数据结构之简单动态字符串

Redis是由C语言编写的。在C语言中，字符串标准形式是以空字符\0作为结束符的，但是Redis里面的字符串却没有直接沿用C语言的字符串，而是封装了一下C语言字符串并命名为SDS(simple dynamic string)。主要是因为C语言中获取字符串长度可以调用strlen这个标准函数，这个函数的时间复杂度是O(N)，由于Redis是单线程的，承受不了这个时间复杂度。

1.SDS的定义

（1）3.2版本之前

struct sdshdr {
    //记录buf数组中已使用字节的数量
    long len;
    //记录buf数组中未使用字节的数量
    long free;
    //存储实际的字符串
    char buf[];
};

为了表示字节数组的结束，Redis 会自动在数组最后加一个’\0’，这就会额外占用 1 个字节的开销,但是不计算到len属性里面。

（2）3.2版本及之后
引入了五种sdshdr类型，每次在创建一个SDS的时候根据SDS的实际长度判断应该选择什么类型的sdshdr，不同类型的sdshdr占用的内存空间不同，这样细分一下可以省去很多不必要的内存开销。

struct sdshdr<T>{
    T len;//数组长度
    T alloc;//数组容量
    unsigned  flags;//sdshdr类型
    char buf[];//数组内容
}

struct __attribute__ ((__packed__)) sdshdr5 {
    //实际上这个类型redis不会被使用。他的内部结构也与其他sdshdr不同，没有len和alloc这两个属性,不具备动态扩容操作
    unsigned char flags; //一共8位，低3位用来存放真实的flags(类型),高5位用来存放len(长度)
    char buf[];//sds实际存放的位置
};
struct __attribute__ ((__packed__)) sdshdr8 {
    uint8_t len;//表示当前sds的长度(单位是字节)
    uint8_t alloc; //表示已为sds分配的内存大小(单位是字节)
    unsigned char flags; //用一个字节表示当前sdshdr的类型，因为sdshdr有五种类型，所以至少需要3位来表示，000:sdshdr5，001:sdshdr8，010:sdshdr16，011:sdshdr32，100:sdshdr64。高5位用不到所以都为0。
    char buf[];//sds实际存放的位置
};
struct __attribute__ ((__packed__)) sdshdr16 {
    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 {
    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 {
    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[];
};

在每个sdshdr的头定义上都有一个attribute((packed))，这个是为了让编译器尽量不使用内存对齐(alignment)，这样，每个字段分配的内存地址就是紧紧排列在一起的，以避免不必要的空间浪费，但其实这么做会有时间上的开销，假设CPU总是从存储器中读取8个字节，则变量地址必须为8的倍数，为了获取一个没对齐的8字节的uint8_t数据，CPU需要执行两次内存访问 从两个8字节的内存块中取出完整的8字节数据。但这里我们只需要知道禁用(准确地说是尽量不使用)内存对齐是redis为了节省内存开销的一种手段。

2.SDS的优点
（1）O(1)复杂度获取字符串的长度
（2）杜绝缓存区溢出

当SDS API对SDS进行修改时，会先检查SDS的空间是否满足要求，如果不满足，会先扩展SDS的空间，然后再执行实际的修改操作。

（3）减少修改字符串时带来的内存重分配次数
①空间预分配

用于优化SDS的字符串增长操作
不仅会为SDS分配所必须要的空间，还会为SDS分配额外的未使用空间
其中，分配额外的未使用空间方式如下
如果修改之后，SDS长度小于1MB，则分配的未使用空间跟修改后的len属性值一致
如果修改之后，SDS长度大于等于1MB，则分配的未使用空间为1MB
通过这种预分配策略，SDS 将连续增长N次字符串所需的内存重分配次数从必定N次降低为最多N次

②惰性空间释放

用于优化SDS的字符串缩短操作，当SDS的API需要缩短SDS保存的字符串时，程序并不立即使用内存重分配来回收缩短后多出来的字节，而是将这些字节的数量记录起来，并等待将来使用。

以上两种方式可能会造成内存资源浪费，不过SDS也提供了相应的API，去释放未使用空间
（4）二进制安全

对于C语言字符串来说，它是通过判断当前字符串中是否存在空字符\0来确定是否已经是字符串的结尾。但如果字符串里面包含空字符\0，或者保存像图片、音频、视频、压缩文件这样的二进制数据，就会出问题。
而SDS不是通过空字符串来判断字符串是否已经到结尾，而是通过len这个字段的值。所以说SDS具备二进制安全这个特性，即可以安全的存储具有特殊格式的二进制数据。

（5）兼容部分C字符串函数

通过遵循C语言字符串以空字符结尾的惯例，SDS可以使用一部分<string.h>库定义的函数。