0 概述
1 通用命令
2 数据结构和内部编码
2.1 Redis 没有传统关系型数据库的Table 模型
schema 所对应的db仅以编号区分。同一个db 内,key 作为顶层模型,它的值是扁平化的。也就是说db 就是key的命名空间
key的定义通常以“:” 分隔,如:Article:Count:1
我们常用的Redis数据类型有:string、list、set、map、sorted-set
2.2 redisObject通用结构
Redis中的所有value 都是以object 的形式存在的,其通用结构如下
typedef struct redisObject {
unsigned [type] 4;
unsigned [encoding] 4;
unsigned [lru] REDIS_LRU_BITS;
int refcount;
void *ptr;
} robj;
- type 指的是前面提到的 string、list 等类型
- encoding 指的是这些结构化类型具体的实现方式,同一个类型可以有多种实现
e.g. string 可以用int 来实现,也可以使用char[] 来实现;list 可以用ziplist 或者链表来实现 - lru 表示本对象的空转时长,用于有限内存下长时间不访问的对象清理
- refcount 对象引用计数,用于GC
- ptr 指向以encoding 方式实现这个对象实际实现者的地址
如:string 对象对应的SDS地址(string的数据结构/简单动态字符串)
3 单线程
4 string-字符串
Redis中的string 可以表示很多语义
- 字节串(bits)
- 整数
- 浮点数
这三种类型,redis会根据具体的场景完成自动转换,并且根据需要选取底层的承载方式
例如整数可以由32-bit/64-bit、有符号/无符号承载,以适应不同场景对值域的要求
也能是 json 串或者 xml 结构
4.1 内存结构
在Redis内部,string的内部以 int、SDS(简单动态字符串 simple dynamic string)作为存储结构
- int 用来存放整型
- SDS 用来存放字节/字符和浮点型SDS结构
(1)SDS
typedef struct sdshdr {
// buf中已经占用的字符长度
unsigned int len;
// buf中剩余可用的字符长度
unsigned int free;
// 数据空间
char buf[];
}
结构图
上面存储的内容为“Redis”,Redis采用类似C语言的存储方法,使用'\0'结尾(仅仅是定界符)
上面SDS的free 空间大小为0,当free > 0时,buf中的free 区域的引入提升了SDS对字符串的处理性能,可以减少处理过程中的内存申请和释放次数
(2) buf 的扩容与缩容
当对SDS 进行操作时,如果超出了容量。SDS会对其进行扩容,触发条件如下:
- 字节串初始化时,buf的大小 = len + 1,即加上定界符'\0'刚好用完所有空间
- 当对串的操作后小于1M时,扩容后的buf 大小 = 业务串预期长度 * 2 + 1,也就是扩大2倍。
- 对于大小 > 1M的长串,buf总是留出 1M的 free空间,即2倍扩容,但是free最大为 1M。
(3)字节串与字符串
SDS中存储的内容可以是ASCII 字符串,也可以是字节串
由于SDS通过len 字段来确定业务串的长度,因此业务串可以存储非文本内容
对于字符串的场景,buf[len] 作为业务串结尾的'\0' 又可以复用C的已有字符串函数
(4)SDS编码的优化
value 在内存中有2个部分:redisObject和ptr 指向的字节串部分。在创建时,通常要分别为2个部分申请内存,但是对于小字节串,可以一次性申请。
String类型的value基本操作
除此之外,string 类型的value还有一些CAS的原子操作,如:get、set、set value nx(如果不存在就设置)、set value xx(如果存在就设置)。
