Redis专题(2)：Redis数据结构底层探秘-白红宇

Redis专题(2)：Redis数据结构底层探秘

阅读量：5925 次

发布时间：2019-06-19

本文共 8840 字，大约阅读时间需要 29 分钟。

前言

上篇文章介绍了redis的基本概念、优缺点以及它的内存淘汰机制，相信大家对redis有了初步的认识。互联网的很多应用场景都有着Redis的身影，它能做的事情远远超出了我们的想像。Redis的底层数据结构到底是什么样的呢，为什么它能做这么多的事情？本文将探秘Redis的底层数据结构以及常用的命令。

本文知识脑图如下：

在这里插入图片描述

一、Redis的数据模型

用键值对 name："小明" 来展示Redis的数据模型如下：

在这里插入图片描述

dictEntry: 在一些编程语言中，键值对的数据结构被称为字典，而在Redis中，会给每一个key-value键值对分配一个字典实体，就是“dicEntry”。dicEntry包含三部分： key的指针、val的指针、next指针 ，next指针指向下一个dicteEntry形成链表，这个next指针可以将多个哈希值相同的键值对链接在一起， 通过链地址法来解决哈希冲突的问题

sds ： Simple Dynamic String ，简单动态字符串，存储字符串数据。

redisObject ：Redis的5种常用类型都是以RedisObject来存储的，redisObject中的 type 字段指明了值的数据类型（也就是5种基本类型)。ptr 字段指向对象所在的地址。

RedisObject对象很重要，Redis 对象的类型 、 内部编码 、 内存回收 、 共享对象 等功能，都是基于RedisObject对象来实现的。

这样设计的好处是：可以针对不同的使用场景，对5种常用类型设置多种不同的数据结构实现，从而优化对象在不同场景下的使用效率。

Redis将jemalloc作为默认内存分配器，减小内存碎片。jemalloc在64位系统中，将内存空间划分为小、大、巨大三个范围；每个范围内又划分了许多小的内存块单位；当Redis存储数据时，会选择大小最合适的内存块进行存储。

二、Redis支持的数据结构

Redis支持的数据结构有哪些？

如果回答是String、List、Hash、Set、Zset就不对了，这5种是redis的常用基本数据类型，每一种数据类型内部还包含着多种数据结构。

用encoding指令来看一个值的数据结构。比如：

127.0.0.1:6379> set name tomOK127.0.0.1:6379> object encoding name"embstr"

此处设置了name值是tom，它的数据结构是embstr，下文介绍字符串时会详解说明。

127.0.0.1:6379> set age 18OK127.0.0.1:6379> object encoding age"int"

如下表格总结Redis中所有的数据结构类型：

底层数据结构	编码常量	object encoding指令输出
整数类型	REDIS_ENCODING_INT	"int"
embstr字符串类型	REDIS_ENCODING_EMBSTR	"embstr"
简单动态字符串	REDIS_ENCODING_RAW	"raw"
字典类型	REDIS_ENCODING_HT	"hashtable"
双端链表	REDIS_ENCODING_LINKEDLIST	"linkedlist"
压缩列表	REDIS_ENCODING_ZIPLIST	"ziplist"
整数集合	REDIS_ENCODING_INTSET	"intset"
跳表和字典	REDIS_ENCODING_SKIPLIST	"skiplist"

补充说明

假如面试官问：redis的数据类型有哪些？

回答：String、list、hash、set、zet

一般情况下这样回答是正确的，前文也提到redis的数据类型确实是包含这5种，但细心的同学肯定发现了之前说的是 “常用” 的5种数据类型。其实，随着Redis的不断更新和完善，Redis的数据类型早已不止5种了。

登录redis的官方网站打开官方的数据类型介绍：

在这里插入图片描述

发现Redis支持的数据结构不止5种，而是8种，后三种类型分别是：

位数组（或简称位图）：使用特殊命令可以处理字符串值，如位数组：您可以设置和清除各个位，将所有位设置为1，查找第一个位或未设置位，等等。

HyperLogLogs：这是一个概率数据结构，用于估计集合的基数。不要害怕，它比看起来更简单。

Streams：仅附加的类似于地图的条目集合，提供抽象日志数据类型。

本文主要介绍5种常用的数据类型，上述三种以后再共同探索。

2.1 string字符串

字符串类型是redis最常用的数据类型，在Redis中，字符串是可以修改的，在底层它是以字节数组的形式存在的。

Redis中的字符串被称为简单动态字符串「SDS」，这种结构很像Java中的ArrayList，其长度是动态可变的.

