Redis String 类型实现原理与设计

String 实现原理

推荐书籍： Redis 设计与实现

推荐博客：https://www.cnblogs.com/ysocean/p/9102811.html#_label0

字符串是Redis最基本的数据类型，不仅所有key都是字符串类型，其它几种数据类型构成的元素也是字符串。注意字符串的长度不能超过512M。

为什么字符串长度不能超过 512M？

// 源码定义（检查字符串长度）
static int checkStringLength(redisClient *c, long long size) {
    if (size > 512*1024*1024) {
        addReplyError(c,"string exceeds maximum allowed size (512MB)");
        return REDIS_ERR;
    }
    return REDIS_OK;
}

三种编码

1. int 编码：保存的是可以用 long 类型表示的整数值。
2. raw 编码：保存长度大于44字节的字符串（redis3.2版本之前是39字节，之后是44字节）
3. embstr 编码：保存长度小于44字节的字符串（redis3.2版本之前是39字节，之后是44字节）

127.0.0.1:6379> set str1 121
OK
127.0.0.1:6379> set str2 qweqweqwe
OK
127.0.0.1:6379> set str3 qweqweqweqweqweqweqweqdhjajdskasjhdiqweuyaasddsa
OK
127.0.0.1:6379> object encoding str1
"int"
127.0.0.1:6379> object encoding str2
"embstr"
127.0.0.1:6379> object encoding str3
"raw"

区别：

embstr 使用只分配一次内存空间（因此redisObject和sds是连续的），raw 需要分配两次内存空间（分别为redisObject和sds分配空间）

因此与raw相比，embstr的好处在于创建时少分配一次空间，删除时少释放一次空间，以及对象的所有数据连在一起，寻找方便。而embstr的坏处也很明显，如果字符串的长度增加需要重新分配内存时，整个redisObject和sds都需要重新分配空间，因此redis中的embstr实现为只读。

编码的转换

当 int 编码保存的值不再是整数，或大小超过了long的范围时，自动转化为raw。

对于 embstr 编码，由于 Redis 没有对其编写任何的修改程序（embstr 是只读的），在对embstr对象进行修改时，都会先转化为raw再进行修改，因此，只要是修改embstr对象，修改后的对象一定是raw的，无论是否达到了44个字节。

SDS 定义

struct sdshdr{
    // 记录 buf 数组中已使用字节的数量
    // 等于 SDS 所保存字符串的长度
    int len;
    // 记录 buf 数组中未使用字节的数量
    int free;
    // 字节数组，用于保存字符串
    char buf[];
}

为什么要有 len ？

• 复杂度：在 C 中获取一个字符串的长度复杂度为 O(N)，定义 len 后复杂度为 O(1);
• 二进制安全：用 len 判断字符串结束，可以保存除文本数据以外的图片、音频等数据

在 C 中使用 ‘\0’ 来标志一个字符串的结束，不能保存空字符否则会被认为是字符串的结尾。如果有一个以空字符来分割单词的特殊特殊数据，则 C 只能读取第一个单词。

而 Redis 用 buf[] 存储二进制数据，以 len 来判断结束，不会出现以上问题

为什么要有 free ？

1. 空间预分配

在 C 中分配空间是一个比较耗时的工作，但 Redis 作为缓存数据库，数据的频繁修改是常态，而每次增长字符串都需要执行一次内存重分配（C 语言字符串处理特性），对性能产生很大影响。

• • 修改后 SDS 长度小于 1MB
• • • 分配和 len 属性同样大小的未使用空间，这时 len 和 free 的值相同，下次修改的值长度如果小于 free 就不用重新分配空间。此时 buf 长度：free + len + 1 Byte
• • 修改后 SDS 长度大于 1MB
• • • 分配 1 MB 未使用空间，此时 buf 实际长度 1Mb + len + 1 Byte

1. 惰性空间释放

当字符串缩短时，程序并不立即使用内存重分配来回收多余的空间，而是用 free 记录下来，以便以后使用。

SDS 提供了相应的 API 可以在我们需要的时候真正地释放 SDS 的未使用的空间。所以不必担心惰性空间释放策略会浪费内存。

为什么SDS 中 buf 数组仍然在一串字符串后面添加 ‘\0’ 标志 ？

SDS 中保存的文本数据可以根据这个标志调用 C 语言原有的函数（<string.h>）,如 strcasecmp(sds->buf, “hello world”)进行字符串对比，strcat(c_string, sds->buf)进行字符串追加等。