【Redis】Redis的数据结构
文章目录
1. 动态字符串SDS
Redis中保存的Key是字符串,value往往是字符串或者字符串的集合。可见字符串是Redis中最常用的一种数据结构。
虽然Redis是用C写的,但是为什么没有直接使用C的字符串?因为C语言字符串存在很多问题:
- 获取字符串长度需要通过运算(数组实际长度=数组长度-1)
- 非二进制安全:
\0
是数组结束的标识符,这意味着我们数组中不能存储\0
元素,否则遍历数组会出现问题 - 不可修改
所以,Redis构建了一种新的字符串结构,称为简单动态字符串 (Simple Dynamic String),简称SDS。
例如,执行命令 set name 张三
,那么Redis将在底层创建两个SDS,一个包含“name“的SDS,一个包含”张三“的SDS。
Redis是C语言实现的,其中SDS是一个结构体,源码如下:
例如,一个包含字符串”name“的sds结构如下:
SDS之所以叫做简单动态字符串,是因为它具备动态扩容能力,例如一个内容为”hi“的SDS:
我们想要给这个SDS追加一段字符串”,Amy“,这里首先会申请新内存空间:
- 如果新字符串小于1M,则新空间为扩展后字符串长度的两倍+1
- 如果新字符串大于1M,则新空间为扩展后字符串长度+1M+1.
这种行为称作内存预分配。
SDS相较于C语言字符串的优点:
- 获取字符串长度的时间复杂度为O(1)
- 支持动态扩容
- 减少内存分配次数
- 二进制安全
2. IntSet
InSet是Redis中set集合的一种实现方式,基于整数数组来实现,并且具备长度可变、有序等特征。
结构如下:
其中的encoding包含三种模式,表示存储的整数大小不同:
为了方便查找,Redis会将intset中所有的整数按照升序依次保存在contents数组中,结构如图:
现在,数组中每个数字都在 int16_t
的范围内,因此采用的编码方式是 INTSET_ENC_INT16
,每部分占用的字节大小为:
- encoding:4字节
- length:4字节
- contents:2字节 * 3 =6字节
2.1 IntSet升级
假设有一个intset,元素为{5,10,20},采用的编码是 INTSET_ENC_INT16
,则每个整数占2个字节:
我们向其中添加一个数字:50000,这个数字超出了 int16_t
的范围,intset会自动升级编码方式到合适的大小。
以当前案例来说明流程:
- 升级编码为
INTSET_ENC_INT32
,每个整数占4字节,并按照新的编码方式及元素个数扩容数组 - 倒序依次将数组中的元素拷贝到扩容后的正确位置
- 将待添加的元素(
50000
) 这个数字放入数组末尾 - 最后,将inset的encoding属性改为
INTSET_ENC_INT32
,将length属性改为4
Inset可以看作是特殊的整数数组,具备一些特点:
- Redis会确保Intset中的元素唯一、有序
- 具备类型升级机制,可以节省内存空间
- 底层采用二分查找方式来查询
3. Dict
Redis是一个键值型的数据库,我们可以根据键实现快速的增删改查。而键与值的映射关系正是通过Dict来实现的。
Dict由三部分组成,分别是:哈希表(DictHashTable) 、哈希节点(DictEntry)、字典(Dict)
当我们向Dict添加键值对时,Redis首先根据key计算出hash值,然后利用 h & sizemask
来计算元素应该存储到数组中的哪个索引位置。
假设哈希表长度为4,我们存储k1=v1,k1的哈希值h=1,那么 1&3=1,因此k1=v1要存储到数组角标1位
再次存储k2=v2,k2的哈希值h=1,那么k2也要存储到数组角标1位。使用头插法,避免遍历。
3.1 Dict的扩容
Dict中的HashTable就是数组结合单向链表的实现,当集合中元素较多时,必然导致哈希冲突增多,链表过长,那么查询效率会大大降低。
