你知道 Redis数据结构底层实现吗?一文详解,彻底弄懂

存储 存储软件 Redis
我们在面试时,常常可以遇到的面试题是关于redis,这是很多面试官都喜欢的一个部分。而今天要讲的,是redis的底层数据结构,并非是我们所理解中的五大数据结构。

我们在面试时,常常可以遇到的面试题是关于redis,这是很多面试官都喜欢的一个部分。而今天要讲的,是redis的底层数据结构,并非是我们所理解中的五大数据结构。那么,redis底层数据结构到底是怎样的呢?你知道 Rdidis数据结构底层实现吗?

[[278045]]

1. 字符串处理(string)

我们都知道redis是用C语言写,但是C语言处理字符串和数组的成本是很高的,下面我分别说几个例子。

没有数据结构支撑的几个问题

  1. 及其容易造成缓冲区溢出问题,比如用strcat(),在用这个函数之前必须要先给目标变量分配足够的空间,否则就会溢出。
  2. 如果要获取字符串的长度,没有数据结构的支撑,可能就需要遍历,它的复杂度是O(N)
  3. 内存重分配。C字符串的每次变更(曾长或缩短)都会对数组作内存重分配。同样,如果是缩短,没有处理好多余的空间,也会造成内存泄漏。

好了,Redis自己构建了一种名叫Simple dynamic string(SDS)的数据结构,他分别对这几个问题作了处理。我们先来看看它的结构源码:

  1. struct sdshdr{ 
  2.  //记录buf数组中已使用字节的数量 
  3.  //等于 SDS 保存字符串的长度 
  4.  int len; 
  5.  //记录 buf 数组中未使用字节的数量 
  6.  int free
  7.  //字节数组,用于保存字符串 
  8.  char buf[]; 

再来说说它的优点:

  1. 开发者不用担心字符串变更造成的内存溢出问题。
  2. 常数时间复杂度获取字符串长度len字段。
  3. 空间预分配free字段,会默认留够一定的空间防止多次重分配内存。

这就是string的底层实现,更是redis对所有字符串数据的处理方式(SDS会被嵌套到别的数据结构里使用)。

2. 链表

Redis的链表在双向链表上扩展了头、尾节点、元素数等属性。

 

你知道 Redis数据结构底层实现吗?一文详解,彻底弄懂

 

2.1 源码

ListNode节点数据结构:

  1. typedef struct listNode{ 
  2.  //前置节点 
  3.  struct listNode *prev; 
  4.  //后置节点 
  5.  struct listNode *next
  6.  //节点的值 
  7.  void *value;  
  8. }listNode 

链表数据结构:

  1. typedef struct list{ 
  2.  //表头节点 
  3.  listNode *head; 
  4.  //表尾节点 
  5.  listNode *tail; 
  6.  //链表所包含的节点数量 
  7.  unsigned long len; 
  8.  //节点值复制函数 
  9.  void (*free) (void *ptr); 
  10.  //节点值释放函数 
  11.  void (*free) (void *ptr); 
  12.  //节点值对比函数 
  13.  int (*match) (void *ptr,void *key); 
  14. }list; 

从上面可以看到,Redis的链表有这几个特点:

  1. 可以直接获得头、尾节点。
  2. 常数时间复杂度得到链表长度。
  3. 是双向链表。

3. 字典(Hash)

Redis的Hash,就是在数组+链表的基础上,进行了一些rehash优化等。

 

你知道 Redis数据结构底层实现吗?一文详解,彻底弄懂

 

3.1 数据结构源码

哈希表:

  1. typedef struct dictht { 
  2.  // 哈希表数组 
  3.  dictEntry **table
  4.  // 哈希表大小 
  5.  unsigned long size
  6.  // 哈希表大小掩码,用于计算索引值 
  7.  // 总是等于 size - 1 
  8.  unsigned long sizemask; 
  9.  // 该哈希表已有节点的数量 
  10.  unsigned long used; 
  11. } dictht; 

Hash表节点:

