Redis核心原理与实践--字符串实现原理 _字符串

努力尽今夕，少年犹可夸。这篇文章主要讲述Redis核心原理与实践--字符串实现原理相关的知识，希望能为你提供帮助。
Redis是一个键值对数据库（key-value DB），下面是一个简单的Redis的命令：

> SET msg "hello wolrd"

该命令将键“msg”、值“hello wolrd”这两个字符串保存到Redis数据库中。
本章分析Redis如何在内存中保存这些字符串。
redisObjectRedis中的数据对象server.h/redisObject是Redis对内部存储的数据定义的抽象类型，在深入分析Redis数据类型前，我们先了解redisObject，它的定义如下：

typedef struct redisObject { unsigned type:4; unsigned encoding:4; unsigned lru:LRU_BITS; int refcount; void *ptr; } robj;

type：数据类型。
encoding：编码格式，即存储数据使用的数据结构。同一个类型的数据，Redis会根据数据量、占用内存等情况使用不同的编码，最大限度地节省内存。
refcount，引用计数，为了节省内存，Redis会在多处引用同一个redisObject。
ptr：指向实际的数据结构，如sds，真正的数据存储在该数据结构中。
lru：24位，LRU时间戳或LFU计数。

redisObject负责装载Redis中的所有键和值。redisObject.ptr指向真正存储数据的数据结构，redisObject .refcount、redisObject.lru等属性则用于管理数据（数据共享、数据过期等）。
Redis定义了以下数据类型和编码，如表1-1所示。

文章图片

本书第1部分会对表1-1中前五种数据类型进行分析，最后两种数据类型会在第5部分进行分析。如果读者现在对表1-1中内容感到疑惑，则可以先带着疑问继续阅读本书。
sds我们知道，C语言中将空字符结尾的字符数组作为字符串，而Redis对此做了扩展，定义了字符串类型sds（Simple Dynamic String）。
Redis键都是字符串类型，Redis中最简单的值类型也是字符串类型，
字符串类型的Redis值可用于很多场景，如缓存html片段、记录用户登录信息等。
定义
struct attribute ((packed)) sdshdr5 {
unsigned char flags;
char buf[];
};
struct attribute ((packed)) sdshdr8 {
uint8_t len;
uint8_t alloc;
unsigned char flags;
char buf[];
};
...

Redis还定义了sdshdr16、sdshdr32、sdshdr64结构体。为了版面整洁，这里不展示sdshdr16、sdshdr32、sdshdr64 结构体的代码，它们与sdshdr8结构体基本相同，只是len、alloc属性使用了 uint16_t、uint32、uint64_t类型。Redis定义不同sdshdr结构体是为了针对不同长度的字符串，使用合适的len、alloc属性类型，最大限度地节省内存。 * len：已使用字节长度，即字符串长度。sdshdr5可存放的字符串长度小于32（25），sdshdr8可存放的字符串长度小于256（28），以此类推。由于该属性记录了字符串长度，所以sds可以在常数时间内获取字符串长度。Redis限制了字符串的最大长度不能超过512MB。 * alloc：已申请字节长度，即sds总长度。alloc-len为sds中的可用（空闲）空间。 * flag：低3位代表sdshdr的类型，高5位只在sdshdr5中使用，表示字符串的长度，所以sdshdr5中没有len属性。另外，由于Redis对sdshdr5的定义是常量字符串，不支持扩容，所以不存在alloc属性。 * buf：字符串内容，sds遵循C语言字符串的规范，保存一个空字符作为buf的结尾，并且不计入len、alloc属性。这样可以直接使用C语言strcmp、strcpy等函数直接操作sds。 > 提示：sdshdr结构体中的buf数组并没有指定数组长度，它是C99规范定义的柔性数组—结构体中最后一个属性可以被定义为一个大小可变的数组（该属性前必须有其他属性）。使用sizeof函数计算包含柔性数组的结构体大小，返回结果不包括柔性数组占用的内存。 > 另外，__attribute__((__packed__))关键字可以取消结构体内的字节对齐以节省内存。### 操作分析接下来看一下sds构建函数： ```c sds sdsnewlen(const void *init, size_t initlen) { void *sh; sds s; // [1] char type = sdsReqType(initlen); // [2] if (type == SDS_TYPE_5 & & initlen == 0) type = SDS_TYPE_8; // [3] int hdrlen = sdsHdrSize(type); unsigned char *fp; /* flags pointer. */sh = s_malloc(hdrlen+initlen+1); ... // [4] s = (char*)sh+hdrlen; fp = ((unsigned char*)s)-1; switch(type) { case SDS_TYPE_5: { *fp = type | (initlen < < SDS_TYPE_BITS); break; } case SDS_TYPE_8: { SDS_HDR_VAR(8,s); sh-> len = initlen; sh-> alloc = initlen; *fp = type; break; } ... } if (initlen & & init) memcpy(s, init, initlen); s[initlen] = \'\\0\'; // [5] return s; }

