Redis数据结构
1. 动态字符串SDS
我们知道Redis的key都是字符串,而value值一般都是字符串或者字符集合,所以字符串是Redis最常用的一种数据结构。Redis是通过C语言编写的,但Redis并没有直接是用C语言的字符串,因为C语言的字符类型有很多问题。
char* str = "hello";
C语言的字符串是以\0
结尾的,而如果我们想在Redis中存储\0
的时候就会变得很尴尬。
比如:
- 获取字符串长度需要通过运算
- 不可修改
Redis构建了一种新的字符串结构,称为:动态字符串(SimpleDynamic Stirng),简称SDS
比如说,使用执行以下SET命令后,Redis会在底层创建两个SDS,一个是包含name的SDS,另一个是包含张三的SDS
127.0.0.1:6379> set name 张三
SDS底层是一个C语言的结构体,
struct __attribute__ ((__packed__)) sdshdr32 {
uint32_t len; /* buf已经保存的字符串字节个数,不包含结束标识符 */
uint32_t alloc; /* buf申请的总的字节数,不包含结束标识 */
unsigned char flags; /* 不同的SDS的头类型,用来控制SDS头的大小 */
char buf[];
};
Redis提供了多种SDS的结构体来存放不同大小的数据,通过flags来区分。
#define SDS_TYPE_5 0
#define SDS_TYPE_8 1
#define SDS_TYPE_16 2
#define SDS_TYPE_32 3
#define SDS_TYPE_64 4
假设一个SDS中存放的是一个name
SDS之所以叫做动态字符串,是因为它具备动态扩容的能力,例如一个内容为test
的SDS
假设我们要给SDS追加一段字符串,aa
,这里首先会申请内存空间:
- 如果新字符串小于1M,则新空间为扩展后字符串长度的两倍+1
- 如果新字符串大于1M,则新空间为扩展后字符串长度+1M+1。称为内存预分配
为啥要进行内存预分配?因为想要申请内存空间,需要进行系统调用,而这个过程是非常消耗时间的,所以Redis为了效率,就在扩容时多申请一点空间,减少扩容次数。
SDS的优点:
- 获取字符串长度的时间复杂度为O(1)
- 支持动态扩容
- 减少内存分配次数
2. IntSet
IntSet是Redis中set集合的一种实现方式,基于整数数组来实现,并且具备长度可变、有序等特征。
IntSet的结构如下:
typedef struct intset {
uint32_t encoding;// 编码方式,支持存放16位、32位、64位整数
uint32_t length;//元素个数
int8_t contents[];//整形数组,存储数据集合
} intset;
- contents存放的是数组首元素的地址
- 数组元素的大小由encoding编码方式决定
- 规定编码方式是为了方便以后查询数据通过指针寻址
其中的encoding包含三种模式,表示存储的整数大小不同:
/* Note that these encodings are ordered, so:
* INTSET_ENC_INT16 < INTSET_ENC_INT32 < INTSET_ENC_INT64. */
#define INTSET_ENC_INT16 (sizeof(int16_t)) // 2个字节。类似于Java中的short
#define INTSET_ENC_INT32 (sizeof(int32_t)) // 4个字节,类似于Java中的int
#define INTSET_ENC_INT64 (sizeof(int64_t))// 8个字节 ,类似于Java中的long
为了方便查找,Redis会将intset中所有的整数按照升序依次保存在contents数组中,结构如图:
现在,数组中每个数字都在int16_t的范围内,因此采用的编码方式是INTSET_ENC_INT16,每部分占用的字节大小为:
- encoding:4字节
- length:4字节
- contents:2字节*3=6字节
IntSet升级
现在,假设有一个intset,元素为{5,10,20},采用的编码是INTSET_ENC_INT16,则每个整数占2字节:
我们向该其中添加一个数字:50000,这个数字超出了int16_t的范围,intset会自动升级编码方式到合适的大小。
以当前案例来说流程如下:
- 升级编码为INTSET_ENC_INT32, 每个整数占4字节,并按照新的编码方式及元素个数扩容数组
- 从数组最后一个元素开始从后向前拷贝,倒序依次将数组中的元素拷贝到扩容后的正确位置
- 最后,将inset的encoding属性改为INTSET_ENC_INT32,将length属性改为4
