Redis核心原理与实践之字符串实现原理
本文分析Redis字符串的实现原理，内容摘自新书《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，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。
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。
到此这篇关于Redis核心原理与实践之字符串实现原理的文章就介绍到这了,更多相关Redis字符串实现原理内容请搜索以前的文章或继续浏览下面的相关文章希望大家以后多多支持！
