Redis數據結構實現分析

原文鏈接：https://www.javazhiyin.com/39102.html

面試中，redis也是很受面試官親睞的一部分。我向在這裏講的是redis的底層數據結構，而不是你理解的五大數據結構。你有沒有想過redis底層是怎樣的數據結構呢，他們和我們java中的HashMap、List、等使用的數據結構有什麼區別呢。

1. 字符串處理(string)

我們都知道redis是用C語言寫，但是C語言處理字符串和數組的成本是很高的，下面我分別說幾個例子。

沒有數據結構支撐的幾個問題

1. 及其容易造成緩衝區溢出問題，比如用strcat()，在用這個函數之前必須要先給目標變量分配足夠的空間，否則就會溢出。
2. 如果要獲取字符串的長度，沒有數據結構的支撐，可能就需要遍歷，它的複雜度是O(N)
3. 內存重分配。C字符串的每次變更(曾長或縮短)都會對數組作內存重分配。同樣，如果是縮短，沒有處理好多餘的空間，也會造成內存泄漏。

好了，Redis自己構建了一種名叫Simple dynamic string(SDS)的數據結構，他分別對這幾個問題作了處理。我們先來看看它的結構源碼：

1 2 3 4 5 6 7 8 9 10

struct sdshdr{ //記錄buf數組中已使用字節的數量 //等於 SDS 保存字符串的長度 int len; //記錄 buf 數組中未使用字節的數量 int free; //字節數組，用於保存字符串 char buf[]; }<code class="hljs"> </code>

再來說說它的優點：

1. 開發者不用擔心字符串變更造成的內存溢出問題。
2. 常數時間複雜度獲取字符串長度len字段。
3. 空間預分配free字段，會默認留夠一定的空間防止多次重分配內存。

更多瞭解：https://redis.io/topics/internals-sds

這就是string的底層實現，更是redis對所有字符串數據的處理方式(SDS會被嵌套到別的數據結構裏使用)。

2. 鏈表

Redis的鏈表在雙向鏈表上擴展了頭、尾節點、元素數等屬性。

2.1 源碼

ListNode節點數據結構：

1 2 3 4 5 6 7 8

typedef struct listNode{ //前置節點 struct listNode *prev; //後置節點 struct listNode *next; //節點的值 void *value; }listNode

鏈表數據結構：

1 2 3 4 5 6 7 8 9 10 11 12 13 14

typedef struct list{ //表頭節點 listNode *head; //表尾節點 listNode *tail; //鏈表所包含的節點數量 unsigned long len; //節點值複製函數 void (*free) (void *ptr); //節點值釋放函數 void (*free) (void *ptr); //節點值對比函數 int (*match) (void *ptr,void *key); }list;

從上面可以看到，Redis的鏈表有這幾個特點：

1. 可以直接獲得頭、尾節點。
2. 常數時間複雜度得到鏈表長度。
3. 是雙向鏈表。

3. 字典(Hash)

Redis的Hash，就是在數組+鏈表的基礎上，進行了一些rehash優化等。

3.1 數據結構源碼

哈希表：

1 2 3 4 5 6 7 8 9 10 11 12

typedef struct dictht { // 哈希表數組 dictEntry **table; // 哈希表大小 unsigned long size; // 哈希表大小掩碼，用於計算索引值 // 總是等於 size - 1 unsigned long sizemask; // 該哈希表已有節點的數量 unsigned long used; } dictht;<code class="hljs"> </code>

Hash表節點：

1 2 3 4 5 6 7 8 9 10 11 12 13

typedef struct dictEntry { // 鍵 void *key; // 值 union { void *val; uint64_t u64; int64_t s64; } v; // 指向下個哈希表節點，形成鏈表 struct dictEntry *next; // 單鏈表結構 } dictEntry;<code class="hljs"> </code>

字典：

1 2 3 4 5 6 7 8 9 10 11 12

typedef struct dict { // 類型特定函數 dictType *type; // 私有數據 void *privdata; // 哈希表 dictht ht[2]; // rehash 索引 // 當 rehash 不在進行時，值爲 -1 int rehashidx; /* rehashing not in progress if rehashidx == -1 */ } dict;<code class="hljs"> </code>

