Redis核心原理与实践--字符串实现原理
Posted binecy
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了Redis核心原理与实践--字符串实现原理相关的知识，希望对你有一定的参考价值。
Redis是一个键值对数据库（key-value DB），下面是一个简单的Redis的命令：
> SET msg "hello wolrd"
该命令将键“msg”、值“hello wolrd”这两个字符串保存到Redis数据库中。
本章分析Redis如何在内存中保存这些字符串。
redisObject
Redis中的数据对象server.h/redisObject是Redis对内部存储的数据定义的抽象类型，在深入分析Redis数据类型前，我们先了解redisObject，它的定义如下：
typedef struct redisObject {
unsigned type:4;
unsigned encoding:4;
unsigned lru:LRU_BITS;
int refcount;
void *ptr;
} robj;
- type：数据类型。
- encoding：编码格式，即存储数据使用的数据结构。同一个类型的数据，Redis会根据数据量、占用内存等情况使用不同的编码，最大限度地节省内存。
- refcount，引用计数，为了节省内存，Redis会在多处引用同一个redisObject。
- ptr：指向实际的数据结构，如sds，真正的数据存储在该数据结构中。
- lru：24位，LRU时间戳或LFU计数。
redisObject负责装载Redis中的所有键和值。redisObject.ptr指向真正存储数据的数据结构，redisObject .refcount、redisObject.lru等属性则用于管理数据（数据共享、数据过期等）。
提示：type、encoding、lru使用了C语言中的位段定义，这3个属性使用同一个unsigned int的不同bit位。这样可以最大限度地节省内存。
Redis定义了以下数据类型和编码，如表1-1所示。
本书第1部分会对表1-1中前五种数据类型进行分析，最后两种数据类型会在第5部分进行分析。如果读者现在对表1-1中内容感到疑惑，则可以先带着疑问继续阅读本书。
sds
我们知道，C语言中将空字符结尾的字符数组作为字符串，而Redis对此做了扩展，定义了字符串类型sds（Simple Dynamic String）。
Redis键都是字符串类型，Redis中最简单的值类型也是字符串类型，
字符串类型的Redis值可用于很多场景，如缓存html片段、记录用户登录信息等。
定义
提示：本节代码如无特殊说明，均在sds.h/sds.c中。
对于不同长度的字符串，Redis定义了不同的sds结构体：
typedef char *sds;
struct __attribute__ ((__packed__)) sdshdr5 {
unsigned char flags;
char buf[];
};
struct __attribute__ ((__packed__)) sdshdr8 {
uint8_t len;
uint8_t alloc;
unsigned char flags;
char buf[];
};
...
Redis还定义了sdshdr16、sdshdr32、sdshdr64结构体。为了版面整洁，这里不展示sdshdr16、sdshdr32、sdshdr64 结构体的代码，它们与sdshdr8结构体基本相同，只是len、alloc属性使用了 uint16_t、uint32、uint64_t类型。Redis定义不同sdshdr结构体是为了针对不同长度的字符串，使用合适的len、alloc属性类型，最大限度地节省内存。
- len：已使用字节长度，即字符串长度。sdshdr5可存放的字符串长度小于32（25），sdshdr8可存放的字符串长度小于256（28），以此类推。由于该属性记录了字符串长度，所以sds可以在常数时间内获取字符串长度。Redis限制了字符串的最大长度不能超过512MB。
- alloc：已申请字节长度，即sds总长度。alloc-len为sds中的可用（空闲）空间。
- flag：低3位代表sdshdr的类型，高5位只在sdshdr5中使用，表示字符串的长度，所以sdshdr5中没有len属性。另外，由于Redis对sdshdr5的定义是常量字符串，不支持扩容，所以不存在alloc属性。
- buf：字符串内容，sds遵循C语言字符串的规范，保存一个空字符作为buf的结尾，并且不计入len、alloc属性。这样可以直接使用C语言strcmp、strcpy等函数直接操作sds。
提示：sdshdr结构体中的buf数组并没有指定数组长度，它是C99规范定义的柔性数组—结构体中最后一个属性可以被定义为一个大小可变的数组（该属性前必须有其他属性）。使用sizeof函数计算包含柔性数组的结构体大小，返回结果不包括柔性数组占用的内存。
另外，attribute((packed))关键字可以取消结构体内的字节对齐以节省内存。
操作分析
接下来看一下sds构建函数：
sds sdsnewlen(const void *init, size_t initlen) {
void *sh;
sds s;
// [1]
char type = sdsReqType(initlen);
// [2]
if (type == SDS_TYPE_5 && initlen == 0) type = SDS_TYPE_8;
// [3]
int hdrlen = sdsHdrSize(type);
unsigned char *fp; /* flags pointer. */
sh = s_malloc(hdrlen+initlen+1);
...