参数说明：

init、initlen：字符串内容、长度。

【1】根据字符串长度，判断对应的sdshdr类型。
【2】长度为0的字符串后续通常需要扩容，不应该使用sdshdr5，所以这里转换为sdshdr8。
【3】sdsHdrSize函数负责查询sdshdr结构体的长度，s_malloc函数负责申请内存空间，申请的内存空间长度为hdrlen+initlen+1，其中hdrlen为sdshdr结构体长度（不包含buf属性），initlen为字符串内容长度，最后一个字节用于存放空字符“\\0”。s_malloc与C语言的malloc函数的作用相同，负责分配指定大小的内存空间。
【4】给sdshdr属性赋值。
SDS_HDR_VAR是一个宏，负责将sh指针转化为对应的sdshdr结构体指针。
【5】注意，sds实际上就是char*的别名，这里返回的s指针指向sdshdr.buf属性，即字符串内容。Redis通过该指针可以直接读/写字符串数据。
构建一个内容为“hello wolrd”的sds，其结构如图1-1所示。

文章图片

sds的扩容机制是一个很重要的功能。

sds sdsMakeRoomFor(sds s, size_t addlen) { void *sh, *newsh; // [1] size_t avail = sdsavail(s); size_t len, newlen; char type, oldtype = s[-1] & SDS_TYPE_MASK; int hdrlen; if (avail > = addlen) return s; // [2] len = sdslen(s); sh = (char*)s-sdsHdrSize(oldtype); newlen = (len+addlen); // [3] if (newlen < SDS_MAX_PREALLOC) newlen *= 2; else newlen += SDS_MAX_PREALLOC; // [4] type = sdsReqType(newlen); if (type == SDS_TYPE_5) type = SDS_TYPE_8; // [5] hdrlen = sdsHdrSize(type); if (oldtype==type) { newsh = s_realloc(sh, hdrlen+newlen+1); if (newsh == NULL) return NULL; s = (char*)newsh+hdrlen; } else { newsh = s_malloc(hdrlen+newlen+1); if (newsh == NULL) return NULL; memcpy((char*)newsh+hdrlen, s, len+1); s_free(sh); s = (char*)newsh+hdrlen; s[-1] = type; sdssetlen(s, len); } // [6] sdssetalloc(s, newlen); return s; }