struct SDS
     
       {  T capacity; // 数组容量  T len; // 数组长度  byte[] content; // 数组内容}

在这里插入图片描述

content[] 存储的是字符串的内容， capacity 表示数组分配的长度， len 表示字符串的实际长度。

字符串的编码类型有int、embstr和raw三种，如上表所示，那么这三种编码类型有什么不同呢？

int 编码 ：保存的是可以用 long 类型表示的整数值。

raw 编码 ：保存长度大于44字节的字符串（redis3.2版本之前是39字节，之后是44字节）。

embstr 编码 ：保存长度小于44字节的字符串（redis3.2版本之前是39字节，之后是44字节）。

设置一个值测试一下：

127.0.0.1:6379> set num 300127.0.0.1:6379> object encoding num"int"127.0.0.1:6379> set key1 wealwaysbyhappyhahahaOK127.0.0.1:6379> object encoding key1"embstr"127.0.0.1:6379> set key2 hahahahahahahaahahahahahahahahahahahahaOK127.0.0.1:6379> strlen key2(integer) 39127.0.0.1:6379> object encoding key2"embstr"127.0.0.1:6379> set key2 hahahahahahahaahahahahahahahahahahahahahahahaOK127.0.0.1:6379> object encoding key2"raw"127.0.0.1:6379> strlen key2(integer) 45

raw类型和embstr类型对比

embstr编码的结构:

在这里插入图片描述

raw编码的结构：

raw编码

embstr和raw都是由redisObject和sds组成的。不同的是：embstr的redisObject和sds是连续的，只需要使用 malloc 分配一次内存；而raw需要为redisObject和sds分别分配内存，即需要分配两次内存。

所有相比较而言，embstr少分配一次内存，更方便。但embstr也有明显的缺点：如要增加长度，redisObject和sds都需要重新分配内存。

上文介绍了embstr和raw结构上的不同。重点来了~ 为什么会选择44作为两种编码的分界点？在3.2版本之前为什么是39？这两个值是怎么得出来的呢？

1）计算RedisObject占用的字节大小

struct RedisObject {    int4 type; // 4bits    int4 encoding; // 4bits    int24 lru; // 24bits    int32 refcount; // 4bytes = 32bits    void *ptr; // 8bytes，64-bit system}

type: 不同的redis对象会有不同的数据类型(string、list、hash等)，type记录类型，会用到 4bits 。

encoding：存储编码形式，用 4bits 。

lru：用 24bits 记录对象的LRU信息。

refcount：引用计数器，用到 32bits 。

*ptr：指针指向对象的具体内容，需要 64bits 。

计算： 4 + 4 + 24 + 32 + 64 = 128bits = 16bytes

第一步就完成了，RedisObject对象头信息会占用 16字节 的大小，这个大小通常是固定不变的.

2) sds占用字节大小计算

旧版本：

struct SDS {    unsigned int capacity; // 4byte    unsigned int len; // 4byte    byte[] content; // 内联数组，长度为 capacity}

这里的 unsigned int 一个4字节，加起来是8字节.

内存分配器jemalloc分配的内存如果超出了64个字节就认为是一个大字符串，就会用到embstr编码。

前面提到 SDS 结构体中的 content 的字符串是以字节\0结尾的字符串，之所以多出这样一个字节，是为了便于直接使用 glibc 的字符串处理函数，以及为了便于字符串的调试打印输出。所以我们还要减去1字节 64byte - 16byte - 8byte - 1byte = 39byte

新版本：

struct SDS {    int8 capacity; // 1byte    int8 len; // 1byte    int8 flags; // 1byte    byte[] content; // 内联数组，长度为 capacity}

这里unsigned int 变成了uint8_t、uint16_t.的形式，还加了一个char flags标识，总共只用了3个字节的大小。相当于优化了sds的内存使用，相应的用于存储字符串的内存就会变大。