String 类型是二进制安全的,也就是说在Redis中String类型可以包含各种数据,比如一张JPEG图片或者是一个序列化的Ruby对象。一个String类型的值最大长度可以是512M。
在Redis中String有很多有趣的用法
- 把String当做原子计数器,这可以使用INCR家族中的命令来实现:INCR, DECR, INCRBY。
- 使用APPEND命令来给一个String追加内容。
- 把String当做一个随机访问的向量(Vector),这可以使用GETRANGE和 SETRANGE命令来实现
- 使用GETBIT 和SETBIT方法,在一个很小的空间中编码大量的数据,或者创建一个基于Redis的Bloom Filter 算法。
5 List
Redis的列表类型中存储一系列String值,这些String按照插入的顺序排序
Redis的List可以从头部(左侧)加入元素,也可以从尾部(右侧)加入元素
5.1 内存数据结构
List 类型的 value对象,由 linkedlist 或者 ziplist 实现
当 List 元素个数少并且元素内容长度不大
采用ziplist 实现,否则使用linkedlist
5.1.1 linkedlist实现
链表的代码结构
typedef struct list {
// 头结点
listNode *head;
// 尾节点
listNode *tail;
// 节点值复制函数
void *(*dup)(void * ptr);
// 节点值释放函数
void *(*free)(void *ptr);
// 节点值对比函数
int (*match)(void *ptr, void *key);
// 链表长度
unsigned long len;
} list;
// Node节点结构
typedef struct listNode {
struct listNode *prev;
struct listNode *next;
void *value;
} listNode;
linkedlist 结构图
5.1.2 ziplist实现
ziplist 存储在连续内存
组成结构图
- zlbytes:表示ziplist 的总长度
- zltail:指向最末元素。
- zllen:表示元素的个数。
- entry:为元素内容。
- zlend:恒为0xFF,作为ziplist的定界符
从上面的结构可以看出,对于linkedlist和 ziplist,它们的rpush、rpop、llen的时间复杂度都是O(1)
但是对于ziplist,lpush、lpop都会牵扯到所有数据的移动,时间复杂度为O(N)
但是由于List的元素少,体积小,这种情况还是可控的
对于ziplist 的每个Entry 其结构如下
记录前一个相邻的Entry的长度,作用是方便进行双向遍历,类似于linkedlist 的prev 指针
ziplist是连续存储,指针由偏移量来承载
Redis中实现了2种方式的实现
- 当前邻 Entry的长度小于254 时,使用1字节来实现
- 否则使用5个字节
这里面会有个问题,就是当前一个Entry的长度变化时,这时候有可能会造成后续的所有空间移动。当然这种情况发生的可能性比较小。
Entry内容本身是自描述的,意味着第二部分(Entry内容)包含了几个信息:Entry内容类型、长度和内容本身。而内容本身包含:类型长度部分和内容本身部分。类型和长度同样采用变长编码:
- 00xxxxxx :string类型;长度小于64,0~63可由6位bit 表示,即xxxxxx表示长度
- 01xxxxxx|yyyyyyyy : string类型;长度范围是[64, 16383],可由14位 bit 表示,即xxxxxxyyyyyyyy这14位表示长度。
- 10xxxxxx|yy..y(32个y) : string类型,长度大于16383.
