最近,我想通過redis的源碼來學習redis。雖然平時工作中用得不多,不過對redis還是比較感興趣的,畢竟它的性能是不錯的。redis是一個開源的項目,我們可以通過源代碼去了解redis。我後面會通過自己的學習,寫一些關於redis源碼的帖子。帖子的主要內容是分析代碼設計,而並不會對源碼進行詳細解說。如果有不對的地方,請指正。源碼是reids 3.0.3版本。
intset
一、intset數據結構
intset,是用於存儲整數集合的數據結構。set的特點是無重複元素,元素可以無序。不過redis的intset是一個元素有序的數據結構。
先看intset的定義:
typedef struct intset { uint32_t encoding; //整型編碼類型 uint32_t length; //intset大小,元素個數 int8_t contents[]; //數據存儲區 } intset;
先結合intset的相關操作,再來談intset的特點。下面通過部分代碼來說明intset的行爲特點。
二、inetset提供的相關操作函數
intset對外暴露的函數:
intset *intsetNew(void); //創建一個空的intset intset *intsetAdd(intset *is, int64_t value, uint8_t *success); //插入元素 intset *intsetRemove(intset *is, int64_t value, int *success); //刪除元素 uint8_t intsetFind(intset *is, int64_t value); //查找元素 int64_t intsetRandom(intset *is); //隨機選取元素 uint8_t intsetGet(intset *is, uint32_t pos, int64_t *value); //獲取指定位置的元素 uint32_t intsetLen(intset *is); //獲取intset元素個數 size_t intsetBlobLen(intset *is); //獲取intset所用空間大小
1. 整型編碼
/* Note that these encodings are ordered, so: * INTSET_ENC_INT16 < INTSET_ENC_INT32 < INTSET_ENC_INT64. */ #define INTSET_ENC_INT16 (sizeof(int16_t)) #define INTSET_ENC_INT32 (sizeof(int32_t)) #define INTSET_ENC_INT64 (sizeof(int64_t)) /* Return the required encoding for the provided value. */ static uint8_t _intsetValueEncoding(int64_t v) { if (v < INT32_MIN || v > INT32_MAX) return INTSET_ENC_INT64; else if (v < INT16_MIN || v > INT16_MAX) return INTSET_ENC_INT32; else return INTSET_ENC_INT16; }
支持int16_t, int32_t, int64_t 四種類型的存儲。每種類型的值爲其空間大小,這樣定義可以滿足 INTSET_ENC_INT16 < INTSET_ENC_INT32 < INTSET_ENC_INT64,後面類型的值域包含前面的值域。
注:_intsetValueEncoding 函數聲明爲 static,是文件內部的函數,外部不可見。
2. 獲取指定位置的元素
/* Return the value at pos, given an encoding. */ static int64_t _intsetGetEncoded(intset *is, int pos, uint8_t enc) { int64_t v64; int32_t v32; int16_t v16; //按照傳入的編碼類型去解析數據元素的數組 //intset是按小端進行存儲的,所以還有可能對獲取的元素進行大端轉小端的轉換 if (enc == INTSET_ENC_INT64) { memcpy(&v64,((int64_t*)is->contents)+pos,sizeof(v64)); memrev64ifbe(&v64); return v64; } else if (enc == INTSET_ENC_INT32) { memcpy(&v32,((int32_t*)is->contents)+pos,sizeof(v32)); memrev32ifbe(&v32); return v32; } else { memcpy(&v16,((int16_t*)is->contents)+pos,sizeof(v16)); memrev16ifbe(&v16); return v16; } } /* Return the value at pos, using the configured encoding. */ static int64_t _intsetGet(intset *is, int pos) { //把intset記錄的編碼類型傳入函數 return _intsetGetEncoded(is,pos,intrev32ifbe(is->encoding)); }
雖然intset內部對整數進行編碼存儲,對外暴露的都是int64_t類型。
內部通過對數據進行編碼存儲,有可能節省存儲空間。
因爲intset是小端存儲的,所以讀取或寫入數據時,都需要進行大小端轉換。但目前我還沒有明白這樣做的必要,因爲覺得intset只是內部的數據結構,可以不用硬性要求用大小端存儲。
3. 插入元素(可能引起intset重組)
/* Insert an integer in the intset */ intset *intsetAdd(intset *is, int64_t value, uint8_t *success) { uint8_t valenc = _intsetValueEncoding(value); uint32_t pos; if (success) *success = 1; /* Upgrade encoding if necessary. If we need to upgrade, we know that * this value should be either appended (if > 0) or prepended (if < 0), * because it lies outside the range of existing values. */ if (valenc > intrev32ifbe(is->encoding)) { //如果value的編碼類型比當前intset的編碼類型要大,元素一定不在intset中, //需要插入,同時需要擴展intset的編碼類型。升級intset的編碼類型時, //動態申請更大的空間以足夠存儲擴展後的length+1個元素, //具體參見 intsetUpgradeAndAdd實現 /* This always succeeds, so we don't need to curry *success. */ return intsetUpgradeAndAdd(is,value); } else { /* Abort if the value is already present in the set. * This call will populate "pos" with the right position to insert * the value when it cannot be found. */ //如果元素已經存在,不插入 if (intsetSearch(is,value,&pos)) { if (success) *success = 0; return is; } //否則插入到正確的位置,正確的位置就是插入後仍使數組保持有序的位置。 is = intsetResize(is,intrev32ifbe(is->length)+1); //需要移動後面的元素,以騰出空間 if (pos < intrev32ifbe(is->length)) intsetMoveTail(is,pos,pos+1); } _intsetSet(is,pos,value); is->length = intrev32ifbe(intrev32ifbe(is->length)+1); return is; }
