Redis底层数据结构全面详解

1.动态字符串SDS

我们都知道Redis中保存的Key是字符串，value往往是字符串或者字符串的集合，可见字符串是Redis中最常用的一种数据结构，虽然Redis是用C语言来实现的，但是它并没有沿用C语言中的字符串，因为C语言字符串存在很多问题:

获取字符串长度的需要通过运算
非二进制安全
不可修改

因此Redis构建了一种新的字符串结构，称为简单动态字符串(Simple DynamicString)，简称SDS

例如，我们执行命令：


SET name jack

那么Redis将在底层创建两个SDS，其中一个是包含“name”的SDS，另一个是包含jack”的SDS

实现原理

Redis是用Ｃ语言实现的，所以它的具体源码如下：

c
structattribute__((_packed_))sdshdr8 {
	uint8_t len;   /* buf已保存的字符串字节数，不包含结束标示*/
	uint8_t alloc;  /* buf申请的总的字节数，不包含结束标示*/
	unsigned char flags;  /*不同SDS的头类型，用来控制SDS的头大小*/
	char buf[]; /*保存字符串*/
};

以下就是一个SDS真正的结构：

len：4	alloc：4	flags：1	j	a	c	k	\0

SDS之所以叫动态字符串，是因为它具备扩容能力，在扩容时他先会申请新的内存空间：

如果新字符串小于1M，则新空间为扩展后字符串长度的两倍+1
如果新字符串大于1M，则新空间为扩展后字符串长度+1M+1 称为内存预分配

2.整数集合IntSet

IntSet是Redis中set集合的一种实现方式，基于整数数组来实现，并且具备长度可变、有序等特征

结构体如下：

c
typedef struct intset {
	uint32_t encoding;  /*编码方式，支持存放16位、32位、64位整数*/
    uint32_t length;  /* 元素个数 */
	int8_t contents[];  /*整数数组，保存集合数据*/
} intset;

对于encoding就决定了存储整数的大小，总共有三种类型：

c
/* Note that these encodings are ordered, so:
INTSET ENC INT16 < INTSET ENC INT32 < INTSET _ENC INT64. */
#define INTSET_ENC_INT16(sizeof(int16_t))/* 2字节整数，范围类似java的shork*/
#define INTSET_ENC_INT32(sizeof(int32_t))/* 4字节整数，范围类似java的int */
#define INTSET_ENC INT64(sizeof(int64_t))/* 8字节整数，范围类似java的long */

为了方便查找Redis将所有整数按照升序依次保存在contents数组中，结构如下：

encoding = INTSET_ENC_INT16	length = 3	5	10	15

现在，数组中每个数字都在int16 t的范围内，因此采用的编码方式是INTSET ENC INT16，每个数字都占两个字节，每部分占用的字节大小为:

encoding :4字节
length: 4字节
contents: 2字节 * 3 = 6字节

IntSet升级

我们向该其中添加一个数字:50000，这个数字超出了int16 t的范围，intset会自动升级编码方式到合适的大小。

以当前案例来说流程如下：

升级编码为合适大小，这里是INTSET_ENC_INT32，每个整数占4字节，并按照新的编码方式及元素个数扩容数组
倒序依次将数组中的元素拷贝到扩容后的正确位置
最终该表头信息encoding 改为INTSET_ENC_INT32，length改为4

IntSet只适合存储数据量较少的数据，不适合存储大量数据

3.Dict字典

我们知道Redis是一个键值型(Key-Value Pair)的数据库，我们可以根据键实现快速的增删改查，而键与值的映射关系正是通过Dict来实现的

Dict由三部分组成，分别是:哈希表(DictHashTable)、哈希节点(DictEntry)、字典(Dict)