IntSet新增流程
intset *intsetAdd(intset *is, int64_t value, uint8_t *success) {
uint8_t valenc = _intsetValueEncoding(value); // 获取当前插入数据的编码
uint32_t pos;// 要插入的位置
if (success) *success = 1;
// 判断编码是不是超过了当前intset的编码
if (valenc > intrev32ifbe(is->encoding)) {
// 插入元素超出当前编码范围,需要升级编码
return intsetUpgradeAndAdd(is,value);
} else {
// 在当前intset中查找值和插入的value一样的元素的下标pos
// 使用二分查找来定位元素下标
if (intsetSearch(is,value,&pos)) {
if (success) *success = 0;// 找到了则无需插入,直接返回失败
return is;
}
// 数组扩容
is = intsetResize(is,intrev32ifbe(is->length)+1);
// 移动数组中pos之后的元素到pos+1,给新元素腾出空间
if (pos < intrev32ifbe(is->length)) intsetMoveTail(is,pos,pos+1);
}
// 插入新元素
_intsetSet(is,pos,value);
// 重置元素长度
is->length = intrev32ifbe(intrev32ifbe(is->length)+1);
return is;
}
编码升级代码
/* Upgrades the intset to a larger encoding and inserts the given integer. */
static intset *intsetUpgradeAndAdd(intset *is, int64_t value) {
// 获取当前intset编码
uint8_t curenc = intrev32ifbe(is->encoding);
// 获取新编码
uint8_t newenc = _intsetValueEncoding(value);
int length = intrev32ifbe(is->length);
// 判断新元素是大于0还是小于0,小于0插入队首、大于0插入队尾
int prepend = value < 0 ? 1 : 0;
// 重置编码为新编码
is->encoding = intrev32ifbe(newenc);
// 重置数组大小
is = intsetResize(is,intrev32ifbe(is->length)+1);
// 倒序遍历,逐个搬运元素到新的位置,_intsetGetEncoded按照旧的编码方式查询元素
// _intsetSet按照新的编码方式插入元素
while(length--)
_intsetSet(is,length+prepend,_intsetGetEncoded(is,length,curenc));
// 插入新元素,prepend决定是队首还是队尾
if (prepend)
_intsetSet(is,0,value);
else
_intsetSet(is,intrev32ifbe(is->length),value);
// 修改数组长度
is->length = intrev32ifbe(intrev32ifbe(is->length)+1);
return is;
}
intset是使用二分查找来查找元素是否已经存在,就算元素不存在同时二分查找也能定位到新的元素的插入位置
static uint8_t intsetSearch(intset *is, int64_t value, uint32_t *pos) {
// 初始化二分查找需要的下标
int min = 0, max = intrev32ifbe(is->length)-1, mid = -1;
int64_t cur = -1;
// 如果数组为空直接插入
if (intrev32ifbe(is->length) == 0) {
if (pos) *pos = 0;
return 0;
} else {
// 数组不为空,判断value是否大于数组中最大值,小于最小值
if (value > _intsetGet(is,max)) {
// 大于最大值插入到尾
if (pos) *pos = intrev32ifbe(is->length);
return 0;
} else if (value < _intsetGet(is,0)) {
// 小于最小值,插入到头