// [4]
s = (char*)sh+hdrlen;
fp = ((unsigned char*)s)-1;
switch(type) {
case SDS_TYPE_5: {
*fp = type | (initlen << SDS_TYPE_BITS);
break;
}
case SDS_TYPE_8: {
SDS_HDR_VAR(8,s);
sh->len = initlen;
sh->alloc = initlen;
*fp = type;
break;
}
...
}
if (initlen && init)
memcpy(s, init, initlen);
s[initlen] = \'\\0\';
// [5]
return s;
}
参数说明：
- init、initlen：字符串内容、长度。
【1】根据字符串长度，判断对应的sdshdr类型。
【2】长度为0的字符串后续通常需要扩容，不应该使用sdshdr5，所以这里转换为sdshdr8。
【3】sdsHdrSize函数负责查询sdshdr结构体的长度，s_malloc函数负责申请内存空间，申请的内存空间长度为hdrlen+initlen+1，其中hdrlen为sdshdr结构体长度（不包含buf属性），initlen为字符串内容长度，最后一个字节用于存放空字符“\\0”。s_malloc与C语言的malloc函数的作用相同，负责分配指定大小的内存空间。
【4】给sdshdr属性赋值。
SDS_HDR_VAR是一个宏，负责将sh指针转化为对应的sdshdr结构体指针。
【5】注意，sds实际上就是char*的别名，这里返回的s指针指向sdshdr.buf属性，即字符串内容。Redis通过该指针可以直接读/写字符串数据。
构建一个内容为“hello wolrd”的sds，其结构如图1-1所示。
sds的扩容机制是一个很重要的功能。
sds sdsMakeRoomFor(sds s, size_t addlen) {
void *sh, *newsh;
// [1]
size_t avail = sdsavail(s);
size_t len, newlen;
char type, oldtype = s[-1] & SDS_TYPE_MASK;
int hdrlen;
if (avail >= addlen) return s;
// [2]
len = sdslen(s);
sh = (char*)s-sdsHdrSize(oldtype);
newlen = (len+addlen);
// [3]
if (newlen < SDS_MAX_PREALLOC)
newlen *= 2;
else
newlen += SDS_MAX_PREALLOC;
// [4]
type = sdsReqType(newlen);
if (type == SDS_TYPE_5) type = SDS_TYPE_8;
// [5]
hdrlen = sdsHdrSize(type);
if (oldtype==type) {
newsh = s_realloc(sh, hdrlen+newlen+1);
if (newsh == NULL) return NULL;
s = (char*)newsh+hdrlen;
} else {
newsh = s_malloc(hdrlen+newlen+1);
if (newsh == NULL) return NULL;
memcpy((char*)newsh+hdrlen, s, len+1);
s_free(sh);
s = (char*)newsh+hdrlen;
s[-1] = type;
sdssetlen(s, len);
}
// [6]
sdssetalloc(s, newlen);
return s;
}
参数说明：
addlen：要求扩容后可用长度（alloc-len）大于该参数。
【1】获取当前可用空间长度。如果当前可用空间长度满足要求，则直接返回。
【2】sdslen负责获取字符串长度，由于sds.len中记录了字符串长度，该操作复杂度为O(1)。这里len变量为原sds字符串长度，newlen变量为新sds长度。sh指向原sds的sdshdr结构体。
【3】预分配比参数要求多的内存空间，避免每次扩容都要进行内存拷贝操作。新sds长度如果小于SDS_MAX_PREALLOC（默认为1024×1024，单位为字节），则新sds长度自动扩容为2倍。否则，新sds长度自动增加SDS_MAX_PREALLOC。
【4】sdsReqType(newlen)负责计算新的sdshdr类型。注意，扩容后的类型不使用sdshdr5，该类型不支持扩容操作。