可以看出：

1. Reids的Hash採用鏈地址法來處理衝突，然後它沒有使用紅黑樹優化。
2. 哈希表節點採用單鏈表結構。
3. rehash優化。

下面我們講一下它的rehash優化。

3.2 rehash

當哈希表的鍵對泰國或者太少，就需要對哈希表的大小進行調整，redis是如何調整的呢？

1. 我們仔細可以看到dict結構裏有個字段dictht ht[2]代表有兩個dictht數組。第一步就是爲ht[1]哈希表分配空間，大小取決於ht[0]當前使用的情況。
2. 將保存在ht[0]中的數據rehash(重新計算哈希值)到ht[1]上。
3. 當ht[0]中所有鍵值對都遷移到ht[1]後，釋放ht[0]，將ht[1]設置爲ht[0]，並ht[1]初始化，爲下一次rehash做準備。

3.3 漸進式rehash

我們在3.2中看到，redis處理rehash的流程，但是更細一點的講，它如何進行數據遷的呢？

這就涉及到了漸進式rehash，redis考慮到大量數據遷移帶來的cpu繁忙(可能導致一段時間內停止服務)，所以採用了漸進式rehash的方案。步驟如下：

1. 爲ht[1]分配空間，同時持有兩個哈希表(一個空表、一個有數據)。
2. 維持一個技術器rehashidx，初始值0。
3. 每次對字典增刪改查，會順帶將ht[0]中的數據遷移到ht[1],rehashidx++(注意：ht[0]中的數據是隻減不增的)。
4. 直到rehash操作完成，rehashidx值設爲-1。

它的好處：採用分而治之的思想，將龐大的遷移工作量劃分到每一次CURD中，避免了服務繁忙。

4. 跳躍表

這個數據結構是我面試中見過最多的，它其實特別簡單。學過的人可能都知道，它和平衡樹性能很相似，但爲什麼不用平衡樹而用skipList呢?

4.1 skipList & AVL 之間的選擇

1. 從算法實現難度上來比較，skiplist比平衡樹要簡單得多。
2. 平衡樹的插入和刪除操作可能引發子樹的調整，邏輯複雜，而skiplist的插入和刪除只需要修改相鄰節點的指針，操作簡單又快速。
3. 查找單個key，skiplist和平衡樹的時間複雜度都爲O(log n)，大體相當。
4. 在做範圍查找的時候，平衡樹比skiplist操作要複雜。
5. skiplist和各種平衡樹（如AVL、紅黑樹等）的元素是有序排列的。

可以看到，skipList中的元素是有序的，所以跳躍表在redis中用在有序集合鍵、集羣節點內部數據結構

4.2 源碼

跳躍表節點：

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

typedef struct zskiplistNode {   // 後退指針 struct zskiplistNode *backward;   // 分值 double score;   // 成員對象 robj *obj;   // 層 struct zskiplistLevel {   // 前進指針 struct zskiplistNode *forward;   // 跨度 unsigned int span;   } level[];   } zskiplistNode;<code class="hljs"> </code>

跳躍表：

1 2 3 4 5 6 7 8 9 10 11 12 13

typedef struct zskiplist {   // 表頭節點和表尾節點 struct zskiplistNode *header, *tail;   // 表中節點的數量 unsigned long length;   // 表中層數最大的節點的層數 int level;   } zskiplist;<code class="hljs"> </code>

它有幾個概念：

4.2.1 層(level[])

層，也就是level[]字段，層的數量越多，訪問節點速度越快。(因爲它相當於是索引，層數越多，它索引就越細，就能很快找到索引值)

4.2.2 前進指針(forward)

層中有一個forward字段，用於從表頭向表尾方向訪問。

4.2.3 跨度(span)

用於記錄兩個節點之間的距離

4.2.4 後退指針(backward)

用於從表尾向表頭方向訪問。

案例

1 2 3 4

level0 1---------->5 level1 1---->3---->5 level2 1->2->3->4->5->6->7->8<code class="hljs"> </code>

比如我要找鍵爲6的元素，在level0中直接定位到5，然後再往後走一個元素就找到了。

5. 整數集合(intset)

Reids對整數存儲專門作了優化，intset就是redis用於保存整數值的集合數據結構。當一個結合中只包含整數元素，redis就會用這個來存儲。

1 2 3 4 5

127.0.0.1:6379[2]> sadd number 1 2 3 4 5 6 (integer) 6 127.0.0.1:6379[2]> object encoding number "intset"<code class="hljs"> </code>