- 1111xxxx :integer类型,integer本身内容存储在xxxx 中,只能是1~13之间取值。也就是说内容类型已经包含了内容本身。
- 11xxxxxx :其余的情况,Redis用1个字节的类型长度表示了integer的其他几种情况,如:int_32、int_24等。
由此可见,ziplist 的元素结构采用的是可变长的压缩方法,针对于较小的整数/字符串的压缩效果较好
LPUSH 命令是在头部加入一个新元素,RPUSH 命令是在尾部加入一个新元素。当在一个空的键值(key)上执行这些操作时会创建一个新的列表。类似的,当一个操作清空了一个list时,这个list对应的key会被删除。这非常好理解,因为从命令的名字就可以看出这个命令是做什么操作的。如果使用一个不存在的key调用的话就会使用一个空的list。
一些例子:
LPUSH mylist a # 现在list是 "a"
LPUSH mylist b # 现在list是"b","a"
RPUSH mylist c # 现在list是 "b","a","c" (注意这次使用的是 RPUSH)
list的最大长度是2^32 – 1个元素(4294967295,一个list中可以有多达40多亿个元素)
从时间复杂度的角度来看,Redis list类型的最大特性是:即使是在list的头端或者尾端做百万次的插入和删除操作,也能保持稳定的很少的时间消耗。在list的两端访问元素是非常快的,但是如果要访问一个很大的list中的中间部分的元素就会比较慢了,时间复杂度是O(N)
Redis的List类型有很多有趣的用法
- 在社交网络中使用List进行时间表建模,使用LPUSH命令在用户时间线中加入新的元素,然后使用LRANGE 命令来获得最近加入的元素。
- 可以把LPUSH 和LTRIM 命令结合使用来实现定长的列表,列表中只保存最近的N个元素
- 在创建后台运行的工作时,Lists可以作为消息传递原语,例如著名的Ruby库 Resque
- 还有很多可以使用lists来做的事,这种数据类型支持很多命令,包括像BLPOP这样的阻塞命令
6 Sets
Set类似List,但是它是一个无序集合,包含的元素不重复
向集合中添加多次相同的元素,集合中只存在一个该元素。在实际应用中,这意味着在添加一个元素前不需要先检查元素是否存在。
支持多个服务器端命令来从现有集合开始计算集合,所以执行集合的交集,并集,差集都可以很快
set的最大长度是2^32 – 1个元素(4294967295,一个set中可以有多达40多亿个元素)
6.1 内存数据结构
Set在Redis中以intset 或 hashtable来存储。Hashtable前面已经介绍过了,对于Set,HashTable的value永远为NULL
当Set中只包含整型数据时,采用intset作为实现
6.1 .1 intset
intset的核心元素是一个字节数组,其中从小到大有序的存放着set的元素
typedef struct intset {
// 编码方式
uint32_t enconding;
// 集合包含的元素数量
uint32_t length;
// 保存元素的数组
int8_t contents[];
} intset;
结构图
因为元素有序排列,所以SET的获取操作采用二分查找的方式,复杂度为O(log(N))
进行插入操作时,首先通过二分查找到要插入的位置,再对元素进行扩容
然后将插入位置之后的所有元素向后移动一个位置,最后插入元素。时间复杂度为O(N)。
为了使二分查找的速度足够快,存储在content 中的元素是定长的。
当插入2018 时,所有的元素向后移动,并且不会发生覆盖的情况
并且当Set 中存放的整型元素集中在小整数范围[-128, 127]内时,可以大大的节省内存空间。这里面需要注意的是:IntSet支持升级,但是不支持降级。
-
记录唯一的事物
比如,你想知道访问某个博客的IP地址,不要重复的IP,这种情况只需要在每次处理一个请求时简单的使用SADD命令就可以了,可以确信不会插入重复的IP -
表示关系
你可以使用Redis创建一个标签系统,每个标签使用一个Set来表示。然后你可以使用SADD命令把具有特定标签的所有对象的所有ID放在表示这个标签的Set中
如果你想要知道同时拥有三个不同标签的对象,那么使用SINTER命令就好了 -
你可以使用SPOP 或者 SRANDMEMBER 命令从集合中随机的提取元素。
7 Hashes/ Maps
因为Redis本身是一个key - valueObject的结构,Hash类型的结构可以理解为subkey - subvalue
这里面的subkey - subvalue只能是
- 整型
- 浮点型
- 字符串
因为Map的value 可以表示整型和浮点型,因此Map也可以使用hincrby
对某个field的value值做自增操作