哈希表和哈希节点

其结构体如下：

c
typedef struct dictht { // 哈希表
	// entry数组
	//数组中保存的是指向entry的指针
	dictEntry **table;
    //哈希装大小
	unsigned long size;
    //哈希表大小的掩码，总等于size-1
	unsigned long sizemask;
	// entry个数
	unsigned long used;
} dictht;

c
typedef struct dictEntry { // 哈希节点
    void *key;//键
	union {
		void *val;
		uint64_t u64;
		int64_t s64;
		double d;
	}v;//值
	// 下一个Entry的指针
	struct dictEntry *next;
} dictEntry;

当我们向Dict添加键值对时，Redis首先根据key计算出hash值(h)，然后利用h&sizemask来计算元素应该存储到数组中的哪个索引位置

由于规定哈希表大小size只能是2的n次方，二进制数字的末尾都是0，所以哈希表大小的掩码sizemask的末尾一定是连续的1，并且其他位置都是0，因为sizemask=size-1，因此为1的数长度正好组成了size的余数长度，此时再用得到的hash值h和sizemask做与运算，而0和任何数相与都为0，1与任何数字相与都是它本身，最后相与的结果就剩下了hash值h与sizemask长度相同的最后几位，这个数字刚好就是size的余数，因此得到的索引位置不会越界

当我们存储k1=v1，假设k1的哈希值h=1，则1&3 =1，因此k1=v1要存储到数组角标1位置

若是此时又添加了一个k2=v2，而k2的哈希值与掩码相与得到的值也是1，就出现了哈希冲突，此时会通过头插法形成一个链表：

字典

结构体如下：

c
typedef struct dict {
	dictType *type;  // dict类型，内置不同的hash函数
	void *privdata;  //私有数据，在做特殊hash运算时用
	dictht ht[2];  //一个Dict包含两个哈希表，其中一个是当前数据，另一个一般是空，rehash时使用
	long rehashidx;  //rehash的进度，-1表示未进行
	int16_t pauserehash;  // rehash是否暂停，1则暂停，0则继续
} dict;

dictType中包内置很多种hash函数，可以在不同场景下使用不同的hash函数
dictht中包含两个哈希表，其目的就是一个用来存数据，另一个用来充当rehash的中间存储变量

扩容机制

Dict中的HashTable就是数组结合单向链表的实现，当集合中元素较多时，必然导致哈希冲突增多，链表过长，则查询效率会大大降低

Dict在每次新增键值对时都会检查负载因子(LoadFactor=used/size)，满足以下两种情况时会触发哈希表扩容:

哈希表的 LoadFactor >=1，并且服务器没有执行 BGSAVE 或者 BGREWRITEAOF 等后台进程
哈希表的 LoadFactor>5

扩容源码：

c
static int dictExpandIfNeeded(dict *d){
    //如果正在rehash，则返回ok
	if(dictIsRehashing(d)) return DICT OK;
    //如果哈希表为空，则初始化哈希表为默认大小:4
	if(d->ht[0l.size == 0)return dictExpand(d, DICT HT INITIAL SIZE);
    //当负载因子(used/size)达到1以上，并且当前没有进行bgrewrite等子进程操作
    //或者负载因子超过5，则进行 dictExpand ，也就是扩容
	if(d->ht[0].used >= d->ht[0].size &&
       (dict_can_resized->ht[0],used/d->ht[0].size > dict force_resize ratio){
       //扩容大小为used + 1，底层会对扩容大小做判断，实际上找的是第一个大于等于 used+1 的 2^n
           return dictExpand(d，d->ht[0l.used +1);
    }
	return DICT OK;
}

Dict除了扩容以外，每次删除元素时，也会对负载因子做检查，当LoadFactor<0.1 时，会做哈希表收缩(当size>4并且负载因子<0.1 )

rehash

不管是扩容还是收缩，必定会创建新的哈希表，导致哈希表的size和sizemask变化，而key的查询与sizemask有关。因此必须对哈希表中的每一个key重新计算索引，插入新的哈希表，这个过程称为rehash ,过程是这样的:

计算新hash表的realeSize，值取决于当前要做的是扩容还是收缩:
- 如果是扩容，则新size为第一个大于等于dict.ht[0].used+1的2的n次方
- 如果是收缩，则新size为第一个大于等于dict.ht[0].used的2”(不得小于4)
按照新的realeSize申请内存空间，创建dictht，并赋值给dict.ht[1]
设置dict.rehashidx=0，标示开始rehash
每次执行新增、查询、修改、删除操作时，都检查一下dict.rehashidx是否大于-1，如果是则将dict.ht0l.tablelrehashidx]的entry链表rehash到dict.ht[1]，并且将rehashidx++。直至dict.ht[0]的所有数据都rehash到dict.ht[1]
将dict.ht[1]赋值给dict.ht[0]，给dict.ht[1]初始化为空哈希表，释放原来的dict.ht[0]的内存

Dict的rehash并不是一次性完成的。试想一下，如果Dict中包含数百万的entry，要在一次rehash完成，极有可能导致主线程阻塞。因此Dict的rehash是分多次、渐进式的完成，因此称为渐进式rehash，其精髓就是第四步

Dict的特点是空间不连续，并且内部含有非常多的指针，指针也非常占用空间，因此这也是他的缺点

4.压缩列表ZipList

ZipList 是一种特殊的“双端链表”，但是没有使用指针，由一系列特殊编码的连续内存块组成。可以在任意一端进行压入/弹出操作，并目该操作的时间复杂度为 0(1)

其结构如下：

属性	类型	长度	用途
zlbytes	uint32_t	4字节	记录整个压缩列表占用的内存字节数
zltail	uint32_t	4字节	记录压缩列表表尾节点距离压缩列表的起始地址有多少字节，通过这个偏移量，可以确定表尾节点的地址。
zllen	uint16_t	2字节	记录了压缩列表包含的节点数量。最大值为UINT16MAX(65534)，如果超过这个值，此处会记录为65535，但节点的真实数量需要遍历整个压缩列表才能计算得出
entry	列表节点	不定	压缩列表包含的各个节点，节点的长度由节点保存的内容决定
zlend	uint8_t	1字节	特殊值 0xFF(十进制 255)，用于标记压缩列表的末端

这种不确定节点长度的数据结构，他的优点就是节省空间，不会出现空间浪费的情况，那么它没有指针，并且节点大小不确定，它又是如何完成遍历操作的呢？

ZipListEntry

ZipList 中的Entry并不像普通链表那样记录前后节点的指针，因为记录两个指针要占用16个字节，浪费内存。而是采用了下面的结构

previous entry length	encoding	contents

previous entry length:前一节点的长度，占1个或5个字节。
- 如果前一节点的长度小于254字节，则采用1个字节来保存这个长度值
- 如果前一节点的长度大于254字节，则采用5个字节来保存这个长度值，第一个字节为0xfe，后四个字节才是真实长度
encoding:编码属性，记录content的数据类型(字符串还是整数)以及长度，占用1个、2个或5个字节
contents:负责保存节点的数据，可以是字符串或整数

也就是说previous entry length所占的长度，encoding所占的长度，并且encoding中保存的节点数据的长度，其总和就是该节点的总长度，如果知道了起始位置，那么加上该节点长度，就是下一个节点的所在位置的地址，从而就能正序实现遍历操作，反之如果知道末尾节点的位置地址，那么只需要减去previous entry length中存储的前一节点的长度，就能够得到前一个节点的位置地址，也能实现逆向遍历

ZipList中所有存储长度的数值均采用小端字节序，即低位字节在前，高位字节在后。例如:数值0x1234，采用小端字节序后实际存储值为:0x3412

encoding编码

ZipListEntry中的encoding编码分为字符串和整数两种：

字符串类型：如果encoding是以“00”“01”或者“10”开头，则证明content是字符串

编码编码长度字符串大小
|00pppppp| 1 bytes <= 63 bytes
|01pppppp|qqqqqqqq| 2 bytes <= 16383 bytes
|10000000|qqqqqqqq|rrrrrrrr|ssssssss|tttttttt| 5 bytes <= 4294967295 bytes