if (pos) *pos = 0;
return 0;
}
}
// 开始二分
while(max >= min) {
mid = ((unsigned int)min + (unsigned int)max) >> 1;
cur = _intsetGet(is,mid);
if (value > cur) {
min = mid+1;
} else if (value < cur) {
max = mid-1;
} else {
break;
}
}
// 判断要插入的新元素是否在数组中已经存在
if (value == cur) {
if (pos) *pos = mid;
return 1;
} else {
if (pos) *pos = min;
return 0;
}
}
小结:
IntSet可以看做事特殊的整数数组
- Redis会保证intset的元素唯一有序
- 具备编码升级机制,可以节省内空间
- 底层采用二分查找来查询元素
当然当数据量非常大时,IntSet的查询效率就会变低,毕竟二分的时间复杂度为 O ( l o g n ) O(logn) O(logn)
3. Dict
我们知道Redis是一个键值型(Key-Value Pair)的数据库,我们可以根据键实现快速的增删改查。而键与值的映射关系正是通过Dict来实现的,底层使用数组+链表实现,并使用头插法进行插入
Dict由三部分组成,分别是:哈希表(DictHashTable)、哈希节点(DictEntry)、字典(Dict)
typedef struct dictht {
// 指向哈希表的二级指针(指向entry数组)
// entry数组的每个元素都是一个指针
dictEntry **table;
// 哈希表大小
unsigned long size;
// 哈希表的掩码,sizemask=size-1
// 用于定位哈希表的下标 sizemask&hash
unsigned long sizemask;
// 哈希表中节点entry个数
unsigned long used;
} dictht;
哈希表节点结构体
typedef struct dictEntry {
void *key;// 键
// 联合体
union {
void *val;
uint64_t u64;
int64_t s64;
double d;
} v;//值
struct dictEntry *next;//下一个节点指针
} dictEntry;
字典
typedef struct dict {
// dict类型,内置不同的hash函数
dictType *type;
// 私有数据,在做特殊hash运算时使用
void *privdata;
// 一个Dict包含两个哈希表,其中一个是当前存数据的,另外一个为空,rehash时使用
dictht ht[2];
// rehash的进度,-1表示未进行
long rehashidx;
// rehash是否暂停,0则继续
int16_t pauserehash;
} dict;
dict结构
Dict扩容
Dict中的HashTable就是数组结合单向链表的实现,采用头插法进行元素插入,当集合中元素较多时,必然导致哈希冲突增多,链表过长,则查询效率会大大降低。
Dict在每次新增键值对时都会检查负载因子(LoadFactor = used/size) ,满足以下两种情况时会触发哈希表扩容的时机:
- 哈希表的 LoadFactor >= 1,并且服务器没有执行 RDB或者 AOF等后台进程;
- 哈希表的 LoadFactor > 5 ,此时说明哈希冲突已经非常严重了,无论有没有在RDB或者AOF都会直接进行扩容
static int _dictExpandIfNeeded(dict *d)
{
// 如果正在rehash,则直接返回
if (dictIsRehashing(d)) return DICT_OK;
// 如果哈希表为空,则初始化默认哈希表大小为 4
if (d->ht[0].size == 0) return dictExpand(d, DICT_HT_INITIAL_SIZE);
// 但负载因子(used/size)达到1以上,并且当前没有有进行 bgrewrite等子进程操作
// 或者负载因子超过5,则进行dictExpand,也就是扩容
if (d->ht[0].used >= d->ht[0].size &&
(dict_can_resize ||
d->ht[0].used/d->ht[0].size > dict_force_resize_ratio) &&
dictTypeExpandAllowed(d))
{
// 扩容大小为used+1,底层会对扩容做判断,实际上找的是第一个大于等于used+1的2^n
return dictExpand(d, d->ht[0].used + 1);