需要注意的是,如果插入的數據的編碼類型比當前intset的編碼類型要大,爲了能存儲新元素,intset需要進行類型擴展。擴展類型時會把intset中原有的所有元素都擴展成新的類型,這樣就需要重組intset,當原來元素個數比較多重組會稍費時。不過intset最多會進行兩次重組。因爲有可能進行重組,這也是intset不適合存儲大量元素的原因之一。redis中默認配置intset元素個數達512時,就會採用另外的數據結構來存儲。
4. 查找元素
/* Search for the position of "value". Return 1 when the value was found and * sets "pos" to the position of the value within the intset. Return 0 when * the value is not present in the intset and sets "pos" to the position * where "value" can be inserted. */ static uint8_t intsetSearch(intset *is, int64_t value, uint32_t *pos) { int min = 0, max = intrev32ifbe(is->length)-1, mid = -1; int64_t cur = -1; /* The value can never be found when the set is empty */ if (intrev32ifbe(is->length) == 0) { if (pos) *pos = 0; return 0; } else { /* Check for the case where we know we cannot find the value, * but do know the insert position. */ if (value > _intsetGet(is,intrev32ifbe(is->length)-1)) { if (pos) *pos = intrev32ifbe(is->length); return 0; } else if (value < _intsetGet(is,0)) { if (pos) *pos = 0; return 0; } } //二分查找 while(max >= min) { mid = ((unsigned int)min + (unsigned int)max) >> 1; cur = _intsetGet(is,mid); if (value > cur) { min = mid+1; } else if (value < cur) { max = mid-1; } else { break; } } if (value == cur) { if (pos) *pos = mid; return 1; } else { if (pos) *pos = min; return 0; } } /* Determine whether a value belongs to this set */ uint8_t intsetFind(intset *is, int64_t value) { uint8_t valenc = _intsetValueEncoding(value); //如果value的編碼類型大於intset的編碼類型,則value一定不存在於intset中 return valenc <= intrev32ifbe(is->encoding) && intsetSearch(is,value,NULL); }
查找的時間複雜度是O(logN)的,對於N比較小時是可以接受的,但當N比較大時,如 1000000時,比較次數就可能達到20次了。
5. 刪除元素(不會引起intset重組)
/* Delete integer from intset */ intset *intsetRemove(intset *is, int64_t value, int *success) { uint8_t valenc = _intsetValueEncoding(value); uint32_t pos; if (success) *success = 0; if (valenc <= intrev32ifbe(is->encoding) && intsetSearch(is,value,&pos)) { uint32_t len = intrev32ifbe(is->length); /* We know we can delete */ if (success) *success = 1; /* Overwrite value with tail and update length */ if (pos < (len-1)) intsetMoveTail(is,pos+1,pos); is = intsetResize(is,len-1); //動態調整空間 is->length = intrev32ifbe(len-1); } return is; }
intset在刪除元素時是不會進行元素的數據類型檢查,以降級intset的整型類型,intset也不另外提供這樣的能力。原因我想大致有:a.需要掃描所有元素以確定目前是否需要進行編碼類型降級。b.降級編碼類型會引起重組。c.降級後可能需要再進行升級,如果不幸發生頻繁升級降級重組,性能不穩定。
結合插入刪除函數,都使用了intsetResize,裏面中使用了zrealloc來進行內存空間的增減。在增大空間時要麼重新分配一塊新的空間,要麼在原有的空間的最後進行擴展。減小空間時只需在原有的空間最後進行減小即可。這樣的方式不太容易產生內存碎片。
三、特點(優缺點需要進行比較才能顯出來,由於這裏沒有比較,優缺點不明顯,所以這裏只列舉了特點):
1.有序數組,存儲元素緊密,空間利用率高,而且不容易因頻繁地插入刪除而產生內存碎片。
2.支持整型編碼,intset中所有數據元素的存儲類型是一致的。新插入數據時,如果數據的類型大於當前intset的數據類型,則可擴大存儲的整型類型(但intset不提供縮小編碼類型的能力)。在一定程序上可節省空間,但所有的存取都需要考慮類型,增加代碼的複雜度。
3.有長度字段可記錄元素個數,取元素個數操作爲常量。
4.有序數組,查找元素O(logN)
5.插入元素時,可能需要移動至多N個元素,也有可能使編碼類型升級,重組intset。由於這兩個特點,intset並不適合於頻繁插入和存儲大量元素。
6.刪除元素時,可能需要移動至多N-1個元素。
7.以小端形式存儲數據,包括encoding,length和數據元素。