例如保存字符串“ab”，ab只占两个字节，因此范围在63之内，1字节长度的encoding就行，因此他的encoding=00000010

编码	编码长度	字符串大小
\|00pppppp\|	1 bytes	<= 63 bytes
\|01pppppp\|qqqqqqqq\|	2 bytes	<= 16383 bytes
\|10000000\|qqqqqqqq\|rrrrrrrr\|ssssssss\|tttttttt\|	5 bytes	<= 4294967295 bytes

整数类型：如果encoding是以“11”开始，则证明content是整数，且encoding固定只占用1个字节

编码	编码长度	整数类型
11000000	1	int16_t(2 bytes)
11010000	1	int32_t(4 bytes)
11100000	1	int64_t(8 bytes)
11110000	1	24位有符整数(3 bytes)
11111110	1	8位有符整数(1 bytes)
1111xxxx	1	直接在xxxx位置保存数值，范围从0001~1101，减1后结果为实际值

ZipList所做的一切都是为了节省内存，所以在Redis内部使用的比较多，但是需要一次性申请比较大的连续空间，若需求内存较大则比较消耗时间

5.双端链表QuickList

zipList虽然节省内存，但申请内存必须是连续空间，如果内存占用较多，申请内存效率很低，为了缓解这个问题，我们必须限制ZipList的长度和entry大小，但是我们要存储大量数据，超出了ZipList最佳的上限该怎么办？我们可以创建多个ZipList来分片存储数据，数据拆分后比较分散，不方便管理和查找，这多个ZipList如何建立联系? Redis在3.2版本引入了新的数据结构QuickList，它是一个双端链表，只不过链表中的每个节点都是一个zipList

为了避免QuickList中的每个ZipList中entry过多，Redis提供了一个配置项:list-max-ziplist-size来限制

如果值为正，则代表ZipList的允许的entry个数的最大值
如果值为负，则代表ZipList的最大内存大小，分5种情况 ① -1:每个ZipList的内存占用不能超过4kb ② -2:每个ZipList的内存占用不能超过8kb ③ -3:每个ZipList的内存占用不能超过16kb ④ -4:每个ZipList的内存占用不能超过32kb ⑤ -5:每个ZipList的内存占用不能超过64kb

其默认值为-2

除了控制ZipList的大小，QuickList还可以对节点的ZipList做压缩。通过配置项list-compress-depth来控制。因为链表一般都是从首尾访问较多，所以首尾是不压缩的。这个参数是控制首尾不压缩的节点个数:

0:特殊值，代表不压缩
1:标示QuickList的首尾各有1个节点不压缩，中间节点压缩
2:标示QuickList的首尾各有2个节点不压缩，中间节点压缩
以此类推

默认值为0

这种数据结构即保留了节省空间的特性，也解决了内存申请困难的问题，但是这种数据结构有一个缺点，就是无法从中间查数据，只能顺序遍历

6.跳表SkipList

SkipList(跳表)首先是链表，但与传统链表相比有几点差异:

元素按照升序排列存储
节点可能包含多个指针，指针跨度不同：

查询性能与红黑树差不多

实现原理

其跳表和跳表节点结构体如下

c
// t zset.c
typedef struct zskiplist { // 跳表
    // 头尾节点指针
	struct zskiplistNode *header,*tail;
    // 节点数量
	unsigned long length;
    //最大的索引层级，默认是1
    int level;
} zskiplist;

c
// t zset.c
typedef struct zskiplistNode {
    sds ele;//节点存储的值
    double score;// 节点分数，排序、查找用
    struct zskiplistNode *backward;//前一个节点指针
    struct zskiplistLevel {
        struct zskiplistNode *forward;//下一个节点指针
        unsigned long span;//索引跨度
    } level[];//多级索引数组
} zskiplistNode;

