思考
- redis有哪些数据类型,底层数据结构又有哪些?
- 哪些情况会导致redis变慢?
- 为什么有些数据结构查找速度慢,却还使用
- string的弊端,如何优化
1.redis数据类型和底层数据结构
redis基础数据类型有五种:
- 字符串string : 常用于缓存、限流、计数器、分布式锁、分布式session、签到等
- 列表List:有序,常用于存储时间轴上的事件,如生成历史报告
- 哈希Hash:常用于存储对象,如用户相关信息和商品信息
- 集合Set:常用于存储无序的多个元素,比如说说、朋友圈的赞、好友、文章标签、好友分组
- 有序集合Sorted Set:常用于排行榜,比如热搜、热销商品
底层数据结构:
- 简单动态字符串
- 压缩列表
- 双向链表
- 哈希表
- 跳表
- 整数数组
image.png
我们看到除了string类型底层实现只有一种,其他都有两种底层实现结构,我们把这四种类型称为集合类型(一个键对应一个集合的数据)
1.1键和值在redis中如何保存
image.pngredis使用哈希表保存所有键值对(一个数组,数组中的每个元素都是哈希桶),哈希桶中的元素保存的不是值本身,而是指向具体值的指针(即不管是string还是集合类型,哈希桶里保存的都是值指针)
image.png当然,既然是哈希表,就不可避免哈希冲突问题,对于哈希冲突,常见的使用办法就是拉出一个链表保存哈希值冲突的值,此时对于元素的查找速度不再是O(1),而是链表的逐个查找O(n)。
image.png
底层代码如下,一个键值对对应至少一个dict
#dict字典的数据结构
typedef struct dict{
dictType *type; //直线dictType结构,dictType结构中包含自定义的函数,这些函数使得key和value能够存储任何类型的数据
void *privdata; //私有数据,保存着dictType结构中函数的 参数
dictht ht[2]; //两张哈希表
long rehashidx; //rehash的标记,rehashidx=-1表示没有进行rehash,rehash时每迁移一个桶就对rehashidx加一
int itreators; //正在迭代的迭代器数量
}
#dict结构中ht[0]、ht[1]哈希表的数据结构
typedef struct dictht{
dictEntry[] table; //存放一个数组的地址,数组中存放哈希节点dictEntry的地址
unsingned long size; //哈希表table的大小,出始大小为4
unsingned long sizemask; //用于将hash值映射到table位置的索引,大小为(size-1)
unsingned long used; //记录哈希表已有节点(键值对)的数量
}
#哈希表节点结构定义
typedef struct dictEntity{
void *key;//键
//值
union{
void *val;//自定义类型
uint64_t u64;//无符号整形
int64_t s64;//符合整形
double d;//浮点型
} v;
struct dictEntity *next;//发生哈希冲突时使用。指向下一个哈希表节点,形成链表
}
随着数据量的增加,哈希冲突也越多,链表也被拉的很长,此时redis查找效率就会变低
1.2 rehash机制
为了防止上面的情况让redis变慢,redis会执行rehash操作,即增加现有的哈希桶,让增加的元素在更多哈希桶之间分散保存,减少单个桶元素数量(链表长度)
源码引入装载因子来判断是否需要扩容(rehash)
redis默认使用两个哈希表,一开始数据被插入在哈希表1中(此时哈希表2没有分配内存),随数据量增加redis开始执行rehash操作:
1 . 给表2分配更大空间
- 将表1数据重新映射并拷贝到哈希表2
- 释放哈希表1
其中第二步中,为防止大量数据拷贝而阻塞redis线程,让redis无法提供服务,redis采用渐进式rehash:数据拷贝时,服务端仍接收请求,在处理请求时,从哈希表1的第一个位置开始,到该请求需要的索引位置为止,将中间所有拷贝到哈希表2,同理处理下一个请求。说白了就是把大量拷贝分摊到多次处理请求的过程中
2.其他数据结构
2.1压缩列表
上文介绍了底层数据结构哈希表和rehash机制,接下来介绍压缩列表(其余几个在算法题目中都很常见,我都了解就不记录了)
实际上压缩列表类似一个数组,每个元素保存一个数据,但是表头有三个字段:
- zlbytes 列表长度
- zltail 列表尾的偏移量
- entry 列表中元素的个数
列表尾部有一个zlend字段表示结束
从结构上看,列表头部和尾部的查找都是O(1)的时间复杂度,其余都是O(n)(和整数数组一样),那既然在查找时间复杂度上没有优势,为啥redis还会把它当作底层数据结构?数组的特点是所有元素存储是紧挨着的,意味着分配的是一块连续的内存(避免内存碎片),当数据量小的时候就很有用,redis是内存缓存,节省空间对于redis也是很重要的
2.2简单字符串
我们知道string类型能保存数字、字符串和二进制流(但是get返回的只能是字符串) image.png那么string类型具体底层是如何保持数据的?