7.1 内存数据结构
Map可以由HashTable 和 ziplist 两种方式来承载。对于数据量较小的Map,使用ziplist 实现
7.1.1 HashTable 实现
HashTable在Redis 中分为3 层,自底向上分别是:
- dictEntry:管理一个field - value 对,保留同一桶中相邻元素的指针,以此维护Hash 桶中的内部链
- dictht:维护Hash表的所有桶链
- dict:当dictht需要扩容/缩容时,用户管理dictht的迁移
dict是Hash表存储的顶层结构
// 哈希表(字典)数据结构,Redis 的所有键值对都会存储在这里。其中包含两个哈希表。
typedef struct dict {
// 哈希表的类型,包括哈希函数,比较函数,键值的内存释放函数
dictType *type;
// 存储一些额外的数据
void *privdata;
// 两个哈希表
dictht ht[2];
// 哈希表重置下标,指定的是哈希数组的数组下标
int rehashidx; /* rehashing not in progress if rehashidx == -1 */
// 绑定到哈希表的迭代器个数
int iterators; /* number of iterators currently running */
} dict;
Hash表的核心结构是dictht,它的table 字段维护着 Hash 桶,桶(bucket)是一个数组,数组的元素指向桶中的第一个元素(dictEntry)。
typedef struct dictht {
//槽位数组
dictEntry **table;
//槽位数组长度
unsigned long size;
//用于计算索引的掩码
unsigned long sizemask;
//真正存储的键值对数量
unsigned long used;
} dictht;
结构图
从上图可以看出,Hash表使用的是 链地址法 解决Hash冲突
当一个bucket 中的Entry 很多时,Hash表的插入性能会下降,此时就需要增加bucket的个数来减少Hash 冲突
7.1.1.1 Hash表扩容
和大多数Hash表实现一样,Redis引入负载因子判定是否需要增加bucket个数
负载因子 = Hash表中已有元素 / bucket数量
扩容之后bucket的数量是原先的2倍
目前有2 个阀值:
-
小于1 时一定不扩容
-
大于5 时一定扩容
-
在1 ~ 5 之间时,Redis 如果没有进行
bgsave/bdrewrite
操作时则会扩容 -
当key - value 对减少时,低于0.1时会进行缩容。缩容之后,bucket的个数是原先的0.5倍
7.1.2 ziplist 实现
这里面的ziplist 和List的ziplist实现类似,都是通过Entry 存放element
和List不同的是,Map对应的ziplist 的Entry 个数总是2的整数倍,第奇数个Entry 存放key,下一个相邻的Entry存放value
ziplist承载时,Map的大多数操作不再是O(1)了,而是由Hash表遍历,变成了链表的遍历,复杂度变为O(N)
由于Map相对较小时采用ziplist,采用Hash表时计算hash值的开销较大,因此综合起来ziplist的性能相对好一些
方便单条更新,但是信息非整体,不便管理
Redis Hashes 保存String域和String值之间的映射,所以它们是用来表示对象的绝佳数据类型(比如一个有着用户名,密码等属性的User对象)
| `1` | `@cli` |
| `2` | `HMSET user:1000 username antirez password P1pp0 age 34` |
| `3` | `HGETALL user:1000` |
| `4` | `HSET user:1000 password 12345` |
| `5` | `HGETALL user:1000` |
一个有着少量数据域(这里的少量大概100上下)的hash,其存储方式占用很小的空间,所以在一个小的Redis实例中就可以存储上百万的这种对象
Hash的最大长度是2^32 – 1个域值对(4294967295,一个Hash中可以有多达40多亿个域值对)
8 Sorted sets 类型(有序集合类型)
类似于Map的key-value对,但有序
- key :key-value对中的键,在一个Sorted-Set中不重复
- value : 浮点数,称为 score
- 有序 :内部按照score 从小到大的顺序排列
8.1 基本操作
由于Sorted-Set 本身包含排序信息,在普通Set 的基础上,Sorted-Set 新增了一系列和排序相关的操作:
Sorted-Set的基本操作
8.2 内部数据结构