}
return DICT_OK;
}
Dict收缩
Dict除了扩容以外,每次删除元素时,也会对负载因子做检查,当LoadFactor < 0.1 时,会做哈希表收缩:
如果此时正在rehash或者AOF、RDB则会直接返回不进行收缩
int dictResize(dict *d)
{
unsigned long minimal;
// 如果正在做bgsave或者bgrewriteo或者reshash则直接返回
if (!dict_can_resize || dictIsRehashing(d)) return DICT_ERR;
// 获取used,也就是entry
minimal = d->ht[0].used;
if (minimal < DICT_HT_INITIAL_SIZE)
// 如收缩大小不能小于4
minimal = DICT_HT_INITIAL_SIZE;
// 重置大小minimal,其实是第一个大于等于minimal的2^n
return dictExpand(d, minimal);
}
Dict的rehash并不是一次性完成的。试想一下,如果Dict中包含数百万的entry,要在一次rehash完成,极有可能导致主线程阻塞。因此Dict的rehash是分多次、渐进式的完成,因此称为渐进式rehash。流程如下:
- 计算新hash表的size,值取决于当前要做的是扩容还是收缩:
- 如果是扩容,则新size为第一个大于等于dict.ht[0].used + 1的 2 n 2^n 2n
- 如果是收缩,则新size为第一个大于等于dict.ht[0].used的 2 n 2^n 2n (不得小于4)
- 按照新的size申请内存空间,创建dictht,并赋值给dict.ht[1]设置dict.rehashidx = 0,表示开始rehash
- 每次执行新增、查询、修改、删除操作时,都检查一下dict.rehashidx是否大于-1,如果是则将dict.ht[0].table[rehashidx]的entry链表rehash到dict.ht[1],并且将rehashidx++。直至dict.ht[0]的所有数据都rehash到dict.ht[1]
- 将dict.ht[1]赋值给dict.ht[0],给dict.ht[1]初始化为空哈希表,释放原来的dict.ht[0]的内存
- 将rehashidx赋值为-1,代表rehash结束
- 在rehash过程中,新增操作,则直接写入ht[1],查询、修改和删除则会在dict.ht[0]和dict.ht[1]依次查找并执行。这样可以确保ht[0]的数据只减不增,随着rehash最终为空
rehashidx表示rehash到哪个hash桶了
在rehash的时候,新增操作时在ht[1]的,其它操作是在ht[0]何ht[1]同时进行的
Dict的结构:
- 类似java的HashMap,底层是数组加链表来解决哈希冲突
- Dict包含两个哈希表,ht[0]平常用,ht[1]用来rehash
Dict的伸缩:
- 当LoadFactor大于5或者LoadFactor大于1并且没有子进程任务时,Dict扩容
- 当LoadFactor小于0.1时,Dict收缩
- 扩容大小为第一个大于等于used + 1的2^n
- 收缩大小为第一个大于等于used 的2^n
- Dict采用渐进式rehash,每次访问Dict时执行一次rehash
- urehash时ht[0]只减不增,新增操作只在ht[1]执行,其它操作在两个哈希表
小结:
- Dict的是通过数组链表来实现的,链表的每个节点包含Key和val,key和val是一个指针,指向的都是一个个SDS对象
- Dict在内存中大量的使用指针,所以说这些数据都不是连续的。这种模式的问题就存在问题就是由于内存不连续容易产生内存碎片,而指针也是需要占用空间的,所以大量的指针会占用内存空间。
4. ZipList
ZIpList(压缩列表),是一种特殊的“双端链表”,由一系列特殊编码的连续内存块组成,可以在任意一端进行压入/弹出操作, 并且该操作的时间复杂度为 O(1)。
属性 | 类型 | 长度 | 用途 |
---|---|---|---|
zlbytes | uint32_t | 4字节 | 记录整个压缩列表占用的内存字节数 |
zltail | uint32_t | 4字节 | 记录压缩列表表尾节点距离压缩列表的起始地址有多少字节,通过这个偏移量,可以确定表尾节点的地址。 |
zllen | uint16_t | 2字节 | 记录了压缩列表包含的节点数量。最大值为UINT16_MAX (65534),如果超过这个值,此处会记录为65535,但节点的真实数量需要遍历整个压缩列表才能计算得出 |
entry | 列表节点 | 不定 | 压缩列表包含各个节点,节点的长度由节点的内容决定 |
