Redis-数据结构详解(上)

提到 Redis,我想大家并不陌生,基本上每个项目中都会有它的身影出现。作为一款性能卓越的中间件,其功能强大,在系统中经常扮演着十分重要的角色,像缓存、分布式锁和消息队列等,都是我们所熟知的功能。Redis 在我们的项目中频繁出现的原因,主要是它可以提升系统的性能,支撑起系统的高并发。那么 Redis 这么优秀的原因是什么呢?这时我们可能会想到它基于内存的存储介质,多路复用的IO方式,以及主模块的单线程模型等等,但往往忽视了一点,就是 Redis 在底层数据结构上的实现。
当提及 Redis 的数据结构,我们一般会想到 STRING、LIST、SET、ZSET、HASH等,没错,这些在我们平时使用 Redis 的过程中,是直接能够感知到的数据结构。不过,这仅仅是从使用者的角度去看,如果从内部实现角度,这些高层的数据结构还依赖于更底层的实现,在 Redis 对象系统的实现源码中,就可以找到底层数据结构的编码,如下所示。
注:若没作说明,本文源码参考 Redis 6.0.0版本。

编码常量 常量值 编码对应的底层数据结构
OBJ_ENCODING_RAW 0 简单动态字符串
OBJ_ENCODING_INT 1 long类型的整数
OBJ_ENCODING_HT 2 字典
OBJ_ENCODING_ZIPMAP 3 压缩映射
OBJ_ENCODING_LINKEDLIST 4 双端链表
OBJ_ENCODING_ZIPLIST 5 压缩列表
OBJ_ENCODING_INTSET 6 整数集合
OBJ_ENCODING_SKIPLIST 7 跳跃表和字典
OBJ_ENCODING_EMBSTR 8 embstr编码的简单动态字符串
OBJ_ENCODING_QUICKLIST 9 快表
OBJ_ENCODING_STREAM 10
下面,我们依次介绍下 Redis 的底层数据结构,来看看它们是如何实现的。
简单动态字符串 Redis 是采用 C 语言实现的,但 Redis 并没有直接使用 C 语言中传统的字符串表示,而是自己构建了一个名为简单动态字符串(simple dynamic string,SDS)的抽象类型,在 Redis 的不同版本中,其实现也是不同的,我们先来看一下 2.8 版本的实现。
struct sdshdr { int len; int free; char buf[]; };

