Redis容量评估模型
一、redis常用数据结构
做容量评估之前，有必要对redis常用数据结构有大概了解。
1、SDS
redis没有直接使用c语言传统的字符串（以空字符为结尾的字符数组），而是自己创建了一种名为SDS（简单动态字符串）的抽象类型，用作redis默认的字符串。
SDS的定义如下（
sds.h/sdshdr
）：
struct sdshdr { int len; // 记录buf数组中已使用字节的数量下图1展示了一个SDS实例：
图1. SDS示例图
图1的SDS实例中存储了字符串“Redis”， sdshdr中对应的free长度为5，len长度为5， SDS占用的总字节数为
sizeof(int) * 2 + 5 + 5 + 1 = 19
。
2、链表
链表在redis中的应用非常广泛，列表键的底层实现之一就是链表。每个链表节点使用一个listNode结构来表示，具体定义如下（
adlist.h/listNode
）：
typedef struct listNode { struct listNode *prev; // 前置节点redis另外还使用了list结构来管理链表，以方便操作，具体定义如下（
adlist.h/list
）：
typedef struct list {listNode结构占用的总字节数为24，list结构占用的总字节数为48。
3、跳跃表
redis采用跳跃表（skiplist）作为有序集合键的底层实现之一，跳跃表是一种有序数据结构，它通过在每个节点中维持多个指向其他节点的指针，从而达到快速访问节点的目的。
跳跃表由
redis.h/zskiplistNode
和
redis.h/zskiplist
两个结构定义，zskiplistNode结构具体定义如下：
typedef struct zskiplistNode {跳跃表可以理解为多层的有序双向链表，zskiplistNode结构用于表示跳跃表节点，obj属性和score属性分别表示具体的值对象和对应的排序分值，backward属性和forward属性分别表示后退和前进指针，和普通链表不同，前进指针可以直接指向后续第n个节点，两个节点之间的距离用span属性表示。
每个跳跃表节点的level数组大小不定，当节点新生成时，程序都会根据幂次定律（power low，越大的数出现的概率越小）随机生成一个介于1和32之间的值作为level数组的大小。zskiplistNode结构占用的总字节数为
（24 + 16*n）
，n为level数组的大小。
zskiplist结构具体定义如下：
typedef struct zskiplist { struct zskiplistNode *header, *tail; // 表头节点和表尾结点zskiplist结构则用于保存跳跃表节点的相关信息，header和tail分别指向跳跃表的表头和表尾节点，length记录节点总数量，level记录跳跃表中层高最大的那个节点的层数量。zskiplist结构占用的总字节数为32。
下图2展示了一个跳跃表示例：
图2. 跳跃表示例图
位于图片最左边的是zskiplist结构，位于zskiplist结构右边的是四个zskiplistNode结构，header指向跳跃表的表头节点，表头节点和其他节点的构造是一样的，但后退指针、分值、成员对象这些属性都不会被用到，所以被省略，只显示其各个层。
4、字典
字典在redis中的应用很广泛，redis的数据库就是使用字典作为底层实现的，具体数据结构定义如下（
dict.h/dict
）：
typedef struct dict {type属性和privdata属性是为了针对不同类型的键值对而设置的，此处了解即可。dict中还保存了一个长度为2的dictht哈希表数组，哈希表负责保存具体的键值对，一般情况下字典只使用
ht[0]
哈希表，只有在rehash时才使用
ht[1]
。dict结构占用的总节数为88。
字典所使用的哈希表dictht结构定义如下（
dict.h/dictht
）：
typedef struct dictht {table属性是一个数组，数组中每个元素都是一个指向dictEntry结构的指针，每个dictEntry结构就是一个哈希表节点，保存一个具体的键值对。size记录了哈希表总大小，used记录了哈希表已有节点的数量，sizemark值总是等于
size -1
，它和哈希值一起决定每个键的索引。dictht结构占用的总节数为32。
哈希节点使用dictEntry结构表示，具体定义如下（
dict.h/dictEntry
）：
typedef struct dictEntry { void *key; void *val; struct dictEntry *next;redis的哈希表采用链地址法来解决哈希冲突问题，多个哈希值相同的键值对通过链表连接在一起。dictEntry结构占用的总字节数为24。