【5】如果扩容后sds还是同一类型，则使用s_realloc函数申请内存。否则，由于sds结构已经变动，必须移动整个sds，直接分配新的内存空间，并将原来的字符串内容复制到新的内存空间。s_realloc与C语言realloc函数的作用相同，负责为给定指针重新分配给定大小的内存空间。它会尝试在给定指针原地址空间上重新分配，如原地址空间无法满足要求，则分配新内存空间并复制内容。
【6】更新sdshdr.alloc属性。
对上面“hello wolrd”的sds调用sdsMakeRoomFor(sds,64)，则生成的sds如图1-2所示。
从图1-2中可以看到，使用len记录字符串长度后，字符串中可以存放空字符。Redis字符串支持二进制安全，可以将用户的输入存储为没有任何特定格式意义的原始数据流，因此Redis字符串可以存储任何数据，比如图片数据流或序列化对象。C语言字符串将空字符作为字符串结尾的特定标记字符，它不是二进制安全的。
sds常用函数如表1-2所示。
| 函数 | 作用 |
|---|---|
| sdsnew，sdsempty | 创建sds |
| sdsfree，sdsclear，sdsRemoveFreeSpace | 释放sds，清空sds中的字符串内容，移除sds剩余的可用空间 |
| sdslen | 获取sds字符串长度 |
| sdsdup | 将给定字符串复制到sds中，覆盖原字符串 |
| sdscat | 将给定字符串拼接到sds字符串内容后 |
| sdscmp | 对比两个sds字符串是否相同 |
| sdsrange | 获取子字符串，不在指定范围内的字符串将被清除 |
编码
字符串类型一共有3种编码：
- OBJ_ENCODING_EMBSTR：长度小于或等于OBJ_ENCODING_EMBSTR_SIZE_LIMIT（44字节）的字符串。
在该编码中，redisObject、sds结构存放在一块连续内存块中，如图1-3所示。
OBJ_ENCODING_EMBSTR编码是Redis针对短字符串的优化，有如下优点：
(1)内存申请和释放都只需要调用一次内存操作函数。
(2)redisObject、sdshdr结构保存在一块连续的内存中，减少了内存碎片。
- OBJ_ENCODING_RAW：长度大于OBJ_ENCODING_EMBSTR_SIZE_LIMIT的字符串，在该编码中，redisObject、sds结构存放在两个不连续的内存块中。
- OBJ_ENCODING_INT：将数值型字符串转换为整型，可以大幅降低数据占用的内存空间，如字符串“123456789012”需要占用12字节，在Redis中，会将它转化为long long类型，只占用8字节。
我们向Redis发送一个请求后，Redis会解析请求报文，并将命令、参数转化为redisObjec。
object.c/createStringObject函数负责完成该操作：
robj *createStringObject(const char *ptr, size_t len) {
if (len <= OBJ_ENCODING_EMBSTR_SIZE_LIMIT)
return createEmbeddedStringObject(ptr,len);
else
return createRawStringObject(ptr,len);
}
可以看到，这里根据字符串长度，将encoding转化为OBJ_ENCODING_RAW或OBJ_ENCODING_EMBSTR的redisObject。
将参数转换为redisObject后，Redis再将redisObject存入数据库，例如：
> SET Introduction "Redis is an open source (BSD licensed), in-memory data structure store, used as a database, cache and message broker. "
Redis会将键“Introduction”、值“Redis...”转换为两个redisObject，再将redisObject存入数据库，结果如图1-4所示。
Redis中的键都是字符串类型，并使用OBJ_ENCODING_RAW、OBJ_ENCODING_ EMBSTR编码，而Redis还会尝试将字符串类型的值转换为OBJ_ENCODING_INT 编码。object.c/tryObjectEncoding函数完成该操作：
robj *tryObjectEncoding(robj *o) {
long value;
sds s = o->ptr;
size_t len;
...