参数说明：
addlen：要求扩容后可用长度（alloc-len）大于该参数。
【1】获取当前可用空间长度。如果当前可用空间长度满足要求，则直接返回。
【2】sdslen负责获取字符串长度，由于sds.len中记录了字符串长度，该操作复杂度为O(1)。这里len变量为原sds字符串长度，newlen变量为新sds长度。sh指向原sds的sdshdr结构体。
【3】预分配比参数要求多的内存空间，避免每次扩容都要进行内存拷贝操作。新sds长度如果小于SDS_MAX_PREALLOC（默认为1024×1024，单位为字节），则新sds长度自动扩容为2倍。否则，新sds长度自动增加SDS_MAX_PREALLOC。
【4】sdsReqType(newlen)负责计算新的sdshdr类型。注意，扩容后的类型不使用sdshdr5，该类型不支持扩容操作。
【5】如果扩容后sds还是同一类型，则使用s_realloc函数申请内存。否则，由于sds结构已经变动，必须移动整个sds，直接分配新的内存空间，并将原来的字符串内容复制到新的内存空间。s_realloc与C语言realloc函数的作用相同，负责为给定指针重新分配给定大小的内存空间。它会尝试在给定指针原地址空间上重新分配，如原地址空间无法满足要求，则分配新内存空间并复制内容。
【6】更新sdshdr.alloc属性。
对上面“hello wolrd”的sds调用sdsMakeRoomFor(sds,64)，则生成的sds如图1-2所示。

文章图片

从图1-2中可以看到，使用len记录字符串长度后，字符串中可以存放空字符。Redis字符串支持二进制安全，可以将用户的输入存储为没有任何特定格式意义的原始数据流，因此Redis字符串可以存储任何数据，比如图片数据流或序列化对象。C语言字符串将空字符作为字符串结尾的特定标记字符，它不是二进制安全的。 sds常用函数如表1-2所示。	函数	作用
sdsnew，sdsempty	创建sds
sdsfree，sdsclear，sdsRemoveFreeSpace	释放sds，清空sds中的字符串内容，移除sds剩余的可用空间
sdslen	获取sds字符串长度
sdsdup	将给定字符串复制到sds中，覆盖原字符串
sdscat	将给定字符串拼接到sds字符串内容后
sdscmp	对比两个sds字符串是否相同
sdsrange	获取子字符串，不在指定范围内的字符串将被清除

编码
字符串类型一共有3种编码：

OBJ_ENCODING_EMBSTR：长度小于或等于OBJ_ENCODING_EMBSTR_SIZE_LIMIT（44字节）的字符串。
在该编码中，redisObject、sds结构存放在一块连续内存块中，如图1-3所示。

文章图片

OBJ_ENCODING_EMBSTR编码是Redis针对短字符串的优化，有如下优点：
(1)内存申请和释放都只需要调用一次内存操作函数。
(2)redisObject、sdshdr结构保存在一块连续的内存中，减少了内存碎片。

OBJ_ENCODING_RAW：长度大于OBJ_ENCODING_EMBSTR_SIZE_LIMIT的字符串，在该编码中，redisObject、sds结构存放在两个不连续的内存块中。
OBJ_ENCODING_INT：将数值型字符串转换为整型，可以大幅降低数据占用的内存空间，如字符串“123456789012”需要占用12字节，在Redis中，会将它转化为long long类型，只占用8字节。

我们向Redis发送一个请求后，Redis会解析请求报文，并将命令、参数转化为redisObjec。
object.c/createStringObject函数负责完成该操作：

robj *createStringObject(const char *ptr, size_t len) { if (len < = OBJ_ENCODING_EMBSTR_SIZE_LIMIT) return createEmbeddedStringObject(ptr,len); else return createRawStringObject(ptr,len); }

可以看到，这里根据字符串长度，将encoding转化为OBJ_ENCODING_RAW或OBJ_ENCODING_EMBSTR的redisObject。
将参数转换为redisObject后，Redis再将redisObject存入数据库，例如：

> SET Introduction "Redis is an open source (BSD licensed), in-memory data structure store, used as a database, cache and message broker. "

Redis会将键“Introduction”、值“Redis...”转换为两个redisObject，再将redisObject存入数据库，结果如图1-4所示。

文章图片

Redis中的键都是字符串类型，并使用OBJ_ENCODING_RAW、OBJENCODING EMBSTR编码，而Redis还会尝试将字符串类型的值转换为OBJ_ENCODING_INT 编码。object.c/tryObjectEncoding函数完成该操作：

robj *tryObjectEncoding(robj *o) { long value; sds s = o-> ptr; size_t len; ... // [1] if (o-> refcount > 1) return o; len = sdslen(s); // [2] if (len < = 20 & & string2l(s,len,& value)) { // [3] if ((server.maxmemory == 0 || !(server.maxmemory_policy & MAXMEMORY_FLAG_NO_SHARED_INTEGERS)) & & value > = 0 & & value < OBJ_SHARED_INTEGERS) { decrRefCount(o); incrRefCount(shared.integers[value]); return shared.integers[value]; } else { // [4] if (o-> encoding == OBJ_ENCODING_RAW) { sdsfree(o-> ptr); o-> encoding = OBJ_ENCODING_INT; o-> ptr = (void*) value; return o; } else if (o-> encoding == OBJ_ENCODING_EMBSTR) { // [5] decrRefCount(o); return createStringObjectFromLongLongForValue(value); } } }// [6] if (len < = OBJ_ENCODING_EMBSTR_SIZE_LIMIT) { robj *emb; if (o-> encoding == OBJ_ENCODING_EMBSTR) return o; emb = createEmbeddedStringObject(s,sdslen(s)); decrRefCount(o); return emb; }// [7] trimStringObjectIfNeeded(o); return o; }

【1】该数据对象被多处引用，不能再进行编码操作，否则会影响其他地方的正常运行。
【2】如果字符串长度小于或等于20，则调用string2l函数尝试将其转换为long long类型，如果成功则返回1。
在C语言中，long long占用8字节，取值范围是-9223372036854775808～9223372036854775807，因此最多能保存长度为19的字符串转换后的数值，加上负数的符号位，一共20位。
下面是字符串可以转换为OBJ_ENCODING_INT 编码的处理步骤。
【3】首先尝试使用shared.integers中的共享数据，避免重复创建相同数据对象而浪费内存。shared是Redis启动时创建的共享数据集，存放了Redis中常用的共享数据。shared.integers是一个整数数组，存放了小数字0～9999，共享于各个使用场景。
注意：如果配置了server.maxmemory，并使用了不支持共享数据的淘汰算法（LRU、LFU），那么这里不能使用共享数据，因为这时每个数据中都必须存在一个redisObjec.lru属性，这些算法才可以正常工作。
【4】如果不能使用共享数据并且原编码格式为OBJ_ENCODING_RAW，则将redisObject.ptr原来的sds类型替换为字符串转换后的数值。
【5】如果不能使用共享数据并且原编码格式为OBJ_ENCODING_EMBSTR，由于redisObject、sds存放在同一个内存块中，无法直接替换redisObject.ptr，所以调用createString- ObjectFromLongLongForValue函数创建一个新的redisObject，编码为OBJ_ENCODING_INT，redisObject.ptr指向long long类型或long类型。
【6】到这里，说明字符串不能转换为OBJ_ENCODING_INT 编码，尝试将其转换为OBJ_ENCODING_EMBSTR编码。
【7】到这里，说明字符串只能使用OBJ_ENCODING_RAW编码，尝试释放sds中剩余的可用空间。
字符串类型的实现代码在t_string.c中，读者可以查看源码了解更多实现细节。

{"set",setCommand,-3, "write use-memory @string", 0,NULL,1,1,1,0,0,0}, ...

}

GET命令的处理函数为getCommand，SET命令的处理函数为setCommand，以此类推。另外，我们可以通过TYPE命令查看数据对象类型，通过OBJECT ENCODING命令查看编码：

总结：

Redis中的所有键和值都是redisObject变量。
sds是Redis定义的字符串类型，支持二进制安全、扩容。
sds可以在常数时间内获取字符串长度，并使用预分配内存机制减少内存拷贝次数。
Redis对数据编码的主要目的是最大限度地节省内存。字符串类型可以使用OBJENCODING RAW、OBJ_ENCODING_EMBSTR、OBJ_ENCODING_INT编码格式。

【Redis核心原理与实践--字符串实现原理】京东链接
豆瓣链接