zlend | uint8_t | 1字节 | 特殊值 0xFF (十进制 255 ),用于标记压缩列表的末端。 |
ZipListEntry
ZipList 中的Entry并不像普通链表那样记录前后节点的指针,因为记录两个指针要占用16个字节,浪费内存。而是采用了下面的结构:
- previous_entry_length:前一节点的长度,占1个或5个字节。
- 如果前一节点的长度小于254字节,则采用1个字节来保存这个长度值
- 如果前一节点的长度大于254字节,则采用5个字节来保存这个长度值,第一个字节为0xfe,后四个字节才是真实长度数据
- encoding:编码属性,记录content的数据类型(字符串还是整数)以及长度,占用1个、2个或5个字节
- contents:负责保存节点的数据,可以是字符串或整数
注意:ZipList中所有存储长度的数值都采用的是小端序存储
Encoding编码
ZipListEntry中的encoding编码分为字符串和整数两种:
字符串:如果encoding是以“00”、“01”或者“10”开头,则证明content是字符串
编码 | 编码长度 | 字符串大小 |
---|---|---|
00 p p p p p p 00pppppp 00pppppp | 1 b y t e s 1bytes 1bytes | < = 63 b y t e s <=63bytes <=63bytes |
$ | 01pppppp | qqqqqqqq |
$ | 10000000 | qqqqqqqq |
假设我们要保存字符串 “ab”和"ba"
整数:如果encoding是以“11”开始,则证明content是整数,且encoding固定只占用1个字节
编码 | 编码长度 | 整数类型 |
---|---|---|
11000000 | 1 | int16_t(2 bytes) |
11010000 | 1 | int32_t(bytes) |
11100000 | 1 | int64_t(8bytes) |
11110000 | 1 | 24位有符整数(3bytes) |
11111110 | 1 | 8位有符整数(1bytes) |
1111xxxx | 1 | 直接在xxxx位置保存数值,范围从0001~1101,减1后结果为实际值 |
ZipList在存储数字 0 0 0到 12 12 12的时候,会将编码格式设置为 1111 x x x x 1111xxxx 1111xxxx,也就说存储0到12数字的时候不需要contents来保存数据,通过编码就能表示,因为要存储0所以要通过编码减一就能得到对应的数据
比如果说要存储2和5,2的编码为11110011
十六进制为f3
,5的编码为11110110
十六进制为f6
,编码减一就得到了数据。如图:
ZipList的连锁更新问题
ZipList的每个Entry都包含previous_entry_length来记录上一个节点的大小,长度是1个或5个字节:
- 如果前一节点的长度小于254字节,则采用1个字节来保存这个长度值
- 如果前一节点的长度大于等于254字节,则采用5个字节来保存这个长度值,第一个字节为0xfe,后四个字节才是真实长度数据
现在,假设我们有N个连续的、长度为250~253字节之间的entry,因此entry的previous_entry_length属性用1个字节即可表示,如图所示:
如果此时在此时在偷节点插入一个260个字节的节点,
此时这个260个字节的节点被插入后,后续的节点的记录前一个节点长度(previous_entry_length)的信息就需要更新,由由于头节点大于254字节那么这个长度就需要5个字节表示,那么就会导致后续的节点大小都大于等于254个字节,开始连续向后更新每个节点的previous_entry_length。
ZipList这种特殊情况下产生的连续多次空间扩展操作称之为连锁更新(Cascade Update)。新增、删除都可能导致连锁更新的发生。
ZipList特性:
- 压缩列表的可以看做一种连续内存空间的"双向链表"
- 列表的节点之间不是通过指针连接,而是记录上一节点和本节点长度来寻址,内存占用较低
- 如果列表数据过多,导致链表过长,可能影响查询性能
- 增或删较大数据时有可能发生连续更新问题
5. QuickList
ZipList存在一些问题:
-
问题1:ZipList虽然节省内存,但申请内存必须是连续空间,如果内存占用较多,申请内存效率很低。怎么办?
- 为了缓解这个问题,我们必须限制ZipList的长度和entry大小。
-
问题2:但是我们要存储大量数据,超出了ZipList最佳的上限该怎么办?
- 我们可以创建多个ZipList来分片存储数据。
-
问题3:数据拆分后比较分散,不方便管理和查找,这多个ZipList如何建立联系?