Sorted-Set类型的valueObject 内部由
- ziplist
作为ziplist的实现方式和Map类似,由于Sorted-Set包含了Score的排序信息,ziplist内部的key-value元素对的排序方式也是按照Score递增排序的,意味着每次插入数据都要移动之后的数据
因此ziplist适用于元素个数不多,元素内容不大的场景。 - skiplist+hashtable
对于更通用的场景,Sorted-Set使用sliplist来实现。
8.2.1 skiplist
和通用的跳表不同的是,Redis为每个level 对象增加了span 字段,表示该level 指向的forward节点和当前节点的距离,使得getByRank类的操作效率提升
typedef struct zskiplist {
//表头节点和表尾节点
structz skiplistNode *header,*tail;
//表中节点数量
unsigned long length;
//表中层数最大的节点的层数
int level;
} zskiplist;
从上图可以看出,每次向skiplist 中新增或者删除一个节点时,需要同时修改图标中红色的箭头,修改其forward和span的值
需要修改的箭头和对skip进行查找操作遍历并废弃过的路径是吻合的
对于span的修改仅仅是+1或者-1 。skiplist 的查找复杂度平均是 O(Log(N)),因此add / remove的复杂度也是O(Log(N))。因此Redis中新增的span 提升了获取rank(排序)操作的性能,仅需对遍历路径相加即可(矢量相加)
还有一点需要注意的是,每个skiplist的节点level 大小都是随机生成的(1-32之间)。
skiplistNode的代码结构
typedef struct zskiplistNode {
// 层
struct zskiplistLevel{
struct zskiplistNode *forward; // 前进指针
unsigned int span; // 跨度
} level[];
// 后退指针
struct zskiplistNode *backward;
// 分值
double score;
// 成员对象
robj *obj;
}
8.2.2 hashtable
skiplist 是zset 实现顺序相关操作比较高效的数据结构,但是对于简单的zscore操作效率并不高。Redis在实现时,同时使用了Hashtable和skiplist,代码结构如下:
typedef struct zset {
dict *dict;
zskiplist *zsl;
} zset;
Hash表的存在使得Sorted-Set中的Map相关操作复杂度由O(N)变为O(1)。
Redis有序集合类型与Redis的集合类型类似,是非重复的String元素的集合。不同之处在于,有序集合中的每个成员都关联一个Score,Score是在排序时候使用的,按照Score的值从小到大进行排序。集合中每个元素是唯一的,但Score有可能重复。
使用有序集合可以很高效的进行,添加,移除,更新元素的操作(时间消耗与元素个数的对数成比例)。由于元素在集合中的位置是有序的,使用get ranges by score或者by rank(位置)来顺序获取或者随机读取效率都很高。(本句不确定,未完全理解原文意思,是根据自己对Redis的浅显理解进行的翻译)访问有序集合中间部分的元素也非常快,所以可以把有序集合当做一个不允许重复元素的智能列表,你可以快速访问需要的一切:获取有序元素,快速存在测试,快速访问中间的元素等等。
简短来说,使用有序集合可以实现很多高性能的工作,这一点在其他数据库是很难实现的。
使用有序集合你可以:
-
在大型在线游戏中创建一个排行榜,每次有新的成绩提交,使用ZADD命令加入到有序集合中。可以使用ZRANGE命令轻松获得成绩名列前茅的玩家,你也可以使用ZRANK根据一个用户名获得该用户的分数排名。把ZRANK 和 ZRANGE结合使用你可以获得与某个指定用户分数接近的其他用户。这些操作都很高效。
-
有序集合经常被用来索引存储在Redis中的数据。比如,如果你有很多用户,用Hash来表示,可以使用有序集合来为这些用户创建索引,使用年龄作为Score,使用用户的ID作为Value,这样的话使用ZRANGEBYSCORE 命令可以轻松和快速的获得某一年龄段的用户。
有序集合可能是Redis中最高级的数据类型了,所以请花一些时间查看一下 有序集合命令列表 来获得更多信息,同时你可能也想阅读Redis数据类型介绍
Bitmaps and HyperLogLogs类型(位图类型和HyperLogLogs类型)
Redis 也支持位图类型和HyperLogLogs 类型,他们是在String基本类型基础上建立的类型,但有自己的语义。
网友评论