Dict在每次新增键值对时都会检查负载因子(LoadFactor=user/size),满足以下两种情况时会触发哈希表扩容:
- 哈希表的
LoadFactor>=1
,并且服务器没有执行BGSAVE
或者BGREWRITEAOF
等后台进程 - 哈希表的
LoadFactor>5
3.2 Dict的收缩
Dict除了扩容以外,每次删除元素时, 也会对负载因子做检查,当 LoadFactor<0.1
时,会做哈希表收缩:
3.3 Dict的rehash
不管扩容还是收缩,必定会创建新的哈希表,导致哈希表的size和sizemask变化,而key的查询与sizemask有关。因此必须对哈希表中的每一个key重新计算索引,插入新的哈希表,这个过程称为 rehash
。
Dict的rehash并不是一次性完成的,如果Dict包含数百万的entry,要在一次rehash完成,极有可能导致主线程阻塞。因此Dict的rehash是分多次、渐进式的完成,因此称为 渐进式rehash
。流程如下:
- 计算新hash表的size,值取决于当前要做的是扩容还是收缩:
- 如果是扩容,则新size为第一个大于等于dict.ht[0].used + 1的2^n
- 如果是收缩,则新size为第一个大于等于dict.ht[0].used的2^n(不得小于4)
- 按照新的size申请内存空间,创建dictht,并赋值给dict.ht[1]
- 设置dict.rehashindex=0,表示开始rehash
- 每次执行增删改查操作时,都检查一下dict.rehashindex是否大于-1,如果是,则将dict.ht[0].table[rehashindex]的entry链表hash到dict.ht[1],并且将rehashindex++,直至dict.ht[0]的所有数据都rehash到dict.ht[1]
- 将dict.ht[1]赋值给dict.ht[0],给dict.ht[1]初始化为空哈希表,释放原来的dict.ht[0]的内存
- 将rehashindex赋值为-1,代表rehash结束
- 在rehash过程中,新增操作,则直接写入ht[1],查询、修改、删除则会在dict.ht[0]和dict.ht[1]依次查找并执行。这样可以确保ht[0]的数据只减不增,随着rehash进行,ht[0]最终为空。
4. ZipList
ZipList是一种特殊的“双端链表”,由一系列特殊编码的连续内存块组成。可以在任意一端进行压入/弹出操作,并且该操作的时间复杂度为O(1)
属性 | 类型 | 长度 | 用途 |
---|---|---|---|
zlbytes | uint32_t | 4 字节 | 记录整个压缩列表占用的内存字节数 |
zltail | uint32_t | 4 字节 | 记录压缩列表表尾节点距离压缩列表的起始地址有多少字节,通过这个偏移量,可以确定表尾节点的地址。 |
zllen | uint16_t | 2 字节 | 记录了压缩列表包含的节点数量。 最大值为UINT16_MAX (65534),如果超过这个值,此处会记录为65535,但节点的真实数量需要遍历整个压缩列表才能计算得出。 |
entry | 列表节点 | 不定 | 压缩列表包含的各个节点,节点的长度由节点保存的内容决定。 |
zlend | uint8_t | 1 字节 | 特殊值 0xFF (十进制 255 ),用于标记压缩列表的末端。 |
4.1 ZipList中的Entry
ZipList中的Entry并不像普通链表那样记录前后节点的指针,因为记录两个指针要占用16字节,浪费内存。所以采用下面这种结构:
- previous_entry_length:表示前一节点的长度,占1个或5个字节
- 如果前一节点的长度小于254字节,则采用1个字节来保存这个长度值
- 如果前一节点的长度大于254字节,则采用5个字节保存这个长度值,第一个字节为0xfe,后四个字节才是真实长度数据