Redis在3.2版本引入了新的数据结构QuickList,它是一个双端链表,只不过链表中的每个节点都是一个ZipList
为了避免QuickList中的每个ZipList中entry过多,Redis提供了一个配置项:list-max-ziplist-size来限制。
如果值为正,则代表ZipList的允许的entry个数的最大值
如果值为负,则代表ZipList的最大内存大小,分5种情况:
- -1:每个ZipList的内存占用不能超过4kb
- -2:每个ZipList的内存占用不能超过8kb
- -3:每个ZipList的内存占用不能超过16kb
- -4:每个ZipList的内存占用不能超过32kb
- -5:每个ZipList的内存占用不能超过64kb
其默认值为 :-2
除了控制ZipList的大小,QuickList还可以对节点的ZipList做压缩。通过配置项list-compress-depth
来控制。因为链表一般都是从首尾访问较多,所以首尾是不压缩的。这个参数是控制首尾不压缩的节点个数:
- 0:特殊值,代表不压缩
- 1:标示QuickList的首尾各有1个节点不压缩,中间节点压缩
- 2:标示QuickList的首尾各有2个节点不压缩,中间节点压缩
以此类推
QuickList源码
typedef struct quicklist {
// 头节点指针
quicklistNode *head;
// 尾节点指针
quicklistNode *tail;
// 所有ziplist的entry的数量
unsigned long count;
// ziplists总数量
unsigned long len;
// ziplist的entry上限,默认值-2
int fill : QL_FILL_BITS;
// 首尾不压缩的节点数量
unsigned int compress : QL_COMP_BITS;
// 内存重新分配时的书签数量以及数组,一般用不到
unsigned int bookmark_count: QL_BM_BITS;
quicklistBookmark bookmarks[];
} quicklist;
QuickListNode结构源码
typedef struct quicklistNode {
// 前驱指针
struct quicklistNode *prev;
// 后继指针
struct quicklistNode *next;
// 当前节点的ziplist指针
unsigned char *zl;
// 当前节点ZipList的字节大小
unsigned int sz;
// 当前节点的ZipList的entrt个数
unsigned int count : 16;
// 编码方式:1,ZipList; 2,lzf压缩模式
unsigned int encoding : 2;
// 数据容器类型(预留):1,其它,2,ZipList
unsigned int container : 2;
// 是否被解压缩。1:说明被解压了,将来要重新压缩
unsigned int recompress : 1;
// 测试用
unsigned int attempted_compress : 1;
// 预留字段
unsigned int extra : 10;
} quicklistNode;
6. SkipList
SkipList(跳表)首先是链表,但与传统链表相比有几点差异:
-
元素按照score升序排列存储
-
节点可能包含多个指针,指针跨度不同
也就说跳表是在双向链表的基础上进行了修改,原本双向链表只有两个指针,而跳表的每一个节点都有着多个指针,且这多个指针指向的节点是跳跃了多个节点,而不像普通链表只是指向下一个节点,如下图所示:
注意一下多级索引其实都是同一个节点,画多个只是为了方便表示。
跳表的查询过程
- 跳表的查询和B+树有点类似,都是通过索引来查询数据,B+树的数据都保存到叶子节点,而跳表的数据保存在最低一层的节点上,其他都是一些指针指向对应的节点。
- 如上图假设要查询的4,他会从4级索引开始判断后面的值是否相同,发现大于则判断下一层,也就是3级索引这一层,发现依旧大于就又会去下一层,二级索引这一层进行判断
- 发现小于要查询的值,则会到该层的下一个节点,继续判断发先下一个值就是要找的值4
- 这里的排序是根据节点score值来进行排序和查询的
假如我们要查询9这个节点,如果是普通链表则需要9次才能查询到,而使用调表只需要两次。同样如果查询的是4这个节点,链表遍历需要4次,而跳表只需要3次
跳表结构体
typedef struct zskiplist {
// 头尾节点指针
struct zskiplistNode *header, *tail;
// 节点数量
unsigned long length;
// 最大的索引层级,默认是1
int level;
} zskiplist;
跳表节点结构体
typedef struct zskiplistNode {
// 节点存储的值
sds ele;
// 节点分数,排序、查找
double score;
// 前一个节点指针
struct zskiplistNode *backward;
struct zskiplistLevel {
// 下一个节点的指针
struct zskiplistNode *forward;
// 索引跨度
unsigned long span;
} level[];// 多级索引数组
} zskiplistNode;
内存结构
小结:
- 跳表是一个双向链表,每个节点都包含score和ele值
- 节点按照score值排序,score值一样则按照ele字典排序
- 每个节点都可以包含多层指针,层数是1到32之间的随机数,到底有多少层,底层会根据特定算法来推测多少层比价合适
- 不同层指针到下一个节点的跨度不同,层级越高,跨度越大
- 增删改查效率与红黑树基本一致,实现却更简单
为啥用跳表而不用红黑树?
- 首先跳表的实现比平衡树简单,只是需要修改节点指向即可,更方便调试
- 在执行ZRANGE 这种范围查询,跳表实现起来其实更简单,而平衡树需要中序遍历,并且不太好实现
- 从内存占用方面来说,平衡树的左右孩子节点是固定的,而跳表的索引则是按照特定算法随机生成的,内存占用上其实更有优势