然后进行计算：

在这里插入图片描述

64byte - 16byte -3byte -1byte = 44byte 。

总结：

所以，redis 3.2版本之后embstr最大能容纳的字符串长度是44，之前是39。长度变化的原因是SDS中内存的优化。

2.2 List

Redis中List对象的底层是由quicklist(快速列表)实现的，快速列表支持从链表头和尾添加元素，并且可以获取指定位置的元素内容。

那么，快速列表的底层是如何实现的呢？为什么能够达到如此快的性能？

罗马不是一日建成的，quicklist也不是一日实现的，起初redis的list的底层是ziplist（压缩列表）或者是 linkedlist（双端列表）。先分别介绍这两种数据结构。

ziplist 压缩列表

当一个列表中只包含少量列表项，且是小整数值或长度比较短的字符串时，redis就使用ziplist（压缩列表）来做列表键的底层实现。

测试：

127.0.0.1:6379> rpush dotahero sf qop doom(integer) 3127.0.0.1:6379> object encoding dotahero"ziplist"

此处使用老版本redis进行测试，向dota英雄列表中加入了qop痛苦女王、sf影魔、doom末日使者三个英雄，数据结构编码使用的是ziplist。

压缩列表顾名思义是进行了压缩，每一个节点之间没有指针的指向，而是多个元素相邻，没有缝隙。 所以 ziplist是Redis为了节约内存而开发的 ，是由一系列特殊编码的连续内存块组成的顺序型数据结构。具体结构相对比较复杂，大家有兴趣地话可以深入了解。

struct ziplist
     
       {    int32 zlbytes; // 整个压缩列表占用字节数    int32 zltail_offset; // 最后一个元素距离压缩列表起始位置的偏移量，用于快速定位到最后一个节点    int16 zllength; // 元素个数    T[] entries; // 元素内容列表，挨个挨个紧凑存储    int8 zlend; // 标志压缩列表的结束，值恒为 0xFF}

在这里插入图片描述

双端列表（linkedlist）

双端列表大家都很熟悉，这里的双端列表和java中的linkedlist很类似。

在这里插入图片描述

从图中可以看出Redis的linkedlist双端链表有以下特性：节点带有prev、next指针、head指针和tail指针，获取前置节点、后置节点、表头节点和表尾节点、获取长度的复杂度都是O(1)。

压缩列表占用内存少，但是是顺序型的数据结构，插入删除元素的操作比较复杂，所以压缩列表适合数据比较小的情况，当数据比较多的时候，双端列表的高效插入删除还是更好的选择

在Redis开发者的眼中，数据结构的选择，时间上、空间上都要达到极致，所以，他们将压缩列表和双端列表合二为一，创建了 快速列表（quicklist） 。和java中的hashmap一样，结合了数组和链表的优点。

快速列表（quicklist）

rpush: listAddNodeHead ---O(1)

lpush: listAddNodeTail ---O(1)

push:listInsertNode ---O(1)

index : listIndex ---O(N)

pop:ListFirst/listLast ---O(1)

llen:listLength ---O(N)

在这里插入图片描述

struct ziplist {    ...}struct ziplist_compressed {    int32 size;    byte[] compressed_data;}struct quicklistNode {    quicklistNode* prev;    quicklistNode* next;    ziplist* zl; // 指向压缩列表    int32 size; // ziplist 的字节总数    int16 count; // ziplist 中的元素数量    int2 encoding; // 存储形式 2bit，原生字节数组还是 LZF 压缩存储    ...}struct quicklist {    quicklistNode* head;    quicklistNode* tail;    long count; // 元素总数    int nodes; // ziplist 节点的个数    int compressDepth; // LZF 算法压缩深度    ...}

quicklist 默认的压缩深度是 0，也就是不压缩。压缩的实际深度由配置参数list-compress-depth决定。为了支持快速的 push/pop 操作，quicklist 的首尾两个 ziplist 不压缩，此时深度就是 1。如果深度为 2，表示 quicklist 的首尾第一个 ziplist 以及首尾第二个 ziplist 都不压缩。