zskiplistNode中有一个多级索引数组，其中的下一个节点指针并不一定是紧挨着的一个节点，而是与索引跨度有关

跳表特点：

跳跃表是一个双向链表，每个节点都包含score和ele值
节点按照score值排序，score值一样则按照ele字典排序
每个节点都可以包含多层指针，层数是1到32之间的随机数
不同层指针到下一个节点的跨度不同，层级越高，跨度越大
增删改查效率与红黑树基本一致，实现却更简单

7.RedisObject

Redis中的任意数据类型的键和值都会被封装为一个RedisObject，也叫做Redis对象，源码如下：

c
typedef struct redisobject {
	unsigned type:4;
	unsigned encoding:4;
	unsigned lru:LRU_BITS;// LRU_BITS为24
	int refcount;
	void *ptr;
 } robj;

type：对象类型，分别是string、hash、list、set和zset，占4个bit位
- #define OBJ STRING O
- #define OBJ LIST 1
- #define OBJ SET 2
- #define 0B] ZSET 3#
- define OBJ HASH 4
encoding：底层编码方式，共有11种，占4个bit位
lru
：lru表示该对象最后一次被访问的时间，其占用24个bit位。便于判断空闲时间太久的key
refcount：对象引用计数器，计数器为0则说明对象无人引用，可以被回收
ptr：指针，指向存放实际数据的空间

如果不包含ptr指向的数据大小，光RedisObject对象头大小就有16个字节

如果有10个字符串存储为string类型，那么就要消耗10个16字节的对象头，如果将10个字符串存为列表，则只需要生成一个对象头

编码方式

Redis中会根据存储的数据类型不同，选择不同的编码方式，共包含11种不同类型：

编号	编码方式	说明
0	OBJ_ENCODING_RAW	raw类型动态字符串
1	OBJ_ENCODING_INT	long类型的整数的字符串
2	OBJ_ENCODING_HT	hash表(字典dict)
3	OBJ_ENCODING_ZIPMAP	已废弃
4	OBJ_ENCODING_LINKEDLIST	双端链表
5	OBJ_ENCODING_ZIPLIST	压缩列表
6	OBJ_ENCODING_INTSET	整数集合
7	OBJ_ENCODING_SKIPLIST	跳表
8	OBJ_ENCODING_EMBSTR	embstr的动态字符串
9	OBJ_ENCODING_QUICKLIST	快速列表
10	OBJ_ENCODING_STREAM	Stream流

Redis中会根据存储的数据类型不同，选择不同的编码方式。每种数据类型的使用的编码方式如下：

数据类型	编码方式
OBJ_STRING	int、embstr、raw
OBJ_LIST	LinkedList和ZipList(3.2以前)、QuickList(3.2以后)
OBJ_SET	intset、HT
OBJ_ZSET	ZipList、HT、SkipList
OBJ_HASH	ZipList、HT

这里只有五种基本数据类型，而其他数据类型也是基于这五种实现的：

Bitmaps、HyperLogLog：基于OBJ_STRING这种编码格式
Geospatial：底层基于ZSET

8.五种数据类型

String

String是Redis中最常见的数据存储类型:

其基本编码方式是RAW，基于简单动态字符串(SDS)实现，存储上限为512mb

如果存储的SDS长度小于44字节，则会采用EMBSTR编码，此时obiect head与SDS是一段连续空间。申请内存时只需要调用一次内存分配函数，效率更高

其原因是因为SDS的对象头占4个字节，RedisObject对象头占16个字节，如果SDS长度小于44字节，总长度就会小于64字节，恰好是Redis底层一个内存分片大小

如果存储的字符串是整数值，并且大小在LONG MAX范围内，则会采用INT编码:直接将数据保存在RedisObject的ptr指针位置(刚好8字节)，不再需要SDS了

