Redis熱點之底層實現篇
通過本文你將了解到以下內容：
- Redis的作者、發展演進和江湖地位
- Redis面試問題的概況
Redis底層實現相關的問題包括：
常用數據類型底層實現、SDS的原理和優勢、字典的實現原理、跳表和有序集合的原理、Redis的線程模式和服務模型
溫馨提示：內容并不難，就怕你不看。
看不懂可以先收藏先Mark，等到深入研究的時間再翻出來看看，你就發現真是24K干貨呀!停止吹噓，寫點不一樣的文字吧!
1.Redis往事
Redis是一個使用ANSI C編寫的開源、支持網絡、基于內存、可選持久化的高性能鍵值對數據庫。Redis的之父是來自意大利的西西里島的Salvatore Sanfilippo，Github網名antirez，筆者找了作者的一些簡要信息并翻譯了一下，如圖：
從2009年第一個版本起Redis已經走過了10個年頭，目前Redis仍然是最流行的key-value型內存數據庫的之一。
優秀的開源項目離不開大公司的支持，在2013年5月之前，其開發由VMware贊助，而2013年5月至2015年6月期間，其開發由畢威拓贊助，從2015年6月開始，Redis的開發由Redis Labs贊助。
筆者也使用過一些其他的NoSQL，有的支持的value類型非常單一，因此很多操作都必須在客戶端實現，比如value是一個結構化的數據，需要修改其中某個字段就需要整體讀出來修改再整體寫入，顯得很笨重，但是Redis的value支持多種類型，實現了很多操作在服務端就可以完成了，這個對客戶端而言非常方便。
當然Redis由于是內存型的數據庫，數據量存儲量有限而且分布式集群成本也會非常高，因此有很多公司開發了基于SSD的類Redis系統，比如360開發的SSDB、Pika等數據庫，但是筆者認為從0到1的難度是大于從1到2的難度的，毋庸置疑Redis是NoSQL中濃墨重彩的一筆，值得我們去深入研究和使用。
2.Redis的江湖地位
Redis提供了Java、C/C++、C#、 PHP 、JavaScript、 Perl 、Object-C、Python、Ruby、Erlang、Golang等多種主流語言的客戶端，因此無論使用者是什么語言棧總會找到屬于自己的那款客戶端，受眾非常廣。
筆者查了http://datanyze.com網站看了下Redis和MySQL的最新市場份額和排名對比以及全球Top站點的部署量對比(網站數據更新到寫作當日2019.12.11)：
可以看到Redis總體份額排名第9并且在全球Top100站點中部署數量與MySQL基本持平，所以Redis還是有一定的江湖地位的。
3.聊聊實戰
目前Redis發布的穩定版本已經到了5.x，功能也越來越強大，從國內外互聯網公司來看Redis幾乎是標配了。作為開發人員在日常筆試面試和工作中遇到Redis相關問題的概率非常大，掌握Redis的相關知識點都十分有必要。
學習和梳理一個復雜的東西肯定不能胡子眉毛一把抓，每個人都有自己的認知思路，筆者認為要從充分掌握Redis需要從底向上、從外到內去理解Redis。
Redis的實戰知識點可以簡單分為三個層次：
- 底層實現：主要是從Redis的源碼中提煉的問題，包括但不限于底層數據結構、服務模型、算法設計等。
- 基礎架構：可用概況為Redis整體對外的功能點和表現，包括但不限于單機版主從架構實現、主從數據同步、哨兵機制、集群實現、分布式一致性、故障遷移等。
- 實際應用：實戰中Redis可用幫你做什么，包括但不限于單機緩存、分布式緩存、分布式鎖、一些應用。
深入理解和熟練使用Redis需要時間錘煉，要做到信手拈來著實不易，想在短時間內突破只能從熱點題目入手，雖然這樣感覺有些功利，不過也算無可厚非吧，為了吃飯我們還是傾向于原諒懶惰的自己，要不然吃土喝風?
4.底層實現熱點題目
底層實現篇的題目主要是與Redis的源碼和設計相關，可以說是Redis功能的基石，了解底層實現可以讓我們更好地掌握功能，由于底層代碼很多，在后續的基礎架構篇中仍然會穿插源碼來分析，因此本篇只列舉一些熱點的問題。
Q1: Redis常用五種數據類型是如何實現的?
Redis支持的常用5種數據類型指的是value類型，分別為：字符串String、列表List、哈希Hash、集合Set、有序集合Zset，但是Redis后續又豐富了幾種數據類型分別是Bitmaps、HyperLogLogs、GEO。
由于Redis是基于標準C寫的，只有最基礎的數據類型，因此Redis為了滿足對外使用的5種數據類型，開發了屬于自己獨有的一套基礎數據結構，使用這些數據結構來實現5種數據類型。
Redis底層的數據結構包括：簡單動態數組SDS、鏈表、哈希表、跳躍鏈表、整數集合、壓縮列表、對象。
Redis為了平衡空間和時間效率，針對value的具體類型在底層會采用不同的數據結構來實現，其中哈希表和壓縮列表是復用比較多的數據結構，如下圖展示了對外數據類型和底層數據結構之間的映射關系：
從圖中可以看到ziplist壓縮列表可以作為Zset、Set、List三種數據類型的底層實現，看來很強大，壓縮列表是一種為了節約內存而開發的且經過特殊編碼之后的連續內存塊順序型數據結構，底層結構還是比較復雜的。
Q2: Redis的SDS和C中字符串相比有什么優勢?