其中:
属性 说明
len 记录 buf 数组中已使用字节的数量,等于 SDS 所保存字符串的长度
free 记录 buf 数组中未使用字节的数量
buf 字节数组,用于保存字符串,遵循 C 字符串以空字符结尾的惯例,但保存空字符的 1 字节空间不计算在 len 属性里
与C字符串的比较
那就有一个问题,Redis 为什么构建了自己的字符串类型,它与 C 字符串的区别在哪,有着什么样的优势呢,下面我们就来看一下。
  1. 降低获取字符串长度的复杂度
  • C 字符串:获取字符串长度时,需要对字符串进行遍历,时间复杂度为 O(n)。
  • SDS:其实现中通过 len 属性记录了字符串的长度,使得获取字符串长度的时间复杂度降低到了O(1),这就确保了获取字符串长度不会成为 Redis 的性能瓶颈。
  1. 拼接操作安全性
  • C 字符串:进行拼接操作时,使用者需要先检查是否分配了足够的空间,如果忘记了,就有可能造成缓冲区溢出,导致其它空间的值被修改。
  • SDS:进行字符串修改时,API 会先检查是否有足够的空间,不满足的话,会按照一定的策略进行空间扩展,然后再执行修改操作,这样就杜绝了缓冲区的溢出。
  1. 减少内存重分配的次数
对于字符串,我们经常会进行修改操作,变长或者变短,这会涉及到内存重分配,可能需要执行系统调用,如果修改操作执行得比较频繁,过多的内存重分配操作就会影响到系统的性能。
  • C 字符串:修改N次字符串,需要执行 N 次内存重分配。
  • SDS:通过 free 属性实现了空间预分配和惰性空间释放,将修改 N 次字符串,需要执行内存重分配的次数从 N 次降低为最多 N 次。
    a. 空间预分配:当要对字符串的长度进行扩展时,如果空间不够,SDS 是会通过一定的策略分配更多的空间,将未使用的空间记录到 free 属性中,这样就避免下次扩展时再进行申请空间的操作。
    b. 惰性空间释放:当要缩短字符串时,SDS 并不会释放掉其对应的空间,而是记录到 free 属性中,以便于下次扩展空间时使用。
  1. 二进制安全
  • C 字符串:字符必须符合某种编码,并且必须以空字符结尾,这就导致其他位置不能出现空字符,限制了 C 字符串保存的内容只能是文本数据,不能保存图片、音频等二进制数据。
  • SDS:虽然也以空字符结尾,但它是以 len 属性的值来判断是否结束,所以可以保存任何格式的二进制数据,数据在写入时是什么样,被读取时就是什么样。
  1. 兼容性
SDS 遵循 C 字符串以空字符结尾的惯例,这样就可以重用一部分 C 字符串的库函数。
版本优化
上面我们分析了 Redis 为何设计了自己的字符串类型,但你以为这样就可以了吗,在 3.2 及之后的版本中,Redis 又对 SDS 进行了升级,下面我们来看一下。
struct __attribute__ ((__packed__)) sdshdr5 { unsigned char flags; /* 3 lsb of type, and 5 msb of string length */ char buf[]; }; 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[]; }; struct __attribute__ ((__packed__)) sdshdr16 { uint16_t len; /* used */ uint16_t alloc; /* excluding the header and null terminator */ unsigned char flags; /* 3 lsb of type, 5 unused bits */ char buf[]; }; struct __attribute__ ((__packed__)) sdshdr32 { uint32_t len; /* used */ uint32_t alloc; /* excluding the header and null terminator */ unsigned char flags; /* 3 lsb of type, 5 unused bits */ char buf[]; }; struct __attribute__ ((__packed__)) sdshdr64 { uint64_t len; /* used */ uint64_t alloc; /* excluding the header and null terminator */ unsigned char flags; /* 3 lsb of type, 5 unused bits */ char buf[]; };

其中:
属性 说明
len 记录 buf 数组中已使用字节的数量,等于 SDS 所保存字符串的长度
alloc 字节数组的总长度,alloc - len 就是之前版本中的 free
flags 类型标识,低三位存储类型,高5位预留,在 sdshdr5 中存储已使用长度
buf 字节数组,用于保存字符串,遵循 C 字符串以空字符结尾的惯例,但保存空字符的 1 字节空间不计算在 len 和 alloc 属性里
Redis-数据结构详解(上)
文章图片

所做优化
  • 3.0 及之前的版本,不同的字符串占用的头部都是相同的,对于短字符串来说,很浪费空间,所以 3.2 及之后的版本针对不同长度的字符串进行了类型优化,可以节省更多内存空间。
  • 取消了编译时的对齐填充,让编译器以紧凑的形式分配内存,进一步节省了内存空间;而且也可以方便地进行一些操作,比如,要得到该 SDS 的类型,直接向低地址偏移 1 个字节来获取 flags 字段等。
使用场景
Redis 中字符串对象的底层实现之一就使用了 SDS,像 AOF 模块中的 AOF 缓冲区,以及客户端状态中的输入缓冲区,也是由SDS实现的。前言中列举的 OBJ_ENCODING_EMBSTR、OBJ_ENCODING_INT 也是字符串对象的底层实现,这两种底层结构会在讲解 Redis 的对象系统中讲解。
链表 链表提供了高效的节点重排能力,以及顺序性的节点访问方式,而且增删节点只需要修改前后节点的指针,非常方便,可以灵活地调整链表的长度。链表是一种非常常见的数据结构,像高级编程语言中都有它的身影,比如 Java 中的 LinkedList,但 C 语言中却没有内置自己的链表实现,所以 Redis 自己实现了一个链表结构。
实现
typedef struct list { listNode *head; // 表头节点 listNode *tail; // 表尾节点 void *(*dup)(void *ptr); // 节点值复制函数 void (*free)(void *ptr); // 节点值释放函数 int (*match)(void *ptr, void *key); // 节点值对比函数 unsigned long len; // 链表包含的节点数量 } list; typedef struct listNode { struct listNode *prev; // 前置节点 struct listNode *next; // 后置节点 void *value; // 节点值 } listNode;