List

Redis的List结构类似一个双端链表，可以从首、尾操作列表中的元素

在3.2版本之前，Redis采用ZipList和LinkedList来实现List，当元素数量小于512并且元素大小小于64字节时采用ZipList编码，超过则采用LinkedList编码
在3.2版本之后，Redis统一采用OuickList来实现List：

Set

Set是Redis中的单列集合，满足下列特点：

不保证有序性
保证元素唯一(可以判断元素是否存在)
可以求交集、并集、差集

Set的每一条命令都要先判断元素是否存在，所以他对查询的效率特别高

Set是Redis中的集合，不一定确保元素有序，可以满足元素唯一、查询效率要求极高

为了查询效率和唯一性，set采用HT编码(Dict)。Dict中的key用来存储元素，value统一为null
当存储的所有数据都是整数，并且元素数量不超过set-max-intset-entries时，Set会采用Intset编码，以节省内存

此时你一定想问：Set是无序的，可是IntSet明明是有序的？

Set 的「无序性」指的是 元素没有位置索引，而非底层物理存储的随机性，IntSet 内部使用有序数组存储整数（升序排列），但这只是 实现细节，Redis 在 对外接口层面 会主动破坏顺序性，返回元素的顺序是 不可预测 的（Redis 6.2 前是「伪随机」，6.2 后改为按插入顺序返回，但依然不承诺有序性）

ZSet

ZSet也就是SortedSet，其中每一个元素都需要指定一个score值和member值

可以根据score值排序后
member必须唯一
可以根据member查询分数

因此，zset底层数据结构必须满足键值存储、键必须唯一、可排序这几个需求

SkipList:可以排序，并且可以同时存储score和ele值(member)，但是无法对键的唯一性校验
HT(Dict):可以键值存储，并且可以根据key找value，但是无法满足可排序要求

那么到底应该用哪种数据结构呢？

小孩子才做选择，我全都要

ZSet底层的结构体将两种数据结构都各自存储了一份数据，使用不同的功能到不同的结构中去操作：

c
// zset结构
typedef struct zset {
    // Dict指针
	dict *dict;
    // SkipList指针
    zskiplist *zsl;
} zset;

这种方式非常浪费空间，所以Redis也进行了一些优化：

当元素数量不多时，HT和SkipList的优势不明显，而且更耗内存。因此zet还会采用ZipList结构来节省内存，不过需要同时满足两个条件：

元素数量小于zset max ziplist entries，默认值128
每个元素都小于zset max ziplist value字节，默认值64

ziplist本身没有排序功能，而且没有键值对的概念，因此需要有zset通过编码实现:

ZipList是连续内存，因此score和element是紧挨在一起的两个entry，element在前，score在后
score越小越接近队首，score越大越接近队尾，按照score值升序排列

Hash

Hash结构与Redis中的Zset非常类似，都是键值存储、都需求根据键获取值、键必须唯一，但是Hash并不需要排序操作

因此，Hash底层采用的编码与Zset也基本一致，只需要把排序有关的SkipList去掉即可

Hash结构默认采用ZipList编码，用以节省内存。ZipList中相邻的两个entry分别保存field和value
当数据量较大时，Hash结构会转为HT编码，也就是Dict，触发条件有两个：
- ZipList中的元素数量超过了hash-max-ziplist-entries(默认512)
- ZipList中的任意entry大小超过了hash-max-ziplist-value(默认64字节)

目录

Redis底层数据结构全面详解

1.动态字符串SDS

实现原理

2.整数集合IntSet

IntSet升级

3.Dict字典

哈希表和哈希节点

字典

扩容机制

rehash

4.压缩列表ZipList

ZipListEntry

encoding编码

5.双端链表QuickList

6.跳表SkipList

实现原理

7.RedisObject

编码方式

8.五种数据类型

String

List

Set

ZSet

Hash