Redis原理篇
1、原理篇-Redis数据结构
1.1 Redis数据结构-动态字符串
我们都知道Redis中保存的Key是字符串,value往往是字符串或者字符串的集合。可见字符串是Redis中最常用的一种数据结构。
不过Redis没有直接使用C语言中的字符串,因为C语言字符串存在很多问题:
- 获取字符串长度的需要通过运算
- 非二进制安全(不能包含'\0'字符)
- 不可修改,不能进程扩容
Redis构建了一种新的字符串结构,称为简单动态字符串(Simple Dynamic String),简称SDS。例如,我们执行命令:
那么Redis将在底层创建两个SDS,其中一个是包含"name"的SDS,另一个是包含"虎哥"的SDS。
Redis是C语言实现的,其中SDS是一个结构体,源码如下:
例如,一个包含字符串"name"的sds结构如下:
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"hi"的SDS:
假如我们要给SDS追加一段字符串",Amy",这里首先会申请新内存空间:
当判断缓冲区内存大小不够用的时候,会进行扩容:
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;
如果新字符串大于1M,则新空间为扩展后字符串长度+1M。
称为内存预分配。
申请内存的操作非常消耗资源,所以可以提升性能。
1.2 Redis数据结构-intset(整数数组)
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。结构如下:
其中的encoding包含三种模式,表示存储的整数大小不同:
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
整数集合的升级操作
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
- 倒序依次将数组中的元素拷贝到扩容后的正确位置
- 将待添加的元素放入数组末尾
- 最后,将inset的encoding属性改为INTSET_ENC_INT32,将length属性改为4
源码如下:
小总结:
Intset可以看做是特殊的整数数组,具备一些特点:
- Redis会确保Intset中的元素唯一、有序
- 具备类型升级机制,可以节省内存空间
- 底层采用二分查找方式来查询
1.3 Redis数据结构-Dict(哈希表)
键值对在数据库中就是使用哈希表来存储的:
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。Dict由三部分组成,分别是:哈希表(DictHashTable)、哈希节点(DictEntry)、字典(Dict)
当我们向Dict添加键值对时,Redis首先根据key计算出hash值(h),然后利用 h & sizemask来计算元素应该存储到数组中的哪个索引位置。我们存储k1=v1,假设k1的哈希值h =1,则1&3 =1,因此k1=v1要存储到数组角标1位置。
Dict由三部分组成,分别是:哈希表(DictHashTable)、哈希节点(DictEntry)、字典(Dict)
Dict的rehash触发的条件:
Dict中的HashTable就是数组结合单向链表的实现,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:
size是数组的大小,uesd是总共的元素
Dict的rehash
不管是扩容还是收缩,必定会创建新的哈希表,导致哈希表的size和sizemask变化,而key的查询与sizemask有关。因此必须对哈希表中的每一个key重新计算索引,插入新的哈希表,这个过程称为rehash。过程是这样的:
- 计算新hash表的realeSize,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
- 如果是收缩,则新size为第一个大于等于dict.ht[0].used的2^n (不得小于4)
这里的rehash是渐进式hash,每一次涉及到增删改查到来的时候,都进行一次rehash,直到所有的数据都迁移完成。
小总结:
Dict的结构:
- 类似java的HashTable,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,rehash包括扩容和收缩
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,即每次访问Dict时都会执行一次rehash,也就是一次把一个位置上的所有数据进行rehash,直到所有的数据都写入这个新的hash表中。
- rehash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都会执行。
