盖的问题。在缩短字符串时,若未及时回收空间，也会存在空间泄漏的问题。

空间预分配

而SDS则不会出现这种情况，当字符串需要扩充时，SDS会自动扩容，不需要手动管理，同时还会分配额外未使用的空间。扩容策略如下：

• 若扩大长度之后的长度（len）小于1M时，则扩容为加倍当前空间，分配和len属性一样大小的未使用空间(此时buf数组已使用空间=未使用空间)。
• 若扩大长度之后的长度（len）大于1M，扩容一次会多扩容1M的空间
  而由于每次扩容会多出一片空间（一般alloc会大于len），从而不用每次扩充字符串时都需要重新分配内存，减少了内存重分配的次数，提升了效率。

惰性回收

• 字符串缩短时，程序不立即回收多出来的字节，以备后来使用（扩充字符串）
• SDS提供了释放空间的api，在有需要时，可以释放内存，避免空间浪费

2.3 总结与C字符串的区别：

C字符串	SDS
不记录长度，获取长度时间复杂度O(n)	len记录长度，获取长度时间复杂度O(1)
可以保存不含’\0’的文本数据	可以保存文本、图片、音频等多种二进制数据
扩充字符串会出现缓冲区溢出的问题	不会出现缓冲区溢出的问题
修改字符串必然内存重分配	修改字符串不一定触发内存重分配（次数变少）
可以使用C字符串所有函数	可以使用部分C字符串函数

Redis定位于一个高性能的内存数据库，其面向的就是大数据量，大并发，频繁读写，高响应速度的业务。因此在保证安全稳定的情况下，性能的提升非常重要。而SDS的数据结构，屏蔽了C语言字符串的一些缺点，同时可以提供安全高性能的字符串操作。