【从零开始学习Redis | 第七篇】认识Redis底层数据结构

前言：

动态字符串SDS：

SDS的优势：

IntSet：

前言：

在现代软件开发中，数据存储和处理是至关重要的一环。为了高效地管理数据，并实现快速的读写操作，各种数据库技术应运而生。其中，Redis作为一种高性能的内存数据库，广泛应用于缓存、会话存储、消息队列等场景。要深入了解Redis的工作原理，就必须先了解其底层数据结构。

Redis之所以能够在性能上表现出色，部分原因在于其精心设计的数据结构。这些数据结构不仅简单高效，而且能够满足各种复杂的数据处理需求。本文将深入探讨Redis底层数据结构的设计原理，包括字符串 、哈希、列表、集合、有序集合等，希望能够帮助读者更好地理解Redis的内部机制，为进一步应用和优化Redis提供指导。

动态字符串SDS：

Redis虽然是C语言写的，但是他并没有使用C语言中的字符串，主要有以下原因：

1.获取字符串的长度需要运算，存在性能问题。

2.非二进制安全，比如我们无法存储"/0"这种字符串，因为他会被C原因认为是字符串结束的标志，从而无法读取后面的字符串内容。

3.不可修改。

所以Redis构建了一种新的字符串结构，叫做简单动态字符串（S imple D ynamic String）SDS。

cpp 复制代码

struct __attribute__ ((__packed__)) sdshdr8 {
    uint8_t len; /* 已经使用的字节数，不包含结束标识 */
    uint8_t alloc; /* buf申请的总字节数，不包含结束标识 */
    unsigned char flags; /*不同的SDS的头类型，用来标识头大小*/
    char buf[];
};

这就是SDS的数据结构，但是有一个问题：我们的len的数据类型是Uint8_t,也就是说最多就只有255个字节。那么超出255个字节呢 ？

也就是说：其实SDS有多种类型，来保存不同字节范围大小的SDS

其实申请这么多结构类型就是为了节省空间。道理很简单：

如果我们只存储一个字节，那么使用数据类型为unit8_t的SDS肯定要比数据结构为unit64_t的SDS节省空间。

那么通过对源码的解读，我们大概可以推断出：如果要存放一个"JAVA"字符串，那么SDS结构如下：

那么我们SDS在读取字符串的时候，就不会再以"\0" 来作为字符串结束表示了，因为我们的len里面已经存储了使用字符串的长度。我们通过这种方式就避免了传统的C语言字符串无法正常存储"\0"的问题。

而SDS之所以叫做动态字符串，是因为它具有动态扩容的能力，比如我们想往上述的这个结构中，在追加一段字符串"Ni Hao",那么因为之前的结构体已经达到了存储上限，这里首先会申请新的内存空间。

如果新字符串小于1M，则新空间为扩展后字符串长度的两位+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。

这种流程称为内存预分配。

之所以要预分配，是因为申请内存需要从用户态切换到内核态，频繁的申请内存会造成很大的性能消耗，因此我们要做内存的预分配。

SDS的优势：

1.获取字符串长度的时间复杂度为1。

2.支持动态扩容。

3.减少内存分配的次数。

4.二进制安全。

IntSet：

IntSet是Redis中Set集合的一种实现方式，基于整数数组来实现，并且具有长度可变 ，有序等 特征。IntSet底层就是一个有序的数组

cpp 复制代码

typedef struct intset {
    uint32_t encoding;//编码方式，支持存放16，32，64位整数
    uint32_t length;//元素个数
    int8_t contents[];//整数数组，存放集合数据
} intset;

encoding包含三种模式，代表存储的整数大小不同：

为了方便查找，Redis会把IntSet中的所有整数都按照升序依次保存在数组之中，结构如图所示：

IntSet也支持编码升级，我们用上图举例：我们上图规定了存储的元素范围必须是int16_t,也就是两个字节，那如果我们尝试向IntSet中存储50000这个超出了int16_t的范围，intset会自动升级编码到合适的大小。

