Redis|11 Redis 节省内存的数据结构数据结构|缓存|redis

【Redis|11 Redis 节省内存的数据结构】
11 Redis 节省内存的数据结构

前言
一、String 类型内存开销大的原因
二、计算 String 类型的内存使用量
三、节省内存的数据结构
四、集合类型保存单值的键值对
五、二级编码方法中采用的 ID 长度规则
总结

前言需求：开发一个图片存储系统，要求这个系统能快速地记录图片 ID 和图片在存储系统中保存时的 ID（可以直接叫作图片存储对象 ID）。还要能够根据图片 ID 快速查找到图片存储对象 ID。
因为图片数量巨大，用 10 位数来表示图片 ID 和图片存储对象 ID，例如，图片 ID 为 1101000051，它在存储系统中对应的 ID 号是 3301000051。

photo_id: 1101000051 photo_obj_id: 3301000051

图片 ID 和图片存储对象 ID 正好一一对应，是典型的“键 - 单值”模式。
单值：指键值对中的值就是一个值，而不是一个集合，这和 String 类型提供的“一个键对应一个值的数据”的保存形式刚好契合。
而且 String 类型可以保存二进制字节流，就像“万金油”一样，只要把数据转成二进制字节数组，就可以保存了。
第一个方案就是用 String 保存数据。
把图片 ID 和图片存储对象 ID 分别作为键值对的 key 和 value 来保存，其中，图片存储对象 ID 用了 String 类型。
保存了 1 亿张图片，大约用了 6.4GB 的内存。
但是随着图片数据量的不断增加，Redis 内存使用量也在增加，结果就遇到了大内存 Redis 实例因为生成 RDB 而响应变慢的问题。
String 类型并不是一种好的选择，还需要进一步寻找能节省内存开销的数据类型方案。
String 类型内存开销大的原因：String 类型并不是适用于所有场合的，它有一个明显的短板：它保存数据时所消耗的内存空间较多。
集合类型有非常节省内存空间的底层实现结构，但是集合类型保存的数据模式，是一个键对应一系列值，并不适合直接保存单值的键值对。
所以就使用二级编码的方法，实现了用集合类型保存单值键值对，Redis 实例的内存空间消耗明显下降了。
一、String 类型内存开销大的原因案例中保存了 1 亿张图片的信息，用了约 6.4GB 的内存，一个图片 ID 和图片存储对象 ID 的记录平均用了 64 字节。
但一组图片 ID 及其存储对象 ID 的记录，实际只需要 16 字节就可以了。
图片 ID 和图片存储对象 ID 都是 10 位数，可以用两个 8 字节的 Long 类型表示这两个 ID。因为 8 字节的 Long 类型最大可以表示 2 的 64 次方的数值，肯定可以表示 10 位数。
String 类型却用了 64 字节的原因：
除了记录实际数据，String 类型还需要额外的内存空间记录数据长度、空间使用等信息（元数据）。当实际保存的数据较小时，元数据的空间开销就显得比较大了（相对而言）。
当保存 64 位有符号整数时，String 类型会把它保存为一个 8 字节的 Long 类型整数，这种保存方式通常也叫作 int 编码方式。
但是保存的数据中包含字符时，String 类型就会用简单动态字符串（Simple Dynamic String，SDS）结构体来保存。

文章图片

buf：字节数组，保存实际数据。为了表示字节数组的结束，Redis 会自动在数组最后加一个“\0”，这就会额外占用 1 个字节的开销。
len：占 4 个字节，表示 buf 的已用长度。
alloc：也占个 4 字节，表示 buf 的实际分配长度，一般大于 len。

在 SDS 中，buf 保存实际数据，而 len 和 alloc 本身其实是 SDS 结构体的额外开销。
String 类型，除了 SDS 的额外开销，还有一个来自于 RedisObject 结构体的开销：

因为 Redis 的数据类型有很多，不同数据类型都有些相同的元数据要记录（比如最后一次访问的时间、被引用的次数等），所以Redis 会用一个 RedisObject 结构体来统一记录这些元数据，同时指向实际数据。
一个 RedisObject 包含了 8 字节的元数据和一个 8 字节指针，这个指针再进一步指向具体数据类型的实际数据所在，例如指向 String 类型的 SDS 结构所在的内存地址。

文章图片

为了节省内存空间，Redis 还对 Long 类型整数和 SDS 的内存布局做了专门的设计：

当保存的是 Long 类型整数时：
RedisObject 中的指针就直接赋值为整数数据了，这样就不用额外的指针再指向整数了，节省了指针的空间开销。
当保存的是字符串数据：
并且字符串小于等于 44 字节时，RedisObject 中的元数据、指针和 SDS 是一块连续的内存区域，这样就可以避免内存碎片。这种布局方式也被称为 embstr 编码方式。
当字符串大于 44 字节时，SDS 的数据量就开始变多了，Redis 就不再把 SDS 和 RedisObject 布局在一起了，而是会给 SDS 分配独立的空间，并用指针指向 SDS 结构。这种布局方式被称为 raw 编码模式。

int、embstr 和 raw 这三种编码模式：

文章图片

二、计算 String 类型的内存使用量因为 10 位数的图片 ID 和图片存储对象 ID 是 Long 类型整数，所以可以直接用 int 编码的 RedisObject 保存。
每个 int 编码的 RedisObject 元数据部分占 8 字节，指针部分被直接赋值为 8 字节的整数了。
每个 ID 会使用 16 字节，加起来一共是 32 字节。
Redis 会使用一个全局哈希表保存所有键值对，哈希表的每一项是一个 dictEntry 的结构体，用来指向一个键值对。
dictEntry 结构中有三个 8 字节的指针，分别指向 key、value 以及下一个 dictEntry，三个指针共 24 字节。

