使用动态链表实现字符的频度统计_图解redis五种数据结构底层实现(动图版)

作者： RyuGou 来自：互联网技术窝

redis有五种基本数据结构：字符串、hash、set、zset、list。但是你知道构成这五种结构的底层数据结构是怎样的吗？今天我们来花费五分钟的时间了解一下。(目前redis版本为3.0.6)

动态字符串SDS

SDS是"simple dynamic string"的缩写。redis中所有场景中出现的字符串，基本都是由SDS来实现的

• 所有非数字的key。例如 setmsg"hello world" 中的key msg.
• 字符串数据类型的值。例如`` set msg "hello world"中的msg的值"hello wolrd"
• 非字符串数据类型中的“字符串值”。例如 RPUSH fruits"apple""banana""cherry"中的"apple" "banana" "cherry"

SDS长这样：

free:还剩多少空间 len:字符串长度 buf:存放的字符数组

空间预分配

为减少修改字符串带来的内存重分配次数，sds采用了“一次管够”的策略：

• 若修改之后sds长度小于1MB,则多分配现有len长度的空间
• 若修改之后sds长度大于等于1MB，则扩充除了满足修改之后的长度外，额外多1MB空间

惰性空间释放

为避免缩短字符串时候的内存重分配操作，sds在数据减少时，并不立刻释放空间。

int

就是redis中存放的各种数字 包括以下这种，故意加引号“”的

双向链表

长这样：

分两部分，一部分是“统筹部分”：橘黄色，一部分是“具体实施方“：蓝色。

主体”统筹部分“：

• head指向具体双向链表的头
• tail指向具体双向链表的尾
• len双向链表的长度

具体"实施方"：一目了然的双向链表结构，有前驱 pre有后继 next

由 list和 listNode两个数据结构构成。

ziplist

压缩列表。redis的列表键和哈希键的底层实现之一。此数据结构是为了节约内存而开发的。和各种语言的数组类似，它是由连续的内存块组成的，这样一来，由于内存是连续的，就减少了很多内存碎片和指针的内存占用，进而节约了内存。

然后文中的 entry的结构是这样的：

元素的遍历

先找到列表尾部元素：

然后再根据ziplist节点元素中的 previous_entry_length属性，来逐个遍历:

连锁更新

再次看看 entry元素的结构，有一个 previous_entry_length字段，他的长度要么都是1个字节，要么都是5个字节：

• 前一节点的长度小于254字节，则 previous_entry_length长度为1字节
• 前一节点的长度大于254字节，则 previous_entry_length长度为5字节

假设现在存在一组压缩列表，长度都在250字节至253字节之间，突然新增一新节点 new， 长度大于等于254字节，会出现：

程序需要不断的对压缩列表进行空间重分配工作，直到结束。

除了增加操作，删除操作也有可能带来“连锁更新”。请看下图，ziplist中所有entry节点的长度都在250字节至253字节之间，big节点长度大于254字节，small节点小于254字节。

哈希表

哈希表略微有点复杂。哈希表的制作方法一般有两种，一种是：开放寻址法，一种是 拉链法。redis的哈希表的制作使用的是 拉链法。

整体结构如下图：

也是分为两部分：左边橘黄色部分和右边蓝色部分，同样，也是”统筹“和”实施“的关系。具体哈希表的实现，都是在蓝色部分实现的。先来看看蓝色部分：

这也分为左右两边“统筹”和“实施”的两部分。

右边部分很容易理解：就是通常拉链表实现的哈希表的样式；数组就是bucket，一般不同的key首先会定位到不同的bucket，若key重复，就用链表把冲突的key串起来。

新建key的过程：

假如重复了:

rehash

再来看看哈希表总体图中左边橘黄色的“统筹”部分，其中有两个关键的属性：ht和 rehashidx。ht是一个数组，有且只有俩元素ht[0]和ht[1];其中，ht[0]存放的是redis中使用的哈希表，而ht[1]和rehashidx和哈希表的 rehash有关。

rehash指的是重新计算键的哈希值和索引值，然后将键值对重排的过程。

加载因子(load factor)=ht[0].used/ht[0].size。

扩容和收缩标准

扩容：

• 没有执行BGSAVE和BGREWRITEAOF指令的情况下，哈希表的 加载因子大于等于1。
• 正在执行BGSAVE和BGREWRITEAOF指令的情况下，哈希表的 加载因子大于等于5。