  1. typedef struct dictEntry { 
  2.  // 键 
  3.  void *key
  4.  // 值 
  5.  union { 
  6.  void *val; 
  7.  uint64_t u64; 
  8.  int64_t s64; 
  9.  } v; 
  10.  // 指向下个哈希表节点,形成链表 
  11.  struct dictEntry *next; // 单链表结构 
  12. } dictEntry; 

字典:

  1. typedef struct dict { 
  2.  // 类型特定函数 
  3.  dictType *type; 
  4.  // 私有数据 
  5.  void *privdata; 
  6.  // 哈希表 
  7.  dictht ht[2]; 
  8.  // rehash 索引 
  9.  // 当 rehash 不在进行时,值为 -1 
  10.  int rehashidx; /* rehashing not in progress if rehashidx == -1 */ 
  11. } dict; 

可以看出:

  1. Reids的Hash采用链地址法来处理冲突,然后它没有使用红黑树优化。
  2. 哈希表节点采用单链表结构。
  3. rehash优化。

下面我们讲一下它的rehash优化。

3.2 rehash

当哈希表的键对泰国或者太少,就需要对哈希表的大小进行调整,redis是如何调整的呢?

我们仔细可以看到dict结构里有个字段dictht ht[2]代表有两个dictht数组。第一步就是为ht[1]哈希表分配空间,大小取决于ht[0]当前使用的情况。

将保存在ht[0]中的数据rehash(重新计算哈希值)到ht[1]上。

当ht[0]中所有键值对都迁移到ht[1]后,释放ht[0],将ht[1]设置为ht[0],并ht[1]初始化,为下一次rehash做准备。

3.3 渐进式rehash

我们在3.2中看到,redis处理rehash的流程,但是更细一点的讲,它如何进行数据迁的呢?

这就涉及到了渐进式rehash,redis考虑到大量数据迁移带来的cpu繁忙(可能导致一段时间内停止服务),所以采用了渐进式rehash的方案。步骤如下:

为ht[1]分配空间,同时持有两个哈希表(一个空表、一个有数据)。

维持一个技术器rehashidx,初始值0。

每次对字典增删改查,会顺带将ht[0]中的数据迁移到ht[1],rehashidx++(注意:ht[0]中的数据是只减不增的)。

直到rehash操作完成,rehashidx值设为-1。

它的好处:采用分而治之的思想,将庞大的迁移工作量划分到每一次CURD中,避免了服务繁忙。

4. 跳跃表

这个数据结构是我面试中见过最多的,它其实特别简单。学过的人可能都知道,它和平衡树性能很相似,但为什么不用平衡树而用skipList呢?

 

你知道 Redis数据结构底层实现吗?一文详解,彻底弄懂

 

4.1 skipList & AVL 之间的选择

  • 从算法实现难度上来比较,skiplist比平衡树要简单得多。
  • 平衡树的插入和删除操作可能引发子树的调整,逻辑复杂,而skiplist的插入和删除只需要修改相邻节点的指针,操作简单又快速。
  • 查找单个key,skiplist和平衡树的时间复杂度都为O(log n),大体相当。
  • 在做范围查找的时候,平衡树比skiplist操作要复杂。
  • skiplist和各种平衡树(如AVL、红黑树等)的元素是有序排列的。

可以看到,skipList中的元素是有序的,所以跳跃表在redis中用在有序集合键、集群节点内部数据结构

4.2 源码

跳跃表节点:

  1. typedef struct zskiplistNode { 
  2.   
  3.  // 后退指针 
  4.  struct zskiplistNode *backward; 
  5.   
  6.  // 分值 
  7.  double score; 
  8.   
  9.  // 成员对象 
  10.  robj *obj; 
  11.   
  12.  // 层 
  13.  struct zskiplistLevel { 
  14.   
  15.  // 前进指针 
  16.  struct zskiplistNode *forward
  17.   
  18.  // 跨度 
  19.  unsigned int span; 
  20.   
  21.  } level[]; 
  22.   
  23. } zskiplistNode; 

跳跃表:

  1. typedef struct zskiplist { 
  2.   
  3.  // 表头节点和表尾节点 
  4.  struct zskiplistNode *header, *tail; 
  5.   
  6.  // 表中节点的数量 
  7.  unsigned long length; 
  8.   
  9.  // 表中层数最大的节点的层数 
  10.  int level
  11.   
  12. } zskiplist; 

它有几个概念:

4.2.1 层(level[])

层,也就是level[]字段,层的数量越多,访问节点速度越快。(因为它相当于是索引,层数越多,它索引就越细,就能很快找到索引值)

4.2.2 前进指针(forward)

层中有一个forward字段,用于从表头向表尾方向访问。

4.2.3 跨度(span)

用于记录两个节点之间的距离

4.2.4 后退指针(backward)

用于从表尾向表头方向访问。

案例

  1. level0 1---------->5 
  2. level1 1---->3---->5 
  3. level2 1->2->3->4->5->6->7->8 

比如我要找键为6的元素,在level0中直接定位到5,然后再往后走一个元素就找到了。

5. 整数集合(intset)

Reids对整数存储专门作了优化,intset就是redis用于保存整数值的集合数据结构。当一个结合中只包含整数元素,redis就会用这个来存储。

  1. 127.0.0.1:6379[2]> sadd number 1 2 3 4 5 6 
  2. (integer) 6 
  3. 127.0.0.1:6379[2]> object encoding number 
  4. "intset" 

源码

intset数据结构:

  1. typedef struct intset { 
  2.   
  3.  // 编码方式 
  4.  uint32_t encoding; 
  5.   
  6.  // 集合包含的元素数量 
  7.  uint32_t length; 
  8.   
  9.  // 保存元素的数组 
  10.  int8_t contents[]; 
  11.   
  12. } intset; 

你肯定很好奇编码方式(encoding)字段是干嘛用的呢?

  • 如果 encoding 属性的值为 INTSET_ENC_INT16 , 那么 contents 就是一个 int16_t 类型的数组, 数组里的每个项都是一个 int16_t 类型的整数值 (最小值为 -32,768 ,最大值为 32,767 )。
  • 如果 encoding 属性的值为 INTSET_ENC_INT32 , 那么 contents 就是一个 int32_t 类型的数组, 数组里的每个项都是一个 int32_t 类型的整数值 (最小值为 -2,147,483,648 ,最大值为 2,147,483,647 )。
  • 如果 encoding 属性的值为 INTSET_ENC_INT64 , 那么 contents 就是一个 int64_t 类型的数组, 数组里的每个项都是一个 int64_t 类型的整数值 (最小值为 -9,223,372,036,854,775,808 ,最大值为 9,223,372,036,854,775,807 )。

说白了就是根据contents字段来判断用哪个int类型更好,也就是对int存储作了优化。

说到优化,那redis如何作的呢?就涉及到了升级。

5.1 encoding升级

如果我们有个Int16类型的整数集合,现在要将65535(int32)加进这个集合,int16是存储不下的,所以就要对整数集合进行升级。

它是怎么升级的呢(过程)?

假如现在有2个int16的元素:1和2,新加入1个int32位的元素65535。

内存重分配,新加入后应该是3个元素,所以分配3*32-1=95位。

选择最大的数65535, 放到(95-32+1, 95)位这个内存段中,然后2放到(95-32-32+1+1, 95-32)位...依次类推。

升级的好处是什么呢?

  • 提高了整数集合的灵活性。
  • 尽可能节约内存(能用小的就不用大的)。

5.2 不支持降级

按照上面的例子,如果我把65535又删掉,encoding会不会又回到Int16呢,答案是不会的。官方没有给出理由,我觉得应该是降低性能消耗吧,毕竟调整一次是O(N)的时间复杂度。

6. 压缩列表(ziplist)

ziplist是redis为了节约内存而开发的顺序型数据结构。它被用在列表键和哈希键中。一般用于小数据存储。

引用https://segmentfault.com/a/1190000016901154中的两个图:

 

你知道 Redis数据结构底层实现吗?一文详解,彻底弄懂

 