- encoding:编码属性,记录content的数据类型(字符串还是整数)以及长度,占用1、2或5个字节
- content:负责保存节点的数据,可以是字符串或整数
注意:ZipList中所有存储长度的数值均采用小端字节序,即低位字节在前,高位字节在后。例如:数值0x1234,采用小端字节序后实际存储值为:0x3412
4.1.1 Encoding编码
ZipListEntry中的encoding编码分为字符串和整数两种:
- 字符串:如果encoding是以“00”、“01”、或者“10”开头,则证明content是字符串
编码 | 编码长度 | 字符串大小 |
---|---|---|
|00pppppp| | 1 bytes | <= 63 bytes |
|01pppppp|qqqqqqqq| | 2 bytes | <= 16383 bytes |
|10000000|qqqqqqqq|rrrrrrrr|ssssssss|tttttttt| | 5 bytes | <= 4294967295 bytes |
假设保存字符串“ab”,使用16进制表示:
保存字符串:”ab”和“bc”,完整表示如下:
- 整数:如果encoding是以“11”开始,则证明content是整数,且encoding固定只占用1个字节
编码 | 编码长度 | 整数类型 |
---|---|---|
11000000 | 1 | int16_t(2 bytes) |
11010000 | 1 | int32_t(4 bytes) |
11100000 | 1 | int64_t(8 bytes) |
11110000 | 1 | 24位有符整数(3 bytes) |
11111110 | 1 | 8位有符整数(1 bytes) |
1111xxxx | 1 | 直接在xxxx位置保存数值,范围从0001~1101,减1后结果为实际值 |
例如:一个ZipList中包含两个整数值:“2” 和 “5”
4.2 ZipList的连锁更新问题
ZipList的每个Entry都包含previous_entry_length来记录上一个节点的大小,长度是1个或5个字节:
- 如果前一节点的长度小于254字节,则采用1个字节来保存这个长度值
- 如果前一节点的长度大于等于254字节,则采用5个字节来保存这个长度值,且第一个字节为0xfe,后四个字节才是真实长度数据
现在,假设我们有N个连续的、长度为250~253字节之间的entry,因此entry的previous_entry_length属性用一个字节即可表示,如下图所示:
突然要插入一个长度为254字节的entry,采用头插法插入,那么原来第一个entry的previous_entry_length就变成了5,那么整体的entry长度就由原来的250变成了254字节,那么又导致原来的第二个entry的previous_entry_length变成了5…不断重复这个操作,直到遇到第一个长度<250的entry才结束。
ZipList这种特殊情况下产生的连续多次空间扩展操作称之为连锁操作(Cascade Update)。新增、删除都可能导致连锁更新的发生。
4.3 特性
ZipList的特性:
- 压缩列表可以看作一种连续内存空间的“双向链表”
- 列表的节点之间不是通过指针连接,而是记录上一节点和本节点长度来寻址,内存占用较低
- 如果列表数据过多,导致链表过长,可能影响查询性能
- 增或删较大数据有可能发生连续更新问题
5. QuickList
问题1:ZipList虽然节省内存,但申请内存必须是连续空间,如果内存占用较多,申请内存效率很低。怎么办?
为了缓解这个问题,我们必须限制ZipList的长度和entry的大小
问题2:但是我们要存储大量数据,超出了ZipList最佳的上限怎么办?
我们可以创建多个ZipList来分片存储数据
问题3:数据拆分之后比较分散,不方便管理和查找,这多个ZipList如何建立联系?