// [1]
if (o->refcount > 1) return o;
len = sdslen(s);
// [2]
if (len <= 20 && string2l(s,len,&value)) {
// [3]
if ((server.maxmemory == 0 ||
!(server.maxmemory_policy & MAXMEMORY_FLAG_NO_SHARED_INTEGERS)) &&
value >= 0 &&
value < OBJ_SHARED_INTEGERS)
{
decrRefCount(o);
incrRefCount(shared.integers[value]);
return shared.integers[value];
} else {
// [4]
if (o->encoding == OBJ_ENCODING_RAW) {
sdsfree(o->ptr);
o->encoding = OBJ_ENCODING_INT;
o->ptr = (void*) value;
return o;
} else if (o->encoding == OBJ_ENCODING_EMBSTR) {
// [5]
decrRefCount(o);
return createStringObjectFromLongLongForValue(value);
}
}
}
// [6]
if (len <= OBJ_ENCODING_EMBSTR_SIZE_LIMIT) {
robj *emb;
if (o->encoding == OBJ_ENCODING_EMBSTR) return o;
emb = createEmbeddedStringObject(s,sdslen(s));
decrRefCount(o);
return emb;
}
// [7]
trimStringObjectIfNeeded(o);
return o;
}
【1】该数据对象被多处引用，不能再进行编码操作，否则会影响其他地方的正常运行。
【2】如果字符串长度小于或等于20，则调用string2l函数尝试将其转换为long long类型，如果成功则返回1。
在C语言中，long long占用8字节，取值范围是-9223372036854775808～9223372036854775807，因此最多能保存长度为19的字符串转换后的数值，加上负数的符号位，一共20位。
下面是字符串可以转换为OBJ_ENCODING_INT 编码的处理步骤。
【3】首先尝试使用shared.integers中的共享数据，避免重复创建相同数据对象而浪费内存。shared是Redis启动时创建的共享数据集，存放了Redis中常用的共享数据。shared.integers是一个整数数组，存放了小数字0～9999，共享于各个使用场景。
注意：如果配置了server.maxmemory，并使用了不支持共享数据的淘汰算法（LRU、LFU），那么这里不能使用共享数据，因为这时每个数据中都必须存在一个redisObjec.lru属性，这些算法才可以正常工作。
【4】如果不能使用共享数据并且原编码格式为OBJ_ENCODING_RAW，则将redisObject.ptr原来的sds类型替换为字符串转换后的数值。
【5】如果不能使用共享数据并且原编码格式为OBJ_ENCODING_EMBSTR，由于redisObject、sds存放在同一个内存块中，无法直接替换redisObject.ptr，所以调用createString- ObjectFromLongLongForValue函数创建一个新的redisObject，编码为OBJ_ENCODING_INT，redisObject.ptr指向long long类型或long类型。
【6】到这里，说明字符串不能转换为OBJ_ENCODING_INT 编码，尝试将其转换为OBJ_ENCODING_EMBSTR编码。
【7】到这里，说明字符串只能使用OBJ_ENCODING_RAW编码，尝试释放sds中剩余的可用空间。
字符串类型的实现代码在t_string.c中，读者可以查看源码了解更多实现细节。
提示：server.c/redisCommandTable定义了每个Redis命令与对应的处理函数，读者可以从这里查找感兴趣的命令的处理函数。
struct redisCommand redisCommandTable[] = {
...
{"get",getCommand,2,
"read-only fast @string",
0,NULL,1,1,1,0,0,0},
{"set",setCommand,-3,
"write use-memory @string",
0,NULL,1,1,1,0,0,0},
...
}
GET命令的处理函数为getCommand，SET命令的处理函数为setCommand，以此类推。
另外，我们可以通过TYPE命令查看数据对象类型，通过OBJECT ENCODING命令查看编码：
> SET msg "hello world"
OK
> TYPE msg
string
> OBJECT ENCODING msg
"embstr"
> SET Introduction "Redis is an open source (BSD licensed), in-memory data structure store, used as a database, cache and message broker. "
OK
> TYPE Introduction
string
> OBJECT ENCODING info
"raw"
> SET page 1
OK
> TYPE page
string
> OBJECT ENCODING page
"int"
总结：
- Redis中的所有键和值都是redisObject变量。
- sds是Redis定义的字符串类型，支持二进制安全、扩容。
- sds可以在常数时间内获取字符串长度，并使用预分配内存机制减少内存拷贝次数。
- Redis对数据编码的主要目的是最大限度地节省内存。字符串类型可以使用OBJ_ENCODING_ RAW、OBJ_ENCODING_EMBSTR、OBJ_ENCODING_INT编码格式。
本文内容摘自作者新书《Redis核心原理与实践》，这本书深入地分析了Redis常用特性的内部机制与实现方式，大部分内容源自对Redis源码的分析，并从中总结出设计思路、实现原理。通过阅读本书，读者可以快速、轻松地了解Redis的内部运行机制。
经过该书编辑同意，我会继续在个人技术公众号（binecy）发布书中部分章节内容，作为书的预览内容，欢迎大家查阅，谢谢。
以上是关于Redis核心原理与实践--字符串实现原理的主要内容，如果未能解决你的问题，请参考以下文章