2.3 Hash

Hash数据类型的底层实现是ziplist（压缩列表）或字典（也称为hashtable或散列表）。这里压缩列表或者字典的选择，也是根据元素的数量大小决定的。

在这里插入图片描述

如图hset了三个键值对，每个值的字节数不超过64的时候，默认使用的数据结构是 ziplist 。

在这里插入图片描述

当我们加入了字节数超过64的值的数据时，默认的数据结构已经成为了hashtable。

Hash对象只有同时满足下面两个条件时，才会使用ziplist（压缩列表）：

哈希中元素数量小于512个；

哈希中所有键值对的键和值字符串长度都小于64字节。

压缩列表刚才已经了解了，hashtables类似于jdk1.7以前的hashmap。hashmap采用了链地址法的方法解决了哈希冲突的问题。

Redis中的字典

redis中的dict 结构内部包含两个 hashtable，通常情况下只有一个 hashtable 是有值的。但是在 dict 扩容缩容时，需要分配新的 hashtable，然后进行渐进式搬迁，这时两个 hashtable 存储的分别是旧的 hashtable 和新的 hashtable。待搬迁结束后，旧的 hashtable 被删除，新的 hashtable 取而代之。

在这里插入图片描述

2.4 Set

Set数据类型的底层可以是 intset (整数集)或者是 hashtable (散列表也叫哈希表)。

当数据都是整数并且数量不多时，使用intset作为底层数据结构；当有除整数以外的数据或者数据量增多时，使用hashtable作为底层数据结构。

127.0.0.1:6379> sadd myset 111 222 333(integer) 3127.0.0.1:6379> object encoding myset"intset"127.0.0.1:6379> sadd myset hahaha(integer) 1127.0.0.1:6379> object encoding myset"hashtable"

inset的数据结构为：

typedef struct intset {    // 编码方式    uint32_t encoding;    // 集合包含的元素数量    uint32_t length;    // 保存元素的数组    int8_t contents[];} intset;

intset底层实现为有序、无重复数的数组。 intset的整数类型可以是16位的、32位的、64位的。如果数组里所有的整数都是16位长度的，新加入一个32位的整数，那么整个16的数组将升级成一个32位的数组。升级可以提升intset的灵活性，又可以节约内存，但不可逆。

2.5 Zset

Redis中的Zset，也叫做 有序集合 。它的底层是ziplist（压缩列表）或 skiplist （跳跃表）。

压缩列表前文已经介绍过了，同理是在元素数量比较少的时候使用。此处主要介绍跳跃列表。

跳表

跳跃列表，顾名思义是可以跳的，跳着查询自己想要查到的元素。大家可能对这种数据结构比较陌生，虽然平时接触的少，但它确实 是一个各方面性能都很好的数据结构，可以支持快速的查询、插入、删除操作，开发难度也比红黑树要容易的多 。

为什么跳表有如此高的性能呢？它究竟是如何“跳”的呢？跳表利用了二分的思想，在数组中可以用二分法来快速进行查找，在链表中也是可以的。

举个例子，链表如下：

在这里插入图片描述

假设要找到10这个节点，需要一个一个去遍历，判断是不是要找的节点。那如何提高效率呢？mysql索引相信大家都很熟悉，可以提高效率，这里也可以使用索引。抽出一个索引层来：

在这里插入图片描述

这样只需要找到9然后再找10就可以了，大大节省了查找的时间。

还可以再抽出来一层索引，可以更好地节约时间:

在这里插入图片描述

这样基于链表的“二分查找”支持快速的插入、删除，时间复杂度都是O(logn)。

由于跳表的快速查找效率，以及实现的简单、易读。所以Redis放弃了红黑树而选择了更为简单的跳表。

Redis中的跳跃表：

typedef struct zskiplist {     // 表头节点和表尾节点    struct zskiplistNode *header, *tail;    // 表中节点的数量    unsigned long length;    // 表中层数最大的节点的层数    int level; } zskiplist;typedef struct zskiplistNode {    // 成员对象    robj *obj;    // 分值    double score;     // 后退指针    struct zskiplistNode *backward;    // 层    struct zskiplistLevel {        // 前进指针        struct zskiplistNode *forward;         // 跨度---前进指针所指向节点与当前节点的距离        unsigned int span;    } level[];} zskiplistNode;

zadd---zslinsert---平均O(logN), 最坏O(N)

zrem---zsldelete---平均O(logN), 最坏O(N)

zrank--zslGetRank---平均O(logN), 最坏O(N)