Redis-数据结构详解(上)
文章图片

Redis实现的链表可以总结如下:
  • 双端无环链表,以 O(1) 的时间复杂度获取某个节点的前置节点和后置接点;表头的前置节点和表尾的后置节点为 null,对链表的访问以 null 结束。
  • 以 O(1) 的时间复杂度获取表头节点和表尾节点。
  • 以 O(1) 的时间复杂度获取链表的长度。
  • 节点使用 void* 指针保存节点值,具有多态性,可以用于保存各种不同类型的值,可以通过 list 结构的三个属性(dup、free、match)设置类型特定函数。
使用场景
Redis 中列表对象的底层实现之一就使用了链表,但在 Redis 3.2 之后,被快表取代,除了这个,像 Redis 中的发布与订阅、慢查询、监视器等功能也使用到了链表,以及 Redis 服务器本身的客户端状态信息,以及客户端的输出缓冲区,也都使用到了链表。
字典 同链表一样,C 语言没有像 Java 等高级编程语言一样内置自己的字典实现,所以 Redis 构建了自己的字典实现。Redis 的字典是一个用于维护 key 和 value 映射关系的数据结构,底层使用哈希表实现,一个哈希表里可以有多个哈希节点,每个哈希节点保存了一个键值对。
实现
// 字典结构定义 typedef struct dict { // 类型特定函数 dictType *type; // 私有数据,保存了需要传给类型特定函数的可选参数 void *privdata; // 哈希表 dictht ht[2]; // rehash索引 当没有进行rehash是,值为 -1 long rehashidx; /* rehashing not in progress if rehashidx == -1 */ unsigned long iterators; /* number of iterators currently running */ } dict; // 类型特定函数结构定义 typedef struct dictType { // 计算哈希值的函数 uint64_t (*hashFunction)(const void *key); // 复制键的函数 void *(*keyDup)(void *privdata, const void *key); // 复制值的函数 void *(*valDup)(void *privdata, const void *obj); // 对比键的函数 int (*keyCompare)(void *privdata, const void *key1, const void *key2); // 销毁键的函数 void (*keyDestructor)(void *privdata, void *key); // 销毁值的函数 void (*valDestructor)(void *privdata, void *obj); } dictType; // 哈希表结构定义 typedef struct dictht { // 哈希表数组 dictEntry **table; // 哈希表大小 unsigned long size; // 哈希表大小掩码,用于计算索引值,总是等于 size - 1 unsigned long sizemask; // 哈希表已有节点的数量 unsigned long used; } dictht; // 哈希表节点结构定义 typedef struct dictEntry { // 键 void *key; // 值 union { void *val; uint64_t u64; int64_t s64; double d; } v; // 指向下个哈希表节点,形成链表 struct dictEntry *next; } dictEntry;