文章图片

jemalloc 在分配内存时，会根据申请的字节数 N，找一个比 N 大，但是最接近 N 的 2 的幂次数作为分配的空间，这样可以减少频繁分配的次数。
如果申请 6 字节空间，jemalloc 实际会分配 8 字节空间；如果你申请 24 字节空间，jemalloc 则会分配 32 字节。
所以dictEntry 结构就占用了 32 字节。凑齐了String 类型保存图片 ID 和图片存储对象 ID 时一共需要用 64 个字节。
三、节省内存的数据结构 Redis 有一种底层数据结构叫压缩列表（ziplist），这是一种非常节省内存的结构。
压缩列表的构成：
表头：有三个字段 zlbytes、zltail 和 zllen，分别表示列表长度、列表尾的偏移量，以及列表中的 entry 个数。
表尾：有一个 zlend，表示列表结束。

文章图片

压缩列表能节省内存的原因：在于它是用一系列连续的 entry 保存数据。
每个 entry 的元数据包括下面几部分：

prev_len，表示前一个 entry 的长度。
prev_len 有两种取值情况：1 字节或 5 字节。
取值 1 字节时，表示上一个 entry 的长度小于 254 字节。虽然 1 字节的值能表示的数值范围是 0 到 255，但是压缩列表中 zlend 的取值默认是 255，因此就默认用 255 表示整个压缩列表的结束，其他表示长度的地方就不能再用 255 这个值了。所以当上一个 entry 长度小于 254 字节时，prev_len 取值为 1 字节，否则就取值为 5 字节。
len：表示自身长度，4 字节；
encoding：表示编码方式，1 字节；
content：保存实际数据。

这些 entry 会挨个儿放置在内存中，不需要再用额外的指针进行连接，这样就可以节省指针所占用的空间。
以保存图片存储对象 ID 为例，分析一下压缩列表是如何节省内存空间的：

每个 entry 保存一个图片存储对象 ID（8 字节），
每个 entry 的 prev_len 只需要 1 个字节就行，因为每个 entry 的前一个 entry 长度都只有 8 字节，小于 254 字节。
一个图片的存储对象 ID 所占用的内存大小是 14 字节（1+4+1+8=14），实际分配 16 字节（最接近 N 的 2 的幂次数作为分配的空间）。

Redis 基于压缩列表实现了 List、Hash 和 Sorted Set 这样的集合类型，这样做的最大好处就是节省了 dictEntry 的开销：

当用 String 类型时：一个键值对就有一个 dictEntry，要用 32 字节空间。
当用集合类型时：一个 key 就对应一个集合的数据，能保存的数据多了很多，但也只用了一个 dictEntry，这样就节省了内存。

四、集合类型保存单值的键值对在保存单值的键值对时，可以采用基于 Hash 类型的二级编码方法：

把一个单值的数据拆分成两部分，前一部分作为 Hash 集合的 key，后一部分作为 Hash 集合的 value，就可以把单值数据保存到 Hash 集合中了。

以图片 ID 1101000060 和图片存储对象 ID 3302000080 为例，可以把图片 ID 的前 7 位（1101000）作为 Hash 类型的键，把图片 ID 的最后 3 位（060）和图片存储对象 ID 分别作为 Hash 类型值中的 key 和 value。
按照这种设计方法，在 Redis 中插入了一组图片 ID 及其存储对象 ID 的记录，并且用 info 命令查看了内存开销，发现增加一条记录后，内存占用只增加了 16 字节。

127.0.0.1:6379> info memory # Memory used_memory:1039120 127.0.0.1:6379> hset 1101000 060 3302000080 (integer) 1 127.0.0.1:6379> info memory # Memory used_memory:1039136

使用 String 类型每个记录需要消耗 64 字节，这种方式却只用了 16 字节，所使用的内存空间是原来的 1/4，满足了节省内存空间的需求。
五、二级编码方法中采用的 ID 长度规则 Hash 类型的两种底层实现结构：压缩列表和哈希表。
Hash 类型设置了用压缩列表保存数据时的两个阈值，一旦超过了阈值，Hash 类型就会用哈希表来保存数据了。
这两个阈值分别对应以下两个配置项：

hash-max-ziplist-entries：表示用压缩列表保存时哈希集合中的最大元素个数。
hash-max-ziplist-value：表示用压缩列表保存时哈希集合中单个元素的最大长度。

如果往 Hash 集合中写入的元素个数超过了 hash-max-ziplist-entries，或者写入的单个元素大小超过了 hash-max-ziplist-value，Redis 就会自动把 Hash 类型的实现结构由压缩列表转为哈希表。
一旦从压缩列表转为了哈希表，Hash 类型就会一直用哈希表进行保存，而不会再转回压缩列表了。在节省内存空间方面，哈希表就没有压缩列表那么高效了。
为了能充分使用压缩列表的精简内存布局，一般要控制保存在 Hash 集合中的元素个数。
所以在刚才的二级编码中，只用图片 ID 最后 3 位作为 Hash 集合的 key，保证了 Hash 集合的元素个数不超过 1000（最大999），同时把 hash-max-ziplist-entries 设置为 1000，Hash 集合就可以一直使用压缩列表来节省内存空间了。
总结以前认为 String 是“万金油”，什么场合都适用，但是在保存的键值对本身占用的内存空间不大时（例如图片 ID 和图片存储对象 ID），String 类型的元数据开销就占据主导了，这里面包括了 RedisObject 结构、SDS 结构、dictEntry 结构的内存开销。
针对这种情况，可以使用压缩列表保存数据。当然使用 Hash 这种集合类型保存单值键值对的数据时，需要将单值数据拆分成两部分，分别作为 Hash 集合的键和值，例如用二级编码来表示图片 ID。