收缩:

• 加载因子小于0.1时，程序自动开始对哈希表进行收缩操作。

扩容和收缩的数量

扩容：

• 第一个大于等于 ht[0].used*2的 2^n(2的n次方幂)。

收缩：

• 第一个大于等于 ht[0].used的 2^n(2的n次方幂)。

(以下部分属于细节分析，可以跳过直接看扩容步骤)对于收缩，我当时陷入了疑虑：收缩标准是 加载因子小于0.1的时候，也就是说假如哈希表中有4个元素的话，哈希表的长度只要大于40，就会进行收缩，假如有一个长度大于40，但是存在的元素为4即( ht[0].used为4)的哈希表，进行收缩，那收缩后的值为多少？

我想了一下：按照前文所讲的内容，应该是4。但是，假如是4，存在和收缩后的长度相等，是不是又该扩容？翻开源码看看：

收缩具体函数:

由代码我们可以看到，假如收缩后长度为4，不仅不会收缩，甚至还会报错。()

我们回过头来再看看设定：题目可能成立吗？哈希表的扩容都是2倍增长的，最小是4， 4 ===》 8 ====》 16 =====》 32 ======》 64 ====》 128

也就是说：不存在长度为 40多的情况，只能是64。但是如果是64的话，64 X 0.1(收缩界限)= 6.4 ，也就是说在减少到6的时候，哈希表就会收缩，会缩小到多少呢？是8。此时，再继续减少到4，也不会再收缩了。所以，根本不存在一个长度大于40，但是存在的元素为4的哈希表的。

扩容步骤

收缩步骤

渐进式refresh

在"扩容步骤"和"收缩步骤" 两幅动图中每幅图的第四步骤“将ht[0]中的数据利用哈希函数重新计算，rehash到ht[1]”，并不是一步完成的，而是分成N多步，循序渐进的完成的。因为hash中有可能存放几千万甚至上亿个key，毕竟Redis中每个hash中可以存 2^32-1 键值对(40多亿)，假如一次性将这些键值rehash的话，可能会导致服务器在一段时间内停止服务，毕竟哈希函数就得计算一阵子呢((#^.^#))。

哈希表的refresh是分多次、渐进式进行的。

渐进式refresh和下图中左边橘黄色的“统筹”部分中的 rehashidx密切相关：

• rehashidx 的数值就是现在rehash的元素位置
• rehashidx 等于 -1 的时候说明没有在进行refresh

甚至在进行期间，每次对哈希表的增删改查操作，除了正常执行之外，还会顺带将ht[0]哈希表相关键值对rehash到ht[1]。

以扩容步骤为例：

intset

整数集合是集合键的底层实现方式之一。

跳表

跳表这种数据结构长这样：

redis中把跳表抽象成如下所示：

看这个图，左边“统筹”，右边实现。统筹部分有以下几点说明：

• header: 跳表表头
• tail:跳表表尾
• level:层数最大的那个节点的层数
• length：跳表的长度

实现部分有以下几点说明：

• 表头：是链表的哨兵节点，不记录主体数据。
• 是个双向链表
• 分值是有顺序的
• o1、o2、o3是节点所保存的成员，是一个指针，可以指向一个SDS值。
• 层级高度最高是32。每次创建一个新的节点的时候，程序都会随机生成一个介于1和32之间的值作为level数组的大小，这个大小就是“高度”

redis五种数据结构的实现

redis对象

redis中并没有直接使用以上所说的各种数据结构来实现键值数据库，而是基于一种对象，对象底层再间接的引用上文所说的具体的数据结构。

结构如下图：

字符串

其中：embstr和raw都是由SDS动态字符串构成的。唯一区别是：raw是分配内存的时候，redisobject和 sds 各分配一块内存，而embstr是redisobject和raw在一块儿内存中。

列表

hash

set

zset