Redis专题(2):Redis数据结构底层探秘

开发 开发工具 Redis
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。

前言

上篇文章Redis闲谈(1):构建知识图谱介绍了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:

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:

Redis的数据模型

  • 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:

  1. 127.0.0.1:6379> set name tom 
  2. OK 
  3. 127.0.0.1:6379> object encoding name 
  4. "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。

  1. 127.0.0.1:6379> set age 18 
  2. OK 
  3. 127.0.0.1:6379> object encoding age 
  4. "int" 

如下表格总结Redis中所有的数据结构类型:

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(https://redis.io/topics/data-types-intro):

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。

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。

  1. struct SDS<T> { 
  2.   T capacity; // 数组容量 
  3.   T len; // 数组长度 
  4.   byte[] content; // 数组内容 

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:

  1. 127.0.0.1:6379> set num 300 
  2. 127.0.0.1:6379> object encoding num 
  3. "int" 
  4. 127.0.0.1:6379> set key1 wealwaysbyhappyhahaha 
  5. OK 
  6. 127.0.0.1:6379> object encoding key1 
  7. "embstr" 
  8. 127.0.0.1:6379> set key2 hahahahahahahaahahahahahahahahahahahaha 
  9. OK 
  10. 127.0.0.1:6379> strlen key2 
  11. (integer) 39 
  12. 127.0.0.1:6379> object encoding key2 
  13. "embstr" 
  14. 127.0.0.1:6379> set key2 hahahahahahahaahahahahahahahahahahahahahahaha 
  15. OK 
  16. 127.0.0.1:6379> object encoding key2 
  17. "raw" 
  18. 127.0.0.1:6379> strlen key2 
  19. (integer) 45 

aw类型和embstr类型对比:

embstr编码的结构:

raw编码的结构:

  • 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

  1. struct RedisObject { 
  2.     int4 type; // 4bits 
  3.     int4 encoding; // 4bits 
  4.     int24 lru; // 24bits 
  5.     int32 refcount; // 4bytes = 32bits 
  6.     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:

  1. struct SDS { 
  2.     unsigned int capacity; // 4byte 
  3.     unsigned int len; // 4byte 
  4.     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:

  1. struct SDS { 
  2.     int8 capacity; // 1byte 
  3.     int8 len; // 1byte 
  4.     int8 flags; // 1byte 
  5.     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:

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. 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。

(1) 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:

  1. 127.0.0.1:6379> rpush dotahero sf qop doom 
  2. (integer) 3 
  3. 127.0.0.1:6379> object encoding dotahero 
  4. "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。

  1. struct ziplist<T> { 
  2.     int32 zlbytes; // 整个压缩列表占用字节数 
  3.     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 
  4.     int16 zllength; // 元素个数 
  5.     T[] entries; // 元素内容列表,挨个挨个紧凑存储 
  6.     int8 zlend; // 标志压缩列表的结束,值恒为 0xFF 

 

(2) 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。

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。

(3) 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)

  1. struct ziplist { 
  2.     ... 
  3. struct ziplist_compressed { 
  4.     int32 size; 
  5.     byte[] compressed_data; 
  6. struct quicklistNode { 
  7.     quicklistNode* prev; 
  8.     quicklistNode* next; 
  9.     ziplist* zl; // 指向压缩列表 
  10.     int32 size; // ziplist 的字节总数 
  11.     int16 count; // ziplist 中的元素数量 
  12.     int2 encoding; // 存储形式 2bit,原生字节数组还是 LZF 压缩存储 
  13.     ... 
  14. struct quicklist { 
  15.     quicklistNode* head; 
  16.     quicklistNode* tail; 
  17.     long count; // 元素总数 
  18.     int nodes; // ziplist 节点的个数 
  19.     int compressDepth; // LZF 算法压缩深度 
  20.     ... 

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。

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。

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。

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。想要深入了解的话可以参考之前写的一篇博客: hashmap你真的了解吗?

(https://blog.csdn.net/qq_32519415/article/details/87006982)

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。

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。

  1. 127.0.0.1:6379> sadd myset 111 222 333 
  2. (integer) 3 
  3. 127.0.0.1:6379> object encoding myset 
  4. "intset" 
  5. 127.0.0.1:6379> sadd myset hahaha 
  6. (integer) 1 
  7. 127.0.0.1:6379> object encoding myset 
  8. "hashtable" 

inset的数据结构为:

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

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:

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:

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:

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:

  1. typedef struct zskiplist { 
  2.      // 表头节点和表尾节点 
  3.     struct zskiplistNode *header, *tail; 
  4.     // 表中节点的数量 
  5.     unsigned long length; 
  6.     // 表中层数最大的节点的层数 
  7.     int level; 
  8.  } zskiplist; 
  9. typedef struct zskiplistNode { 
  10.     // 成员对象 
  11.     robj *obj; 
  12.     // 分值 
  13.     double score; 
  14.      // 后退指针 
  15.     struct zskiplistNode *backward; 
  16.     // 层 
  17.     struct zskiplistLevel { 
  18.         // 前进指针 
  19.         struct zskiplistNode *forward; 
  20.          // 跨度---前进指针所指向节点与当前节点的距离 
  21.         unsigned int span; 
  22.     } level[]; 
  23. } 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)

总结

本文大概介绍了Redis的5种常用数据类型的底层实现,希望大家结合源码和资料更深入地了解。

数据结构之美在Redis中体现得淋漓尽致,从String到压缩列表、快速列表、散列表、跳表,这些数据结构都适用在了不同的地方,各司其职。

不仅如此,Redis将这些数据结构加以升级、结合,将内存存储的效率性能达到了极致,正因为如此,Redis才能成为众多互联网公司不可缺少的高性能、秒级的key-value内存数据库。

【本文是51CTO专栏机构宜信技术学院的原创文章,微信公众号“宜信技术学院( id: CE_TECH)”】

戳这里,看该作者更多好文

责任编辑:赵宁宁 来源: 51CTO专栏
相关推荐

2019-04-17 15:35:37

Redis数据库数据结构

2019-10-29 08:59:16

Redis底层数据

2023-11-12 21:49:10

Redis数据库

2022-05-23 08:19:19

Redis数据结构内存

2020-03-20 10:47:51

Redis数据库字符串

2019-06-21 15:20:05

Redis数据结构数据库

2023-03-06 08:40:43

RedisListJava

2024-01-26 06:42:05

Redis数据结构

2020-06-29 07:44:36

Redis

2023-01-09 08:42:04

String数据类型

2019-09-02 09:48:39

Redis数据结构对象

2019-09-27 08:53:47

Redis数据C语言

2020-10-21 12:45:12

Redis数据结构

2023-09-15 08:14:48

HashMap负载因子

2020-03-02 13:45:18

Redis数据结构Java

2023-09-13 08:08:41

Redis消息队列

2021-02-07 22:24:59

Redis数据存储

2021-08-29 07:41:48

数据HashMap底层

2018-07-30 08:37:02

数据库Redis数据结构

2023-04-11 08:00:56

Redis类型编码
点赞
收藏

51CTO技术栈公众号