 

你知道 Redis数据结构底层实现吗?一文详解,彻底弄懂

 

6.1 源码

ziplist没有明确定义结构体,这里只作大概的演示。

  1. typedef struct entry { 
  2.  /*前一个元素长度需要空间和前一个元素长度*/ 
  3.  unsigned int prevlengh; 
  4.  /*元素内容编码*/ 
  5.  unsigned char encoding; 
  6.  /*元素实际内容*/ 
  7.  unsigned char *data; 
  8. }zlentry; 
  9. tpedef struct ziplist{ 
  10.  /*ziplist分配的内存大小*/ 
  11.  uint32_t zlbytes; 
  12.  /*达到尾部的偏移量*/ 
  13.  uint32_t zltail; 
  14.  /*存储元素实体个数*/ 
  15.  uint16_t zllen; 
  16.  /*存储内容实体元素*/ 
  17.  unsigned char* entry[]; 
  18.  /*尾部标识*/ 
  19.  unsigned char zlend; 
  20. }ziplist; 

第一次看可能会特别蒙蔽,你细细的把我这段话看完就一定能懂。

Entry的分析

entry结构体里面有三个重要的字段:

  • previous_entry_length: 这个字段记录了ziplist中前一个节点的长度,什么意思?就是说通过该属性可以进行指针运算达到表尾向表头遍历,这个字段还有一个大问题下面会讲。
  • encoding:记录了数据类型(int16? string?)和长度。
  • data/content: 记录数据。

连锁更新

previous_entry_length字段的分析

上面有说到,previous_entry_length这个字段存放上个节点的长度,那默认长度给分配多少呢?redis是这样分的,如果前节点长度小于254,就分配1字节,大于的话分配5字节,那问题就来了。

如果前一个节点的长度刚开始小于254字节,后来大于254,那不就存放不下了吗?这就涉及到previous_entry_length的更新,但是改一个肯定不行阿,后面的节点内存信息都需要改。所以就需要重新分配内存,然后连锁更新包括该受影响节点后面的所有节点。

除了增加新节点会引发连锁更新、删除节点也会触发。

7. 快速列表(quicklist)

一个由ziplist组成的双向链表。但是一个quicklist可以有多个quicklist节点,它很像B树的存储方式。是在redis3.2版本中新加的数据结构,用在列表的底层实现。

 

你知道 Redis数据结构底层实现吗?一文详解,彻底弄懂

 

结构体源码

表头结构:

  1. typedef struct quicklist { 
  2.  //指向头部(最左边)quicklist节点的指针 
  3.  quicklistNode *head; 
  4.   
  5.  //指向尾部(最右边)quicklist节点的指针 
  6.  quicklistNode *tail; 
  7.   
  8.  //ziplist中的entry节点计数器 
  9.  unsigned long count; /* total count of all entries in all ziplists */ 
  10.   
  11.  //quicklist的quicklistNode节点计数器 
  12.  unsigned int len; /* number of quicklistNodes */ 
  13.   
  14.  //保存ziplist的大小,配置文件设定,占16bits 
  15.  int fill : 16; /* fill factor for individual nodes */ 
  16.   
  17.  //保存压缩程度值,配置文件设定,占16bits,0表示不压缩 
  18.  unsigned int compress : 16; /* depth of end nodes not to compress;0=off */ 
  19. } quicklist; 

quicklist节点结构:

  1. typedef struct quicklistNode { 
  2.  struct quicklistNode *prev; //前驱节点指针 
  3.  struct quicklistNode *next; //后继节点指针 
  4.   
  5.  //不设置压缩数据参数recompress时指向一个ziplist结构 
  6.  //设置压缩数据参数recompress指向quicklistLZF结构 
  7.  unsigned char *zl; 
  8.   
  9.  //压缩列表ziplist的总长度 
  10.  unsigned int sz; /* ziplist size in bytes */ 
  11.   
  12.  //ziplist中包的节点数,占16 bits长度 
  13.  unsigned int count : 16; /* count of items in ziplist */ 
  14.   
  15.  //表示是否采用了LZF压缩算法压缩quicklist节点,1表示压缩过,2表示没压缩,占2 bits长度 
  16.  unsigned int encoding : 2; /* RAW==1 or LZF==2 */ 
  17.   
  18.  //表示一个quicklistNode节点是否采用ziplist结构保存数据,2表示压缩了,1表示没压缩,默认是2,占2bits长度 
  19.  unsigned int container : 2; /* NONE==1 or ZIPLIST==2 */ 
  20.   
  21.  //标记quicklist节点的ziplist之前是否被解压缩过,占1bit长度 
  22.  //如果recompress为1,则等待被再次压缩 
  23.  unsigned int recompress : 1; /* was this node previous compressed? */ 
  24.   
  25.  //测试时使用 
  26.  unsigned int attempted_compress : 1; /* node can't compress; too small */ 
  27.   
  28.  //额外扩展位,占10bits长度 
  29.  unsigned int extra : 10; /* more bits to steal for future usage */ 
  30. } quicklistNode; 

相关配置

在redis.conf中的ADVANCED CONFIG部分:

  1. list-max-ziplist-size -2 
  2. list-compress-depth 0 

list-max-ziplist-size参数

我们来详细解释一下list-max-ziplist-size这个参数的含义。它可以取正值,也可以取负值。

当取正值的时候,表示按照数据项个数来限定每个quicklist节点上的ziplist长度。比如,当这个参数配置成5的时候,表示每个quicklist节点的ziplist最多包含5个数据项。

当取负值的时候,表示按照占用字节数来限定每个quicklist节点上的ziplist长度。这时,它只能取-1到-5这五个值,每个值含义如下:

-5: 每个quicklist节点上的ziplist大小不能超过64 Kb。(注:1kb => 1024 bytes)

-4: 每个quicklist节点上的ziplist大小不能超过32 Kb。

-3: 每个quicklist节点上的ziplist大小不能超过16 Kb。

-2: 每个quicklist节点上的ziplist大小不能超过8 Kb。(-2是Redis给出的默认值)

list-compress-depth参数

这个参数表示一个quicklist两端不被压缩的节点个数。注:这里的节点个数是指quicklist双向链表的节点个数,而不是指ziplist里面的数据项个数。实际上,一个quicklist节点上的ziplist,如果被压缩,就是整体被压缩的。

参数list-compress-depth的取值含义如下:

0: 是个特殊值,表示都不压缩。这是Redis的默认值。 1: 表示quicklist两端各有1个节点不压缩,中间的节点压缩。 2: 表示quicklist两端各有2个节点不压缩,中间的节点压缩。 3: 表示quicklist两端各有3个节点不压缩,中间的节点压缩。 依此类推…

Redis对于quicklist内部节点的压缩算法,采用的LZF——一种无损压缩算法。

责任编辑:武晓燕 来源: 博客园
相关推荐

2023-12-12 07:31:51

Executors工具开发者

2019-06-21 15:20:05

Redis数据结构数据库

2020-05-13 09:14:16

哈希表数据结构

2020-05-20 09:55:42

Git底层数据

2024-10-16 10:11:52

2023-11-08 07:56:38

单链表双链表

2021-08-29 07:41:48

数据HashMap底层

2022-01-04 08:54:32

Redis数据库数据类型

2020-11-10 10:26:16

串口打印工具

2021-08-31 07:36:22

LinkedListAndroid数据结构

2021-12-20 07:59:07

Go语言结构体

2024-11-07 15:36:34

2019-10-29 08:59:16

Redis底层数据

2019-06-12 22:51:57

Redis软件开发

2022-08-09 09:10:43

Kubernetes容器

2023-11-28 09:31:55

MySQL算法

2019-04-17 15:35:37

Redis数据库数据结构

2019-09-03 10:40:23

数据结构HTML编程

2023-02-23 19:32:03

DOMJavascript开发

2020-05-13 17:12:21

大数据分布式引擎
点赞
收藏

51CTO技术栈公众号