字典的整体结构关系如下图3所示：
图3. 字典整体结构关系图
随着哈希表保存的键值对逐渐增多，哈希表中每个桶的冲突链会越来越长，为了让哈希表的负载因子维持在一个合理范围，redis会自动通过rehash的方式扩展哈希表。
rehash的过程大概就是先为
ht[1]
分配对应的空间，然后将
ht[0]
中的所有节点转移到
ht[1]
中，最后再释放
ht[0]
所占用的空间。rehash后新生成的dictEntry节点数组大小等于超过当前key个数向上求整的2的n次方，比如当前key个数为100，则新生成的节点数组大小就是128。
5、对象
前面介绍了redis的常用数据结构，但redis大多数情况下并没有直接使用这些数据结构来实现键值对数据库，而是基于这些数据结构创建了一个对象系统，每个对象都包含了一种具体数据结构。比如，当redis数据库新创建一个键值对时，就需要创建一个值对象，值对象的
*ptr
属性指向具体的SDS字符串。
每个对象都由一个redisObject结构表示，具体定义如下（
redis.h/redisObject
）：
typedef struct redisObject { unsigned type: 4; // 对象类型具体属性此处不再详细描述，只需知道redisObject结构占用的总字节数为16。
二、jemalloc内存分配规则
jemalloc是一种通用的内存管理方法，着重于减少内存碎片和支持可伸缩的并发性，我们部门的redis版本中就引入了jemalloc，做redis容量评估前必须对jemalloc的内存分配规则有一定了解。
jemalloc基于申请内存的大小把内存分配分为三个等级：small，large，huge：
Small Object 的size以8字节，16字节，32字节等分隔开，小于页大小；
Large Object 的size以分页为单位，等差间隔排列，小于chunk的大小；
Huge Object 的大小是chunk大小的整数倍。
对于64位系统，一般chunk大小为4M，页大小为4K，内存分配的具体规则如下：
三、redis容量评估
redis容量评估模型根据key类型而有所不同。
1、string
一个简单的set命令最终会产生4个消耗内存的结构，中间free掉的不考虑：
1个dictEntry结构，24字节，负责保存具体的键值对；
1个redisObject结构，16字节，用作val对象；
1个SDS结构，（key长度 + 9）字节，用作key字符串；
1个SDS结构，（val长度 + 9）字节，用作val字符串；
当key个数逐渐增多，redis还会以rehash的方式扩展哈希表节点数组，即增大哈希表的bucket个数，每个bucket元素都是个指针（
dictEntry*
），占8字节，bucket个数是超过key个数向上求整的2的n次方。
真实情况下，每个结构最终真正占用的内存还要考虑jemalloc的内存分配规则，综上所述，string类型的容量评估模型为：
总内存消耗 = （dictEntry大小 + redisObject大小 +
key_SDS
大小 +
val_SDS
大小）×key个数 + bucket个数 ×指针大小
测试验证
string类型容量评估测试脚本如下：
#!/bin/shold_memory=`./redis-cli -h 0 -p 10009 info|grep used_memory:|awk -F: '{printf "%d", $2}'`echo "before test, memory used: $old_memory"for((i=1000; i<3000; i++))do测试用例中，key长度为 13，value长度为15，key个数为2000，根据上面总结的容量评估模型，容量预估值为2000 ×（32 + 16 + 32 + 32） + 2048× 8 = 240384
运行测试脚本，得到结果如下：
结果都是240384，说明模型预估的十分精确。
2、hash
哈希对象的底层实现数据结构可能是zipmap或者hashtable，当同时满足下面这两个条件时，哈希对象使用zipmap这种结构（此处列出的条件都是redis默认配置，可以更改）：
哈希对象保存的所有键值对的键和值的字符串长度都小于64字节；
哈希对象保存的键值对的数量都小于512个；
可以看出，业务侧真实使用场景基本都不能满足这两个条件，所以哈希类型大部分都是hashtable结构，因此本篇文章只讲hashtable，对zipmap结构感兴趣的同学可以私下咨询我。
与string类型不同的是，hash类型的值对象并不是指向一个SDS结构，而是指向又一个dict结构，dict结构保存了哈希对象具体的键值对，hash类型结构关系如图4所示：