源碼

intset數據結構：

1 2 3 4 5 6 7 8 9 10 11 12 13

typedef struct intset {   // 編碼方式 uint32_t encoding;   // 集合包含的元素數量 uint32_t length;   // 保存元素的數組 int8_t contents[];   } intset;<code class="hljs"> </code>

你肯定很好奇編碼方式(encoding)字段是幹嘛用的呢？

• 如果 encoding 屬性的值爲 INTSET_ENC_INT16 ， 那麼 contents 就是一個 int16_t 類型的數組， 數組裏的每個項都是一個 int16_t 類型的整數值 （最小值爲 -32,768 ，最大值爲 32,767 ）。
• 如果 encoding 屬性的值爲 INTSET_ENC_INT32 ， 那麼 contents 就是一個 int32_t 類型的數組， 數組裏的每個項都是一個 int32_t 類型的整數值 （最小值爲 -2,147,483,648 ，最大值爲 2,147,483,647 ）。
• 如果 encoding 屬性的值爲 INTSET_ENC_INT64 ， 那麼 contents 就是一個 int64_t 類型的數組， 數組裏的每個項都是一個 int64_t 類型的整數值 （最小值爲 -9,223,372,036,854,775,808 ，最大值爲 9,223,372,036,854,775,807 ）。

說白了就是根據contents字段來判斷用哪個int類型更好，也就是對int存儲作了優化。

說到優化，那redis如何作的呢？就涉及到了升級。

5.1 encoding升級

如果我們有個Int16類型的整數集合，現在要將65535(int32)加進這個集合，int16是存儲不下的，所以就要對整數集合進行升級。

它是怎麼升級的呢(過程)？

假如現在有2個int16的元素:1和2，新加入1個int32位的元素65535。

1. 內存重分配，新加入後應該是3個元素，所以分配3*32-1=95位。
2. 選擇最大的數65535, 放到(95-32+1, 95)位這個內存段中，然後2放到(95-32-32+1+1, 95-32)位...依次類推。

升級的好處是什麼呢？

1. 提高了整數集合的靈活性。
2. 儘可能節約內存(能用小的就不用大的)。

5.2 不支持降級

按照上面的例子，如果我把65535又刪掉，encoding會不會又回到Int16呢，答案是不會的。官方沒有給出理由，我覺得應該是降低性能消耗吧，畢竟調整一次是O(N)的時間複雜度。

6. 壓縮列表(ziplist)

ziplist是redis爲了節約內存而開發的順序型數據結構。它被用在列表鍵和哈希鍵中。一般用於小數據存儲。

引用https://segmentfault.com/a/1190000016901154中的兩個圖：

6.1 源碼

ziplist沒有明確定義結構體，這裏只作大概的演示。

1 2 3 4 5 6 7 8 9

typedef struct entry { /*前一個元素長度需要空間和前一個元素長度*/ unsigned int prevlengh; /*元素內容編碼*/ unsigned char encoding; /*元素實際內容*/ unsigned char *data; }zlentry;<code class="hljs"> </code>

1 2 3 4 5 6 7 8 9 10 11 12 13

typedef struct ziplist{ /*ziplist分配的內存大小*/ uint32_t zlbytes; /*達到尾部的偏移量*/ uint32_t zltail; /*存儲元素實體個數*/ uint16_t zllen; /*存儲內容實體元素*/ unsigned char* entry[]; /*尾部標識*/ unsigned char zlend; }ziplist;<code class="hljs"> </code>

第一次看可能會特別矇蔽，你細細的把我這段話看完就一定能懂。

Entry的分析

entry結構體裏面有三個重要的字段：

1. previous_entry_length: 這個字段記錄了ziplist中前一個節點的長度，什麼意思？就是說通過該屬性可以進行指針運算達到表尾向表頭遍歷，這個字段還有一個大問題下面會講。
2. encoding:記錄了數據類型(int16? string?)和長度。
3. data/content: 記錄數據。

連鎖更新

previous_entry_length字段的分析

上面有說到，previous_entry_length這個字段存放上個節點的長度，那默認長度給分配多少呢?redis是這樣分的，如果前節點長度小於254,就分配1字節，大於的話分配5字節，那問題就來了。

如果前一個節點的長度剛開始小於254字節，後來大於254,那不就存放不下了嗎？ 這就涉及到previous_entry_length的更新，但是改一個肯定不行阿，後面的節點內存信息都需要改。所以就需要重新分配內存，然後連鎖更新包括該受影響節點後面的所有節點。