-
当保存64位有符号整数时,会保存为一个8字节的long类型整数(int编码方式)
-
当保存数据中包含字符串时,会用简单动态字符串保存(sds,simple dynamic string)
image.png -
len 4个字节表示buf已用长度
-
alloc 4个字节表示buf的实际分配长度,一般大于len
-
buf 字节数组,保存实际数据,会自动在数组末尾加"\0"(c 语言保存字符串特点),额外占用一个字节开销
- 注意当保存Long类型整数时,ptr直接赋值为整数数据,不再是指向整数的指针
- 当字符串小于44字节时,redisobject中的元数据、指针和SDS是一块连续的内存区域(embstr编码方式,避免内存碎片)
- 当大于44字节时,redisobject和sds不再一起内存布局,而是sds分配独立空间,再指向sds(raw编码)
假设现在redis要用string存储8位的数字,用经由int编码的redisobject保存,元数据占8字节,ptr部分(被long整形占用)占8字节,一共16字节,但是key也要保存(也是用redisobject保存),占用16字节,key和value一共32字节
image.pngdict结构体三个指针占用24字节,是不是总共24+32 = 56字节?实际是64字节!!因为redis内存分配库jemalloc在分配内存时,会根据申请的字节数N,找一个比N大,但是最接近N的2的幂次方作为分配空间(分配多点,减少频繁分配次数),如申请6字节(B)实际分配8字节(2的3次方),申请24字节,分配32字节(2的5次方),同理申请56字节,实际分配64(2的6次方)
明明有效信息只有一个16个字节(两个redisobject的ptr),却需要64字节内存空间,那么要保存1亿个该数据,就需要6.4GB内存空间,4.8GB内存都用来保存元数据,很明显,用string保存大量数据不是一个好选择,string的元数据占据了主要开销!!!
2.3 优化方案
我们上面提到压缩列表ziplist内存是连续的,不需要额外的ptr指针连接,能节约内存开销,那能不能使用该数据结构保存
image.png
ziplist用一系列连续的entry保存数据:
- pre_len 表示前一个entry长度,当前一个entry长度小于254字节,占1字节,否则5字节
- len 自身长度 4字节
- content实际保存数据为止
- encoding 编码方式1字节
我们再来模拟一下如何用ziplist存储8字节数字,1(prev_len)+ 4(len)+1(encoding)+8(content) = 14B
根据jemalloc分配内存规则,实际分配16B(2^4),那么对比SDS实际需要的64B是不是少了很多?
问题来了,key怎么办?这时集合类型,一个键对应一个集合数据,即我们如何用集合类型保存单值的键值对
一种办法是采用Hash类型的二级编码方法,即将一个单值数据拆分成两部分,前一部分作为hash的key,后一部分作为value保存
hash底层会使用ziplist,我们使用hset命令
以数字键11001060,值222222为例,键拆成 11001 和 060
127.0.0.1:6379[1]> hset 11001 060 222222
(integer) 1
至于hset类型底层什么时候使用压缩列表或哈希取决于两个阈值:
- hash-max-ziplist-entries 表示用压缩列表保存时哈希集合的元素最大个数超过时转为哈希
- hash-max-ziplist-value表示写入单个元素大小超过该值转为哈希
同理有序集合sorted set
当元素量少于zset-max-ziplist-entries,并且每个元素小于zset-max-ziplist-value时,默认也采用ziplist结构存储
网友评论