图4. hash类型结构关系图
一个hmset命令最终会产生以下几个消耗内存的结构：
1个dictEntry结构，24字节，负责保存当前的哈希对象；
1个SDS结构，（key长度 + 9）字节，用作key字符串；
1个redisObject结构，16字节，指向当前key下属的dict结构；
1个dict结构，88字节，负责保存哈希对象的键值对；
n个dictEntry结构，24×n字节，负责保存具体的field和value，n等于field个数；
n个redisObject结构，16×n字节，用作field对象；
n个redisObject结构，16×n字节，用作value对象；
n个SDS结构，（field长度 + 9）× n字节，用作field字符串；
n个SDS结构，（value长度 + 9）× n字节，用作value字符串；
因为hash类型内部有两个dict结构，所以最终会有产生两种rehash，一种rehash基准是field个数，另一种rehash基准是key个数，结合jemalloc内存分配规则，hash类型的容量评估模型为：
总内存消耗 = [（redisObject大小 ×2 +
field_SDS
大小 +
val_SDS
大小 + dictEntry大小）× field个数 +
field_bucket
个数× 指针大小 + dict大小 + redisObject大小 +
key_SDS
大小 + dictEntry大小 ] × key个数 +
key_bucket
个数×指针大小
测试验证
hash类型容量评估测试脚本如下：
#!/bin/shvalue_prefix="test_value_123456789012345678901234567890123456789012345678901234567890_"old_memory=`./redis-cli -h 0 -p 10009 info|grep used_memory:|awk -F: '{printf "%d", $2}'`echo "before test, memory used: $old_memory"for((i=100; i<300; i++))do测试用例中，key长度为 12，field长度为14，value长度为75，key个数为200，field个数为200，根据上面总结的容量评估模型，容量预估值为[（16 + 16 + 32 + 96 + 32）×200 + 256×8 + 96 + 16 + 32 + 32 ]× 200 + 256× 8 = 8126848
运行测试脚本，得到结果如下：
结果相差40，说明模型预测比较准确。
3、zset
同哈希对象类似，有序集合对象的底层实现数据结构也分两种：ziplist或者skiplist，当同时满足下面这两个条件时，有序集合对象使用ziplist这种结构（此处列出的条件都是redis默认配置，可以更改）：
有序集合对象保存的元素数量小于128个；
有序集合保存的所有元素成员的长度都小于64字节；
业务侧真实使用时基本都不能同时满足这两个条件，因此这里只讲skiplist结构的情况。skiplist类型的值对象指向一个zset结构，zset结构同时包含一个字典和一个跳跃表，占用的总字节数为16，具体定义如下（
redis.h/zset
）：
typedef struct zset {跳跃表按分值从小到大保存了所有集合元素，每个跳跃表节点都保存了一个集合元素，dict字典为有序集合创建了一个从成员到分值的映射，字典中的每个键值对都保存了一个集合元素，这两种数据结构会通过指针来共享相同元素的成员和分值，没有浪费额外的内存。zset类型的结构关系如图5所示：
图5. zset类型结构关系图
一个zadd命令最终会产生以下几个消耗内存的结构：
1个dictEntry结构，24字节，负责保存当前的有序集合对象；
1个SDS结构，（key长度 + 9）字节，用作key字符串；
1个redisObject结构，16字节，指向当前key下属的zset结构；
1个zset结构，16字节，负责保存下属的dict和zskiplist结构；
1个dict结构，88字节，负责保存集合元素中成员到分值的映射；
n个dictEntry结构，24×n字节，负责保存具体的成员和分值，n等于集合成员个数；
1个zskiplist结构，32字节，负责保存跳跃表的相关信息；
1个32层的zskiplistNode结构，24+16×32=536字节，用作跳跃表头结点；
n个zskiplistNode结构，（24+16×m）×n字节，用作跳跃表节点，m等于节点层数；
n个redisObject结构，16×n字节，用作集合中的成员对象；
n个SDS结构，（value长度 + 9）×n字节，用作成员字符串；