Redis-数据结构详解(上)
文章图片

从上面字典的结构定义,可以看出,它类似 Java 中的 HashMap。谈到哈希,总会伴随一些问题的出现,比如,采用的哈希算法,哈希冲突的解决,重哈希等问题,下面我们来看下 Redis 设计的字典是如何解决这些问题的。
哈希算法
Redis 使用的哈希算法为 MurmurHash 算法;其索引值的计算,依赖于哈希值和 sizemask 属性。当给定一个 KV 值时,其索引值的计算过程如下:
  • 首先根据类型特定函数中设置的哈希函数,计算出 key 的哈希值:hash = dict -> type -> hashFunction(key)
  • 然后再根据哈希值和 sizemask 属性,计算出索引值:index = hash & dict -> ht[x].sizemask
哈希冲突
从哈希表节点结构定义中,可以看出,Redis 字典解决哈希冲突的方法为链地址法,因为哈希表节点中没有指向链表表尾的指针,所以采用的是头插法,也就是后插入的节点在前面。
rehash
随着操作的不断执行,哈希表保存的键值对会逐渐地增多或者减少,这时其负载因子可能会在一个不合理的范围内,太多就会造成哈希冲突的增加,影响查询的效率,太低就会造成空间存储效率的下降,因此当负载因子超过设定的阈值,哈希表就会进行相应的扩展或者收缩。其中,哈希表的负载因子计算方式为:load_factor = ht[0].used / ht[0].size。
rehash的条件
  • 服务器目前没有活动着的保存 RDB、AOF 重写或者 Redis 加载的模块派生的子进程,比如执行 BGSAVE 或者 BGREWRITEAOF 等命令时,并且负载因子大于等于 1,执行扩展操作。
  • 如果存在(1)中所述的进程,比如服务器正在执行 BGSAVE 或者 BGREWRITEAOF 命令,并且负载因子大于等于 5,执行扩展操作。
  • 哈希表的负载因子小于 0.1 时,会执行收缩操作。
可以看出,当 BGSAVE 或者 BGREWRITEAOF 命令执行时,负载因子的阈值会变大,这是因为这两个命令需要创建当前服务器进程的子进程,而大多数操作都采用写时复制来优化子进程的使用效率,所以这里调整阈值上限,可以避免不必要的内存写入操作,最大限度地节约内存,这一点可以从源码中得知。
/* This function is called once a background process of some kind terminates, * as we want to avoid resizing the hash tables when there is a child in order * to play well with copy-on-write (otherwise when a resize happens lots of * memory pages are copied). The goal of this function is to update the ability * for dict.c to resize the hash tables accordingly to the fact we have o not * running childs. */ void updateDictResizePolicy(void) { if (!hasActiveChildProcess()) dictEnableResize(); else dictDisableResize(); }/* Return true if there are no active children processes doing RDB saving, * AOF rewriting, or some side process spawned by a loaded module. */ int hasActiveChildProcess() { return server.rdb_child_pid != -1 || server.aof_child_pid != -1 || server.module_child_pid != -1; }

那 rehash 的扩展和收缩操作的空间是怎么来决定的呢?
  • 如果执行的是扩展操作,那么 ht[1] 的大小为第一个大于等于 ht[0].used * 2 的 2^n;
  • 如果执行的是收缩操作,那么 ht[1] 的大小为第一个大于等于 ht[0].used 的 2^n。
Redis 在执行 rehash 时,也是比较特别的,它并不是一次性、集中式的完成的,而是分多次、渐进式地完成。这样做的原因在于,如果哈希表中只有很少的键值对,那么可以瞬间将 ht[0] 中的所有数据转移到 h[1] 中,但如果数据的量级达到了百万千万或者亿呢,那么一次性的转移对于 Redis 将是个灾难。这时,rehashidx 这个属性就有了用武之地,当执行 rehash 时,它会记录 rehash 的进度,每次对字典执行添加、删除、查找或者更新时,程序除了会执行指定的操作外,还会将 rehashidx 索引上的键值对重新哈希到 ht[1] 中。特别的,在执行 rehash 期间,添加操作会把新的键值对直接放到 h[1] 中。
使用场景
Redis 中的哈希对象的底层实现之一就是字典,当包含的键值对比较多,或者键值对中的元素都是比较长的字符串时,Redis 就会使用字典作为哈希对象的底层实现。还有一个重要的用途就是,我们通过 Redis 提供的 API 操作数据时,数据存放的数据结构也是字典。
(本文作者:李强)
【Redis-数据结构详解(上)】
本文系哈啰技术团队出品,未经许可,不得进行商业性转载或者使用。非商业目的转载或使用本文内容,敬请注明“内容转载自哈啰技术团队”。

    推荐阅读