我们来文字介绍一下上面案例的扩容过程：

1.升级编码为INSET_ENC_INT32,每个整数占四个字节，并且按照新的编码方式及元素个数扩容数组。

2.倒序将数组中的元素拷贝到扩容后的位置。

3.将待添加的元素放入到数组末尾。

这里可以讲一下为什么要倒序放入新数组：

如果我们正序扩容原数组的话，比如把占两字节的5扩容成为4字节，那么就会覆盖到后面的数据：

导致后面的正常数据被覆盖，导致无法拷贝部分数据，因此我们选择倒序扩容，这样就避免了原有数据被覆盖的问题。

cpp 复制代码

static intset *intsetUpgradeAndAdd(intset *is, int64_t value) {
    //获取当前intset编码
    uint8_t curenc = intrev32ifbe(is->encoding);
    //获取新手机
    uint8_t newenc = _intsetValueEncoding(value);
    //获取元素个数
    int length = intrev32ifbe(is->length);
    //判断新元素大于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，逐个搬运元素到新位置，_intsetGetEncoded按照旧编码查找旧元素
    while(length--)//_intsetSet按照新编码方式插入新元素
        _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);
    //返回指针
    return is;
}

我们来看一看是具体是如何插入一个元素的，而在如下这个代码块的红框中，也证明了Intset会去重。

那么我们再来看一下intsetSearch是如何查找重复元素的：

相信这段代码的罗i已经很简单了，就是一个简单的二分查找 。先对特殊值进行判断，如果要搜索的value已经小于当前数组的最小值或大于当前数组的最大值，那么就直接进行插入。

之后再用二分法进行查找。

IntSet的特点：

1.Redis会确保IntSet的元素唯一，有序。

2.具备类型升级，可以节省内存空间。

3.底层采用二分法查找的方式来进行查询。

Dict：

Redis是一个键值对类型的数据库，而键和值之间的映射关系就是通过Dict这种数据类型来实现的。

Dict由三部分组成：

1.哈希节点：

cpp 复制代码

struct dictEntry {
    //键
    void *key;
    //值
    union {
        void *val;
        uint64_t u64;
        int64_t s64;
        double d;
    } v;
    //下一个Entry的指针
    struct dictEntry *next;     /* Next entry in the same hash bucket. */
};

2.哈希表：

cpp 复制代码

typedef struct dictht {
    //Entry数组
    dictEntry **table;
    //哈希表大小
    unsigned long size;
    //哈希表大小的掩码
    unsigned long sizemask;
    //entry个数
    unsigned long used;
} dictht;

我们可以用哈希表大小减 1 的值作为掩码，通过对哈希函数得到的值进行按位与操作，从而快速地将哈希函数的输出映射到哈希表索引范围内，即 hash_value & (size-1)，其中 & 表示按位与操作。

这种技巧能够提高哈希表的性能，因为它避免了对取模运算的使用，取代为了计算索引而进行了取模运算，只需进行了一个按位与操作，这在某些情况下能够更加高效

没理解的可以看一看我的这一篇文章：

https://liyuanxin.blog.csdn.net/article/details/134867511https://liyuanxin.blog.csdn.net/article/details/134867511这里面介绍了HashMap是如何计算索引下标的，和这里用到的方法是一样的。

3.字典：

Dict的扩容：

Dict作为一个Hash结构的数据结构，他是通过链地址法来解决Hash冲突的。但是当集合中元素比较多的时候，必然会导致哈希冲突的激增，链表过长导致查询效率大大降低。

因此Dict在每一次新增键值对的时候，都会检查负载因子（used/size） ，满足下面两种情况就会触发哈希表扩容

1.哈希表的负载因子 1，并且服务器没有执行BGSAVE 或者BGREWRITEAOF等后台进程。

2.哈希表的负载因子5

真正执行扩容的函数时dictExpand函数：

如果当前哈希表正在rehash或当前哈希表大小已经大于或等于目标长度了，就不再进行扩容。

Dict的收缩：

Dict 除了扩容之外，每次删除元素，也会对负载因子进行检查，如果负载因子小于01.，就会做哈希表收缩。

真正执行收缩的函数是dictShrink:

如果当前哈希表正在进行rehash或者已经缩小到目标size了，就拒绝再次缩小，如果满足条件，就是用_dictResize方法来缩小列表。

综合来看：其实无论是哈希表的扩容还是收缩，本质上调用的都是dict_Resize这个函数。只不过因为传入的size不同，所以最终的结果不同。

Resize中的逻辑就是将Hash数组的长度变为距离size最近的一个整数。为了求最近的二进制整数，采用了前导零的思想。

cpp 复制代码

static signed char _dictNextExp(unsigned long size)
{
    if (size <= DICT_HT_INITIAL_SIZE) return DICT_HT_INITIAL_EXP;
    if (size >= LONG_MAX) return (8*sizeof(long)-1);

    return 8*sizeof(long) - __builtin_clzl(size-1);
}