因为每个zskiplistNode节点的层数都是根据幂次定律随机生成的，而容量评估需要确切值，因此这里采用概率中的期望值来代替单个节点的大小，结合jemalloc内存分配规则，经计算，单个zskiplistNode节点大小的期望值为53.336。
zset类型内部同样包含两个dict结构，所以最终会有产生两种rehash，一种rehash基准是成员个数，另一种rehash基准是key个数，zset类型的容量评估模型为：
总内存消耗 = [（
val_SDS
大小 + redisObject大小 + zskiplistNode大小 + dictEntry大小）×value个数 +
value_bucket
个数 ×指针大小 + 32层zskiplistNode大小 + zskiplist大小 + dict大小 + zset大小 + redisObject大小 +
key_SDS
大小 + dictEntry大小 ] ×key个数 +
key_bucket
个数 × 指针大小
测试验证
zset类型容量评估测试脚本如下：
#!/bin/shvalue_prefix="test_value_123456789012345678901234567890123456789012345678901234567890_"old_memory=`./redis-cli -h 0 -p 10009 info|grep used_memory:|awk -F: '{printf "%d", $2}'`echo "before test, memory used: $old_memory"for((i=100; i<300; i++))do测试用例中，key长度为 12，value长度为75，key个数为200，value个数为200，根据上面总结的容量评估模型，容量预估值为[（96 + 16 + 53.336 + 32）×200 + 256×8 + 640 + 32 + 96 + 16 + 16 + 32 + 32 ] ×200 + 256 × 8 = 8477888
运行测试脚本，得到结果如下：
结果相差672，说明模型预测比较准确。
4、list
列表对象的底层实现数据结构同样分两种：ziplist或者linkedlist，当同时满足下面这两个条件时，列表对象使用ziplist这种结构（此处列出的条件都是redis默认配置，可以更改）：
列表对象保存的所有字符串元素的长度都小于64字节；
列表对象保存的元素数量小于512个；
因为实际使用情况，这里同样只讲linkedlist结构。linkedlist类型的值对象指向一个list结构，具体结构关系如图6所示：
图6. linkedlist类型结构关系图
一个rpush或者lpush命令最终会产生以下几个消耗内存的结构：
1个dictEntry结构，24字节，负责保存当前的列表对象；
1个SDS结构，（key长度 + 9）字节，用作key字符串；
1个redisObject结构，16字节，指向当前key下属的list结构；
1个list结构，48字节，负责管理链表节点；
n个listNode结构，24×n字节，n等于value个数；
n个redisObject结构，16×n字节，用作链表中的值对象；
n个SDS结构，（value长度 + 9）×n字节，用作值对象指向的字符串；
list类型内部只有一个dict结构，rehash基准为key个数，综上，list类型的容量评估模型为：
总内存消耗 = [（
val_SDS
大小 + redisObject大小 + listNode大小）× value个数 + list大小 + redisObject大小 +
key_SDS
大小 + dictEntry大小 ] × key个数 +
key_bucket
个数 × 指针大小
测试验证
list类型容量评估测试脚本如下：
#!/bin/shvalue_prefix="test_value_123456789012345678901234567890123456789012345678901234567890_"old_memory=`./redis-cli -h 0 -p 10009 info|grep used_memory:|awk -F: '{printf "%d", $2}'`echo "before test, memory used: $old_memory"for((i=100; i<300; i++))do测试用例中，key长度为 12，value长度为75，key个数为200，value个数为200，根据上面总结的容量评估模型，容量预估值为[（96 + 16 + 32） ×200 + 48 + 16 + 32 + 32 ] × 200 + 256 ×8 = 5787648
运行测试脚本，得到结果如下：