Redis在3.2版本引入了新的数据结构QuickList,它是一个双端链表,只不过链表中的每个节点都是一个ZipList。
为了避免QuickList中的每个ZipList中的entry过多,Redis提供了一个配置项:list-max-ziplist-size
来限制entry个数。
- 如果这个值为正,则代表ZipList允许的entry个数的最大值
- 如果这个值为负,则代表ZipList的最大内存大小,分以下5中情况:
- -1:每个ZipList的内存占用不能超过4kb
- -2:每个ZipList的内存占用不能超过8kb
- -3:每个ZipList的内存占用不能超过16kb
- -4:每个ZipList的内存占用不能超过32kb
- -5:每个ZipList的内存占用不能超过64kb
而 list-max-ziplist-size
的默认值为:-2
除了控制ZipList的大小,QuickList还可以对节点的ZipList做压缩。通过配置项 list-compress-depth
来控制。因为链表一般都是从首尾访问较多,所以首尾是不压缩的。这个参数是控制首尾不压缩的节点个数:
- 0:特殊值,表示不压缩
- 1:表示QuickList的首尾各有1个节点不压缩,中间节点压缩
- 2:表示QuickList的首尾各有2个节点不压缩,中间节点压缩
- 以此类推
list-compress-depth
默认值为:0
QuickList和QuickListNode的结构源码如下所示:
示意图如下:
5.1特点
QuickList的特点:
- 是一个节点为ZipList的双端链表
- 节点采用ZipList,解决了传统链表的内存占用问题
- 控制了ZipList大小,解决了连续内存空间申请效率问题
- 中间节点可以压缩,进一步节省了内存
6. SkipList
SkipList(跳表) 首先是链表,但与传统链表相比有几点差异:
- 元素按照升序排列存储
- 节点可能包含多个指针,指针跨度不同
SkipList(跳表)首先是链表,但与传统链表相比有几点差异:
- 元素按照升序排列存储
- 节点可能包含多个指针,指针跨度不同
结构图如下:
6.1 特点
SkipList的特点:
- 跳表是一个双向链表,每个节点都包含score和ele(元素)值
- 节点按照score值排序,score值一样则按照ele字典排序
- 每个节点都可以包含多层指针,层数是1到32之间的随机数
- 不同层指针到下一个节点的跨度不同,层级越高,跨度越大
- 增删改查效率与红黑树一致,实现却更简单。
7. RedisObject
RedisObject中的任意数据类型的键和值都会被封装为一个RedisObject,也叫做Redis对象,源码如下:
Redis会根据存储的数据类型不同,选择不同的编码方式,共包含11种不同类型:
编号 | 编码方式 | 说明 |
---|---|---|
0 | OBJ_ENCODING_RAW | raw编码动态字符串 |
1 | OBJ_ENCODING_INT | long类型的整数的字符串 |
2 | OBJ_ENCODING_HT | hash表(字典dict) |
3 | OBJ_ENCODING_ZIPMAP | 已废弃 |
4 | OBJ_ENCODING_LINKEDLIST | 双端链表 |
5 | OBJ_ENCODING_ZIPLIST | 压缩列表 |
6 | OBJ_ENCODING_INTSET | 整数集合 |
7 | OBJ_ENCODING_SKIPLIST | 跳表 |
8 | OBJ_ENCODING_EMBSTR | embstr的动态字符串 |
9 | OBJ_ENCODING_QUICKLIST | 快速列表 |
10 | OBJ_ENCODING_STREAM | Stream流 |
Redis会根据存储的数据类型不同,选择不同的编码方式。每种数据类型使用的编码方式如下:
数据类型 | 编码方式 |
---|---|
OBJ_STRING | int、embstr、raw |
OBJ_LIST | LinkedList和ZipList(3.2以前)、QuickList(3.2以后) |
OBJ_SET | intset、HT |
OBJ_ZSET | ZipList、HT、SkipList |
OBJ_HASH | ZipList、HT |
8.五种基本数据类型
8.1 String
String是Redis中最常见的数据存储类型,它包含三种编码方式:
- RAW
- EMBSTR
- INT
- RAW编码:基于简单动态字符串(SDS)实现,存储上限为512mb。(需要调用两次内存分配函数)
- EMBSTR编码:如果存储的SDS长度小于44,则会采用
EMBSTR
编码,此时object head与SDS是一对连续空间。申请内存时只需要调用一次内存分配函数,效率更高。
为什么以44字节为界限?