普通双向链表的有点和缺点:
1.4 Redis数据结构-ZipList(压缩列表)
这段话记住:
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 | 压缩列表包含的各个节点,节点的长度由节点保存的内容决定。 |
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
所以使用这种方式,在本节点就知道前一个结点的长度,这样就能根据自己的地址找到前一个结点的地址,实现逆序遍历。
ZipList中所有存储长度的数值均采用小端字节序,即低位字节在前,高位字节在后。例如:数值0x1234,采用小端字节序后实际存储值为:0x3412
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,编码的后面几位可以标识字符串内容的大小
编码 | 编码长度 | 字符串大小 |
---|---|---|
00pppppp | ||
01pppppp | qqqqqqqq | |
10000000 | qqqqqqqq |
例如,我们要保存字符串:"ab"和 "bc"
encoding:能体现编码类型和长度,后面的就是contents,使用的是ASC码来表示的。
前面的三部分都是使用了小端方式
ZipListEntry中的encoding编码分为字符串和整数两种:
- 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(4 bytes) |
11100000 | 1 | int64_t(8 bytes) |
11110000 | 1 | 24位有符整数(3 bytes) |
11111110 | 1 | 8位有符整数(1 bytes) |
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 |
整个结构:
ZipList的缺点:只能从前向后或者从后向前遍历,如果节点在中间且节点比较多,则比较耗费时间。
1.5 Redis数据结构-ZipList的连锁更新问题
但是,如果现在有个元素加入到队头,并且大小占用超过了254字节,所以后面的一个结点的记录上一个节点的长度就会改变,然后后面连续的都会改变。
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。
小总结:
ZipList特性:
ZipList劣势:不能数据过多,因为找到一大块连续内存是比较困难的,所以引入了QuickList
1.6 Redis数据结构-QuickList(快速链表)
为了解决一次申请较大的内存空间比较困难以及连续更新的问题,引入了快速链表,就是双向链表+压缩链表的形式。
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?
答: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?
答: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?
答: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:
以下是QuickList的和QuickListNode的结构源码:
我们接下来用一段流程图来描述当前的这个结构
compress是首位不压缩的数量:中间的是压缩的方式
总结:
QuickList的特点:
- 是一个节点为ZipList的双端链表
- 节点采用ZipList,解决了传统链表的内存占用问题
- 控制了ZipList大小,解决连续内存空间申请效率问题
- 中间节点可以压缩,进一步节省了内存
- 所以QuickList具有链表和ZipList的优点,即既可以分散存储连接,又可以占用的内存比较少,因为ZipList是比较节省空间的
QuickList和ZipList特点就是节省内存,不过他们在遍历的时候只能从头遍历或者从尾遍历,中间随机查询性能比较低。所以有了下面的跳表
1.7 Redis数据结构-SkipList(跳表)
SkipList(跳表)使用的是 链表,但与传统链表相比有几点差异:
- 元素按照升序排列
- 使用多级指针,存储节点可能包含多个指针,指针跨度不同。
查找过程:先从第一个节点的最高级指针开始,找到下一个节点,然后下一个节点和要找的节点的得分,如果要找的得分大,就继续往后查找,如果要找的得分小,那就使用下一级的指针,类似与二分查找。
小总结:
SkipList的特点:
- 跳跃表是一个双向链表,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
- 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(lonN,实现却更简单
为什么使用跳表而不使用平衡树?
