dict是一个用于维护key和value映射关系的数据结构 . Redis的一个database中所有key到value的映射，就是使用一个dict来维护的，key 是对象的名称，value 是各种不同的对象，所有的对象都挂在一棵字典上。除了容纳所有对象的主干字典外，还有容纳所有带过期时间的对象的过期主干字典，它的 key 是对象的名称，value 是对象的过期时间戳。
typedef struct redisDb {
dict *dict;
dict *expires;
...
} redisDb;字典的 value 呈现出了多态性，它可以是一个单纯的整数或者浮点数，也可以是一个对象，会有一个统一的对象头，也就是前面的 redisObject 结构体（见该系列第一篇），会根据 type 字段和 encoding 字段来决定 ptr 字段指向的具体数据结构。我们来看一下字典的结构体代码定义
# 字典结构
typedef struct dict {
dictType *type; // 字典的接口实现，为字典带来多态性
void *privdata; // 存储字典的附加信息
dictht ht[2]; // 注意这里不是指向指针的数组，为什么？
long rehashidx; // 渐进式rehash时记录当前rehash的位置
unsigned long iterators;
} dict;
type 和 privdata 是针对不同类型的键值对,为创建多态字典而设置的
type指向一个 dictType 结构的指针, 每个dictType 结构保存了一簇用于操作特作特定类型键值对的函数, Redis 会为用途不同的字典设置不同的类型特定函数.而pridata 则保存了需要传给那些特定类型函数看可选参数.
ht 属性,包含两个数组,数组的每一项都是一个 dictht 哈希表,一般情况下字典只使用ht[0] 哈希表,ht[1]哈希表只会在对哈希表进行 rehash 时使用.
rehashidex 记录了 rehash 当前的进度,如果没有进行 rehash, 值就为-1.
# dict 哈希表 结构
typedef struct dictht {
dictEntry **table; // 指向第一维数组
unsigned long size; // 数组的长度
unsigned long sizemask; // 用于快速hash定位 sizemask = size - 1
unsigned long used; // 数组中的元素个数
} dictht;
# 定义了字典功能的接口
typedef struct dictType {
uint64_t (*hashFunction)(const void *key);
void *(*keyDup)(void *privdata, const void *key);
void *(*valDup)(void *privdata, const void *obj);
int (*keyCompare)(void *privdata, const void *key1, const void *key2);
void (*keyDestructor)(void *privdata, void *key);
void (*valDestructor)(void *privdata, void *obj);
} dictType;
# key-value 哈希表节点
typedef struct dictEntry {
void *key; // 键
union {
void *val; //指向 sds|set|dict|zset|quicklist 的指针
uint64_t u64; // 用于过期字典，val存储过期时间戳
int64_t s64;
double d; // 用于zset，存储score值
} v; //值
struct dictEntry *next; //指向下一个节点的指针 形成单向链表
} dictEntry;
字典的哈希表结构和java的HashMap 结构几乎是一样的，都是通过某个哈希函数从key计算得到在哈希表中的位置，采用链表法解决冲突，并在装载因子（load factor）超过预定值时自动扩展内存，引发重哈希（rehashing）。和java hashMap 不同的地方就在于 rehashing这个过程，redis采用了一种称为渐进式重哈希的方法，在需要扩展内存时避免一次性对所有key进行重哈希，而是将重哈希操作分散到对于dict的各个增删改查的操作中去。这种方法能做到每次只对一小部分key进行重哈希，而每次重哈希之间不影响dict的操作。dict之所以这样设计，是为了避免重哈希期间单个请求的响应时间剧烈增加
当添加一个 key-value到字典里面的时候，程序需要先根据key来计算出哈希值和索引值，然后再根据索引值，将包含新键值对的哈希表节点放到哈希数组的指定索引上面 , 如果当前dictEntry数组位置上已经有数据了，那么就采用拉链法避免哈希碰撞。redis这里使用的是单链表，所以为了查询效率每次把新数据插入到链表头位置（新插入的数据被访问的概率大）
Redis计算哈希值和索引值的方法如下：
# 使用字典设置的哈希函数，计算键 key 的哈希值
hash = dict->type->hashFunction(key);
# 使用哈希表的 sizemask 属性和哈希值，计算出索引值
# 根据情况不同， ht[x] 可以是 ht[0] 或者 ht[1]
index = hash & dict->ht[x].sizemask;
为了能更清楚地展示dict的数据结构定义，我们用一张结构图来表示它（没有rehash的情况下）。如下。
上图看出，redis键过期时间是单独的一个字典来描述的，和主干字典 有以下不同
（1）过期字典是一个指针，指向键空间的某个键对象。
（2）过期字典的值是一个longlong类型的整数，这个整数保存了键所指向的数据库键的过期时间–一个毫秒级的 UNIX 时间戳。
思考：redis为什么不像java 1.8 hashMap 那样当链表达到一定的长度转换为一棵红黑色来 提高查询效率呢？
Rehash
哈希表的键值会不听的增多减少，为了让负载因子，维持在一个合理的范围，我们需要适当的进行扩展和收缩
rehash过程如下：
- 为字典的 ht[1] 哈希表分配空间， 这个哈希表的空间大小取决于要执行的操作， 以及 ht[0] 当前包含的键值对数量 （也即是 ht[0].used属性的值）如图：
- 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 （2 的 n 次方幂）；
- 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 2
- 将保存在 ht[0] 中的所有键值对 rehash 到 ht[1] 上面： rehash 指的是重新计算键的哈希值和索引值， 然后将键值对放置到 ht[1] 哈希表的指定位置上。如图
- 当 ht[0] 包含的所有键值对都迁移到了 ht[1] 之后 （ht[0] 变为空表）， 释放 ht[0] ， 将 ht[1] 设置为 ht[0] ， 并在 ht[1] 新创建一个空白哈希表， 为下一次 rehash 做准备。
思考：为什么每次扩容都是2的倍数
渐进式rehash
redis的设计目的之一就是追求 '快速响应时间',如果像java hashMap 那样扩容一个2倍数组，当redis中包含大量键值对的时候，势必会造成停顿所以为了防止这种情况的发生，redis采用了渐进式rehash。当字典需要扩容时，它会申请一个新的 hashtable 放在字典的 ht[1] 中，在迁移完成之前新旧两个 hashtable 将会共存，也就是 ht[1] 和 ht[0] 两个字段值同时存在。
在后续该字典的每个指令中，Redis都会将ht[0]的一部分键值对迁移到 ht[1]中。目前渐进式迁移每次迁移 10 个槽位，也就是最多 10 个链表。
上文提到dict中rehashidx字段用来维护当前rehash的进度，很多材料说该字段在每次rehash完成后+1是不对的，该字段的准确语义是记录当前rehash的进度（ht[0]中迁移到的位置）
渐进式rehash的好处在于其采取分而治之的方式，将rehash键值对所需要的计算工作均摊到字典的每个添加、删除、查找和更新操作上，从而避免了集中式rehash而带来的庞大计算量。
渐进式rehash执行期间的哈希表操作
因为在渐进式rehash的过程中，字典会同时使用ht[0]和ht[1]两个哈希表，所以在渐进式rehash进行期间，字典的删除、查找、更新等操作都是在两个表上进行的。
例如，查找操作会先在ht[0]上进行，如果没找到再在ht[1]上进行。
添加操作的键值对会一律保存到ht[1]中，这一措施保证ht[0]包含的键值对只会减少不会增加。
哈希表扩容与收缩的条件
1.服务器目前没有在执行BGSAVE或者BGREWRITEAOF命令，并且哈希表的负载因子大于等于1
2.服务器目前正在执行BGSAVE或者BGREWRITEAOF命令，并且哈希表的负载因子大于等于5
3.当哈希表负载因子小于0.1时，程序自动开始对哈希表执行收缩操作