除了增加新節點會引發連鎖更新、刪除節點也會觸發。

7. 快速列表(quicklist)

一個由ziplist組成的雙向鏈表。但是一個quicklist可以有多個quicklist節點，它很像B樹的存儲方式。是在redis3.2版本中新加的數據結構，用在列表的底層實現。

結構體源碼

表頭結構：

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

typedef struct quicklist { //指向頭部(最左邊)quicklist節點的指針 quicklistNode *head;   //指向尾部(最右邊)quicklist節點的指針 quicklistNode *tail;   //ziplist中的entry節點計數器 unsigned long count; /* total count of all entries in all ziplists */   //quicklist的quicklistNode節點計數器 unsigned int len; /* number of quicklistNodes */   //保存ziplist的大小，配置文件設定，佔16bits int fill : 16; /* fill factor for individual nodes */   //保存壓縮程度值，配置文件設定，佔16bits，0表示不壓縮 unsigned int compress : 16; /* depth of end nodes not to compress;0=off */ } quicklist;<code class="hljs"> </code>

quicklist節點結構:

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31

typedef struct quicklistNode { struct quicklistNode *prev; //前驅節點指針 struct quicklistNode *next; //後繼節點指針   //不設置壓縮數據參數recompress時指向一個ziplist結構 //設置壓縮數據參數recompress指向quicklistLZF結構 unsigned char *zl;   //壓縮列表ziplist的總長度 unsigned int sz; /* ziplist size in bytes */   //ziplist中包的節點數，佔16 bits長度 unsigned int count : 16; /* count of items in ziplist */   //表示是否採用了LZF壓縮算法壓縮quicklist節點，1表示壓縮過，2表示沒壓縮，佔2 bits長度 unsigned int encoding : 2; /* RAW==1 or LZF==2 */   //表示一個quicklistNode節點是否採用ziplist結構保存數據，2表示壓縮了，1表示沒壓縮，默認是2，佔2bits長度 unsigned int container : 2; /* NONE==1 or ZIPLIST==2 */   //標記quicklist節點的ziplist之前是否被解壓縮過，佔1bit長度 //如果recompress爲1，則等待被再次壓縮 unsigned int recompress : 1; /* was this node previous compressed? */   //測試時使用 unsigned int attempted_compress : 1; /* node can't compress; too small */   //額外擴展位，佔10bits長度 unsigned int extra : 10; /* more bits to steal for future usage */ } quicklistNode;<code class="hljs"> </code>

相關配置

在redis.conf中的ADVANCED CONFIG部分：

1 2 3

list-max-ziplist-size -2 list-compress-depth 0<code class="hljs"> </code>

list-max-ziplist-size參數

我們來詳細解釋一下list-max-ziplist-size這個參數的含義。它可以取正值，也可以取負值。

當取正值的時候，表示按照數據項個數來限定每個quicklist節點上的ziplist長度。比如，當這個參數配置成5的時候，表示每個quicklist節點的ziplist最多包含5個數據項。

當取負值的時候，表示按照佔用字節數來限定每個quicklist節點上的ziplist長度。這時，它只能取-1到-5這五個值，每個值含義如下：

-5: 每個quicklist節點上的ziplist大小不能超過64 Kb。（注：1kb => 1024 bytes）

-4: 每個quicklist節點上的ziplist大小不能超過32 Kb。

-3: 每個quicklist節點上的ziplist大小不能超過16 Kb。

-2: 每個quicklist節點上的ziplist大小不能超過8 Kb。（-2是Redis給出的默認值）

list-compress-depth參數

這個參數表示一個quicklist兩端不被壓縮的節點個數。注：這裏的節點個數是指quicklist雙向鏈表的節點個數，而不是指ziplist裏面的數據項個數。實際上，一個quicklist節點上的ziplist，如果被壓縮，就是整體被壓縮的。

參數list-compress-depth的取值含義如下：

0: 是個特殊值，表示都不壓縮。這是Redis的默認值。 1: 表示quicklist兩端各有1個節點不壓縮，中間的節點壓縮。 2: 表示quicklist兩端各有2個節點不壓縮，中間的節點壓縮。 3: 表示quicklist兩端各有3個節點不壓縮，中間的節點壓縮。 依此類推…

Redis對於quicklist內部節點的壓縮算法，採用的LZF——一種無損壓縮算法。