Redis字符串对象之SDS实现原理分析
前言
上一篇我们介绍了Redis中支持的9种数据类型及其简单的使用,但是也仅仅只限于使用,从这一篇开始,我们会逐步分析每一种数据类型其底层的存储数据结构,而本文会介绍最重要也是使用最频繁的字符串对象
的底层存储结构。
字符串对象
Redis是使用C语言进行编写的,而C语言中的字符串是二进制不安全的,所以Redis就没有直接使用C语言的字符串,而是自己编写了一个新的数据结构来表示字符串,这种数据结构称之为:简单动态字符串(Simple dynamic string),简称SDS。
为什么Redis的字符串对象是二进制安全的
在C语言中,字符串采用的是一个char数组(柔性数组)来存储字符串,而且字符串必须要以一个空字符串’\0’来结尾。字符串并不记录长度,所以如果想要获取一个字符串的长度就必须遍历整个字符串,直到遇到’\0’为止(’\0’不会计入长度),时间复杂度为O(n)。
正因为C语言中是以空字符’\0’来识别是否到了字符串末尾,因此其只能保存文本数据,不能保存图片,音频,视频和压缩文件等二进制数据,所以就是二进制不安全的。
Redis中为了实现二进制安全的字符串,对原有的C语言中的字符串做了改进。如下所示就是一个SDS字符串的结构:
struct sdshdr{
int len;//记录buf数组已使用的长度,即SDS的长度(不包含末尾的'\0')
int free;//记录buf数组中未使用的长度
char buf[];//字节数组,用来保存字符串
}
经过改进之后,在Redis中如果想要获取SDS的长度不用去遍历buf数组了,直接读取len属性就可以得到长度,时间复杂度一下就变成了O(1),效率大大提升,而且因为判断字符串长度不再依赖空字符’\0’,所以其能存储图片,音频,视频和压缩文件等二进制数据。
PS:不过需要注意的是,SDS依然遵循了C语言字符串以’\0’结尾的惯例,这么做是为了方便复用C语言字符串原生的一些API。
在Redis 3.2之后的版本,Redis对sds又做了优化,按照存储空间的大小拆分成为了sdshdr5
、sdshdr8
、sdshdr16
、sdshdr32
、sdshdr64
,分别用来存储大小为:32字节(25),256字节(28),64KB(216),4GB大小(232)以及264大小的字符串(因为目前版本key和value都限制了只能使用512MB,所以sdshdr64
暂时并未使用到)。看源码的注释,对value而言sdshdr5
并不会被使用到,但是key会被使用到,因为sdshdr5
和其他类型也不一样,其并没有存储未使用空间,所以我的猜测是比较适用于使用大小固定的场景(比如key值):
任意选择一种类型,其具体含义代表如下:
struct __attribute__ ((__packed__)) sdshdr8 {
uint8_t len; //已使用空间大小
uint8_t alloc; //总共申请的空间大小(包括未使用的)
unsigned char flags; //用来表示当前sds类型是sdshdr8还是sdshdr16等
char buf[]; //真实存储字符串的字节数组
};
SDS空间分配策略
C语言中因为字符串内部没有记录长度,所以如果扩充字符串的时候非常容易造成缓冲区溢出(buffer overflow)。
请看下面这张图,假设下面这张图就是内存里面的连续空间,可以很明显的看到,此时lonely
和Redis
两个字符串之间只有两个空位,那么这时候如果我们要将lonely
字符串修改为lonelyWolf
,那么就需要4个空间,这时候下面这个空间是放不下的,必须要重新申请空间,但是假如说程序员忘了申请空间,或者说申请了空间但是还是不够,那么就会出现后面的Redis
字符串中的Re
被覆盖了。
同样的,假如要缩小字符串的长度,那么也需要重新申请释放内存,否则,字符串一直占据着未使用的空间,会造成内存泄露。
所以说C语言避免缓存区溢出和内存泄露完全依赖于人为,很难把控,但是使用SDS就不会出现这两个问题,因为当我们操作SDS时,其内部会自动执行空间分配策略,无需人为操作,从而杜绝了上述两种情况的出现。
空间预分配
空间预分配指的是当我们通过API对SDS进行扩展空间的时候,假如未使用空间不够用,那么程序不仅会为SDS分配必须要的空间,还会额外分配未使用空间,未使用空间分配大小主要有两种情况:
- 1、假如扩大长度之后的len属性小于等于1MB(即1024*1024),那么同时就会分配和len属性一样大小的未使用空间(此时buf数组已使用空间=未使用空间)。
- 2、假如扩大长度之后的len属性大于1MB,那么就会分配1MB未使用空间大小。
执行空间预分配策略的好处是提前分配了未使用空间备用后,就不需要每次增大字符串都需要分配空间,减小了内存重分配的次数。
惰性空间释放
惰性空间释放指的是当我们需要通过API减小SDS长度的时候,程序并不会立即释放未使用的空间,而只是更新free属性的值,这样空间就可以留给下一次使用。而为了防止出现内存溢出的情况,SDS单独提供给了API让我们在有需要的时候去真正的释放内存。
SDS和C语言字符串区别
现在我们总结一下SDS和C语言中实现的字符串的区别
C字符串 | SDS |
---|---|
只能保存文本类不含空字符串’\0’数据 | 可以保存文本或者二进制数据,允许包含空字符串’\0’ |
获取字符串长度的复杂度为O(n) | 获取字符串长度的复杂度为O(1) |
操作字符串可能会造成缓冲区溢出 | 不会出现缓冲区溢出情况 |
修改字符串长度N次,必然需要N次内存重分配 | 修改字符串长度N次,最多需要N次内存重分配 |
可以使用C字符串相关的所有函数 | 可以使用C字符串相关的部分函数 |
SDS的底层存储对象
上面讲了这么多,可能很多人会以为Redis底层就是直接用了SDS数据结构来存储,然而实际上并不是,我们回想一下Redis的全称是远程字典服务,所以在Redis中所有的数据类型都是将对应的数据结构再进行了一次包装,创建了一个字典对象来存储的。
dictEntry对象
每次创建一个key-value键值对,Redis都会创建两个对象,一个是键对象,一个是值对象,而且在Redis中,任何一个对象总是被包装成redisObject
对象,并同时将键对象和值对象通过dictEntry
对象进行封装,如下就是一个dictEntry
对象(源码dict.h内):
typedef struct dictEntry {
void *key;//指向key,即SDS
union {
void *val;//执行value,即5大常用数据类型
uint64_t u64;
int64_t s64;
double d;
} v;
struct dictEntry *next;//指向下一个key-value键值对(哈希值相同的键值对会形成一个链表,这种方式可以解决哈希冲突问题)
} dictEntry;
当我们执行如下命令:
set name lonely_wolf
会得到这样的一个对象(省略了一些无关的属性):
redisObject
上面的redisObject
就是我们的值对象(实际上key也是一个redisObject对象)如下就是一个redisObject
对象的数据结构定义(源码server.h内):
typedef struct redisObject {
unsigned type:4;//对象类型(4位=0.5字节)
unsigned encoding:4;//编码(4位=0.5字节)
unsigned lru:LRU_BITS;//记录对象最后一次被应用程序访问的时间(24位=3字节)
int refcount;//引用计数。等于0时表示可以被垃圾回收(32位=4字节)
void *ptr;//指向底层实际的数据存储结构,如:SDS等(8字节)
} robj;
所以,最终我们可以把上面的图简化为如下图所示([x]会根据长度选择为合适的值):
对象类型type
对象类型即redisObject
中的type属性,主要分为以下5种:
类型属性 | 描述 | type命令返回值 |
---|---|---|
REDIS_STRING | 字符串对象 | string |
REDIS_LIST | 列表对象 | list |
REDIS_HASH | 哈希对象 | hash |
REDIS_SET | 集合对象 | set |
REDIS_ZSET | 有序集合对象 | zset |
可以看到,这就是对应了我们5种常用的基本数据类型。
编码encoding
编码即redisObject
中的encoding
属性。我们可以使用命令 object encoding
来查看当前对象的编码。
从上图也可以看到,在字符串对象中,主要有3种编码类型,如下表所示:
编码属性 | 描述 | object encoding命令返回值 |
---|---|---|
OBJ_ENCODING_INT | 使用整数的字符串对象 | int |
OBJ_ENCODING_EMBSTR | 使用embstr编码的SDS实现的字符串对象 | embstr |
OBJ_ENCODING_RAW | 使用SDS实现的字符串对象 | raw |
- int编码
当我们用字符串对象存储的是整型,且能用8个字节的long类型进行表示(即263-1),则Redis会选择使用int编码来存储,而且此时redisObject
对象中的ptr指针直接替换为long类型。 - embstr编码
当字符串对象中存储的是字符串,且长度小于44(3.2版本之前是39)时,Redis会选择使用embstr编码来存储。 - raw编码
当字符串对象中存储的是字符串,且长度大于44时,Redis会选择使用raw编码来存储。
embstr编码为什么从39位修改为44位
embstr编码中,redisObject和SDS是连续的一块内存空间,这块内存空间Redis限制为了64个字节,而redisObject占了16字节,Redis3.2版本之前的sds占了8个字节,再加上字符串末尾’\0’占用了1个字节,所以:64-16-8-1=39字节。
Redis3.2之后sds做了优化,对于embstr编码会采用sdshdr8来存储,而sdshdr8占用的空间只有24位:3字节(len+alloc+flag)+1字节(’\0’字符),所以最后就剩下了:64-16-3-1=44字节。
embstr编码和raw编码的区别
embstr编码是一种优化的存储方式,其在申请空间的时候使得redisObject
和SDS两个对象是一个连续空间,所以只需要申请1次空间(同样的,释放内存也只需要1次),而raw编码因为redisObject和SDS两个对象的空间是不连续的,所以使用的时候需要2次申请空间(同样的,释放内存也需要2次)。但是使用embstr编码时,假如需要修改字符串,那么因为redisObject和SDS是在一起的,所以两个对象都需要重新申请空间,为了避免这种情况发生,embstr编码的字符串是只读的,不允许修改。
上图中的示例我们看到,对一个embstr
编码的字符串对象进行append操作时,长度还没有达到45,但是编码已经被修改为raw
了,这就是因为embstr
编码是只读的,如果需要对其修改,Redis内部会将其修改为raw
编码之后再操作。同样的,如果是操作int编码的字符串之后,导致long类型无法存储时(int类型不再是整数或者长度超过263-1时),也会将int编码修改为raw编码。
PS:需要注意的是,编码一旦升级(int–>enmstr–>raw),即使后期再把字符串修改为符合原内存编码的存储格式时,编码也不会回退。
最近访问时间lru
这个属性记录了对象最后一次被访问的时间,可以通过命令object idletime
得到当前对象的空闲时间,即:当前时间-lru时间。
需要注意的是 object idletime
命令本身不会记录到lru属性。
当我们开启了maxmemory
时,而且回收内存算法属性maxmemory-policy配置为volatile-lru
或者allkeys-lru
时候,当达到maxmemory
设定值时,空闲时间最长的key会被优先回收。
maxmemory 512MB #不带单位则默认是字节
maxmemory-policy volatile-lru
引用计数refcount
C语言本身并没有提供内存回收机制,所以Redis自己实现了一种简单的引用计数法来进行垃圾回收,简单来说就是当前对象被引用1次,计数就+1,当refcount等于0时表示当前对象没有任何引用,可以被垃圾回收。想要详细了解垃圾回收算法的,可以点击这里。
总结
本文主要介绍了Redis中五种常用类型中最常用的一种字符串数据对象进行了分析,其底层采用了SDS来存储,并进一步分析了SDS是如何被包装以及其内存分配策略和空间释放策略,及其编码类型等,在文中,我们也将其和C语言的字符串进行了对比,进一步分析了为什么Redis最终选择使用SDS来替换C语言中的字符串。
下一篇,将会介绍5种常用数据类型中的列表类型底层存储结构及其原理分析。
请关注我,和孤狼一起学习进步。