当sds长度为44时,整个redis对象加起来一共是64字节。redis底层会以2的n次方去做内存分配,而64刚好是一个分片大小,所以不会产生内存碎片
所以,采用String类型时,sds长度最好不要超过44字节。
- INT编码:如果存储的字符串是整数值,并且大小在LONG_MAX范围内,则会采用
INT
编码,直接将数据保存在RedisObject的ptr指针位置(指针刚好是8字节),不需要SDS了。
8.2 List
Redis的List结构类似于一个双端链表,可以从首、尾操作列表中的元素:
- 在3.2版本之前,Redis采用ZipList和LinkedList来实现List,当元素数量小于512并且元素大小小于64字节时采用ZipList编码,超过则采用LinkedList编码。
- 在3.2版本之后,Redis统一采用QuickList来实现List。
8.3 Set
Set是Redis中的单列集合,满足以下特点:
- 不保证有序性
- 保证元素唯一(可以判断元素是否存在)
- 求交集,并集,差集
可以看出,Set对查询元素的效率要求非常高,在Redis中 Dict
数据结构可以满足,不过Dict是双列集合(可以存键又可以存值)。
Set是redis中的集合,不一定确保元素有序,可以满足元素唯一,查询效率要求极高。Set有以下两种编码方式:
- HT编码:为了查询效率和唯一性,Set采用
HT
编码(Dict),Dict中的key用来存储元素,value统一为null。 - IntSet编码:当存储的所有数据都是整数,并且元素数量不超过
set-max-intset-entries
时,Set会采用IntSet编码以节省内存。(set-max-intset-entries的默认值是512)
每次往Set集合中添加元素,就会判断元素的编码,如果原来一直都是IntSet编码,但是这个添加的元素不是整数,就要将全部的元素都转成HT编码。
流程如下:
①:当前Set集合的编码是Intset。
②:此时往Set集合中添加元素m1,sadd s1 m1
,由于m1不是整数,所以Set集合的编码方式就改变了。
8.4 ZSet
ZSet也就是SortedSet,其中么一个元素都需要制定一个score值和member值:
- 可以根据score值排序
- member必须唯一
- 可以根据member查询socre
因此,zset底层数据结构必须满足键值存储、键必须唯一、可排序这几个需求。哪些编码结构可以满足?
- SkipList:可以排序,并且可以同时存储score和ele值(member)
- HT(Dict):可以键值存储,并且可以根据key找value
当元素数量不多时,HT和SkipList的优势不明显,而且更耗内存。因此zset还会采用ZipList结构来节省内存,不过需要同时满足两个条件:
- 元素数量小于
zset_max_ziplist_entries
,默认值128个 - 每个元素都小于
zset_max_ziplist_value
,默认值64字节
由于ZipList本身没有排序功能,而且没有键值对的概念,所以需要有zset通过编码实现:
- ZipList是连续内存,因此score和element是紧挨在一起的两个entry,element在前,score灾后
- score越小越接近队首,score越大越接近队尾,按照score值升序排列
8.5 Hash
Hash结构与Redis中的Zset非常类似:
- 都是键值存储
- 都需要根据键获取值
- 键必须唯一
区别如下:
- zset的键是member,值是score,hash的键和值都是任意值
- zset要根据score排序,hash则无需排序
因此,Hash底层采用的编码与Zset基本一致,只需要把排序有关的SkipList去掉即可:
- Hash结构默认采用ZipList编码,用以节省内存。ZipList中相邻的两个entry分别保存field和value
- 当数据量较大时,Hash结构会转为HT编码,也就是Dict,触发的条件有两个:
- ZipList中的元素数量超过了
hash-max-ziplist-entries
(默认512个) - ZipList中的任意entry大小超过了
hash-max-ziplist-value
(默认64字节)
- ZipList中的元素数量超过了
当不满足上述两个条件时,Hash结构转为HT编码: