Redis中String数据结构为什么以长度44为embstr和raw实现的分界线？

一道常见Redis面试题。

在Redis的String数据结构中，当字符串的实际长度小于44且包含非整数字符时底层编码方式为embstr。当超过44时使用raw底层编码方式。

那么为什么要以字符串的长度44为分界线呢？

信息一

首先要分析embstr和raw编码格式的区别：首先Redis中所有的数据结构都是通过redisObject结构体描述的，其中的type字段标识了当前对象使用的数据结构（string、list、set等），encoding字段标识了当前对象采用的编码方式（ziplist、listpack、intset、skiplist等）。而embstr编码方式是为了提高cpu寻址效率在redisObject之后直接存储具体字符串的数据内容。而raw是在redisObject上通过维护一个指向堆上的内存空间存储具体的字符串内容。

信息二

内存分配器都是按照2^n进行分配的，同时cpu cache line最小访问单位为64个字节。因此为了实现cpu高效寻址，64个字节的内存空间是一个阈值。而Redis中操作对象的单位是通过redisObject。

分析如下

redisObject的数据结构如下：

cpp 复制代码

#define LRU_BITS 24
typedef struct redisObject {
    unsigned type:4;
    unsigned encoding:4;
    unsigned lru:LRU_BITS; /* LRU time (relative to global lru_clock) or
                            * LFU data (least significant 8 bits frequency
                            * and most significant 16 bits access time). */
    int refcount;
    void *ptr;
} robj;

type字段占用4个bit位，encoding占用4个bit位，LRU_BITS为24， lru字段占用24个bit位即3个字节。refcount字段占用4个字节。ptr字段在64位系统下，占用8个字节。加在一起 1 + 3 + 4 + 8 = 16个字节。即redisObject结构体中需要占用16个字节。

而ptr字段具体指向了实际的string编码结构对象，即sds。sds的结构有sds8、sds16、sds32、sds64。此时最大的寻址空间才为64个字节，因此选用最小的sds8即可。

sds8数据结构如下：

cpp 复制代码

struct __attribute__ ((__packed__)) sdshdr8 {
    uint8_t len; /* used */
    uint8_t alloc; /* excluding the header and null terminator */
    unsigned char flags; /* 3 lsb of type, 5 unused bits */
    char buf[];
};

len字段和alloc字段为uint8_t，占用1个字节，flags占用1个字节。总计1 + 1 + 1 = 3个字节。

此时总计描述一个字符串信息需要使用的头信息占用16 + 3 = 19个字节。而string数据结构在设计上是兼容C语言字符串的。因此需要在末尾加上'\0'字符。还需要占用1个字节。此时总计19 + 1 = 20个字节。

64 - 20 = 44个字节。因此当字符串长度小于44个字节长度时，使用embstr编码类型可以极大提高redis的查询效率和存储效率。所以string数据结构使用字符串长度为44作为embstr和raw编码类型的分界线。

更多资料：0voice · GitHub