1.8 Redis数据结构-listpack
虽然快速链表的出现减少了连续更新来的性能影响,但是由于它的设计记录了前一个结点的大小,所以说还是会出现这个问题。
因为,redis5.0出现了一个listpack的结构来代替压缩链表。也就是说listpack只会记录当前节点的长度,这样新增元素的时候不会影响其他结点的长度字段。
结构设计:
即从当前节点的地址解析到前一个节点的长度,就可以得到前一个结点的地址。
1.9 Redis数据结构-RedisObject
Redis中的任意数据类型的键和值都会被封装为一个RedisObject,也叫做Redis对象,源码如下:
这个对象头部就是占用16个字节。
所以如果是String类型,每个String都会有一个对象头,如果是list,那么只需要一个对象头。
Redis的编码方式
Redis中会根据存储的数据类型不同,选择不同的编码方式,共包含11种不同类型:
五种数据结构
Redis中会根据存储的数据类型不同,选择不同的编码方式。每种数据类型的使用的编码方式如下:
2.0 Redis数据结构-String
Stirng类型有三种编码方式,其基本编码方式是RAW,基于简单动态字符串(SDS)实现,redis对象头中有一个指针指向这个SDS,如果存储的SDS长度小于44字节,则会采用EMBSTR编码,此时对象头与SDS是一段连续空间。****如果⼀个String类型的value的值是数字,则会采用INT编码,直接保存在redis对象头的ptr位置。
String是Redis中最常见的数据存储类型:
其基本编码方式是RAW,基于简单动态字符串(SDS)实现,存储上限为512mb。
如果存储的SDS长度小于44字节,则会采用EMBSTR编码,此时object head与SDS是一段连续空间。申请内存时只需要调用一次内存分配函数,效率更高。因为内存切换涉及到内核态和用户态的切换。所以我们使用String的时候,最好不要超过44字节
如果⼀个String类型的value的值是数字,则会采用INT编码,直接保存在redis对象头的ptr位置。
总结:三种编码方式
2.1 Redis数据结构-List
List结构是由快速链表来实现的。
- QuickList:LinkedList + ZipList,可以从双端访问,内存占用较低,包含多个ZipList,存储上限高
Redis的List类型可以从首、尾操作列表中的元素:
哪一个数据结构能满足上述特征?
- LinkedList :普通链表,可以从双端访问,内存占用较高,内存碎片较多
- ZipList :压缩列表,可以从双端访问,内存占用低,存储上限低
- QuickList:LinkedList + ZipList,可以从双端访问,内存占用较低,包含多个ZipList,存储上限高
Redis的List结构类似一个双端链表,可以从首、尾操作列表中的元素:
在3.2版本之前,Redis采用ZipList和LinkedList来实现List,当元素数量小于512并且元素大小小于64字节时采用ZipList编码,超过则采用LinkedList编码。
在3.2版本之后,Redis统一采用QuickList来实现List:
2.2 Redis数据结构-Set结构
set这个数据类型为了保证查询效率和唯一性,采用了哈希表来存储,key就是set元素,value统一是null。当储存的所有数据都是整数的时候,set会采用整数集合Intset来存储,以节省内存。
Set是Redis中的单列集合,满足下列特点:
- 不保证有序性
- 保证元素唯一
- 求交集、并集、差集
可以看出,Set对查询元素的效率要求非常高,思考一下,什么样的数据结构可以满足?
结构如下:
2.3、Redis数据结构-ZSET
因为zset是是可以根据key找到score并且可以根据score进行排序的功能,所以底层采用的是跳表和哈希表,哈希表是用来进行查询,可以根据key来找到score,跳表可以根据score得分,并且能够快速的根据得分查询。性能比较好,但是内存占用比较大,所以当元素数量不多的时候,采用的是压缩列表来存储,即达到两个条件,分别是元素的数量小于128并且每个元素都小于64字节。
ZSet也就是SortedSet,其中每一个元素都需要指定一个score值和member值:
- 可以根据score值排序后
- member必须唯一
- 可以根据member查询分数
因此,zset底层数据结构必须满足键值存储、键必须唯一、可排序这几个需求。之前学习的哪种编码结构可以满足?
- SkipList:可以排序,并且可以同时存储score和ele值(member),但是不能根据键值存储。
- HT(Dict):可以键值存储,并且可以根据key找value
所以Zset使用的是两种结合的方式:
性能比较好,但是内存占用比较大
ziplist本身没有排序功能,而且没有键值对的概念,因此需要有zset通过编码实现:
- ZipList是连续内存,因此score和element是紧挨在一起的两个entry, element在前,score在后
- score越小越接近队首,score越大越接近队尾,按照score值升序排列
2.4 、Redis数据结构-Hash
Hash结构与Redis中的Zset非常类似:
- 都是键值存储
- 都需求根据键获取值
- 键必须唯一
区别如下:
- zset的键是member,值是score;hash的键和值都是任意值
- zset要根据score排序;hash则无需排序