在C語言中使用N+1長度的字符數組來表示字符串，尾部使用'\0'作為結尾標志，對于此種實現無法滿足Redis對于安全性、效率、豐富的功能的要求，因此Redis單獨封裝了SDS簡單動態字符串結構。
在理解SDS的優勢之前需要先看下SDS的實現細節，找了github最新的src/sds.h的定義看下：
看了前面的定義，筆者畫了個圖：
從圖中可以知道sds本質分為三部分：header、buf、null結尾符，其中header可以認為是整個sds的指引部分，給定了使用的空間大小、最大分配大小等信息，再用一張網上的圖來清晰看下sdshdr8的實例：
在sds.h/sds.c源碼中可清楚地看到sds完整的實現細節，本文就不展開了要不然篇幅就過長了，快速進入主題說下sds的優勢：
- O(1)獲取長度: C字符串需要遍歷而sds中有len可以直接獲得;
- 防止緩沖區溢出bufferoverflow: 當sds需要對字符串進行修改時，首先借助于len和alloc檢查空間是否滿足修改所需的要求，如果空間不夠的話，SDS會自動擴展空間，避免了像C字符串操作中的覆蓋情況;
- 有效降低內存分配次數：C字符串在涉及增加或者清除操作時會改變底層數組的大小造成重新分配、sds使用了空間預分配和惰性空間釋放機制，說白了就是每次在擴展時是成倍的多分配的，在縮容是也是先留著并不正式歸還給OS，這兩個機制也是比較好理解的;
二進制安全：C語言字符串只能保存ascii碼，對于圖片、音頻等信息無法保存，sds是二進制安全的，寫入什么讀取就是什么，不做任何過濾和限制;
老規矩上一張黃健宏大神總結好的圖：
Q3:Redis的字典是如何實現的?簡述漸進式rehash的過程。
字典算是Redis5中常用數據類型中的明星成員了，前面說過字典可以基于ziplist和hashtable來實現，我們只討論基于hashtable實現的原理。
字典是個層次非常明顯的數據類型，如圖：
有了個大概的概念，我們看下最新的src/dict.h源碼定義：
- //哈希節點結構
- typedef struct dictEntry {
- void *key;
- union {
- void *val;
- uint64_t u64;
- int64_t s64;
- double d;
- } v;
- struct dictEntry *next;
- } dictEntry;
- //封裝的是字典的操作函數指針
- typedef struct dictType {
- uint64_t (*hashFunction)(const void *key);
- void *(*keyDup)(void *privdata, const void *key);
- void *(*valDup)(void *privdata, const void *obj);
- int (*keyCompare)(void *privdata, const void *key1, const void *key2);
- void (*keyDestructor)(void *privdata, void *key);
- void (*valDestructor)(void *privdata, void *obj);
- } dictType;
- /* This is our hash table structure. Every dictionary has two of this as we
- * implement incremental rehashing, for the old to the new table. */
- //哈希表結構 該部分是理解字典的關鍵
- typedef struct dictht {
- dictEntry **table;
- unsigned long size;
- unsigned long sizemask;
- unsigned long used;
- } dictht;
- //字典結構
- typedef struct dict {
- dictType *type;
- void *privdata;
- dictht ht[2];
- long rehashidx; /* rehashing not in progress if rehashidx == -1 */
- unsigned long iterators; /* number of iterators currently running */
- } dict;
C語言的好處在于定義必須是由最底層向外的，因此我們可以看到一個明顯的層次變化，于是筆者又畫一圖來展現具體的層次概念：
- 關于dictEntry
dictEntry是哈希表節點，也就是我們存儲數據地方，其保護的成員有：key,v,next指針。key保存著鍵值對中的鍵，v保存著鍵值對中的值，值可以是一個指針或者是uint64_t或者是int64_t。next是指向另一個哈希表節點的指針，這個指針可以將多個哈希值相同的鍵值對連接在一次，以此來解決哈希沖突的問題。
如圖為兩個沖突的哈希節點的連接關系：
- 關于dictht
從源碼看哈希表包括的成員有table、size、used、sizemask。table是一個數組，數組中的每個元素都是一個指向dictEntry結構的指針， 每個dictEntry結構保存著一個鍵值對;size 屬性記錄了哈希表table的大小，而used屬性則記錄了哈希表目前已有節點的數量。sizemask等于size-1和哈希值計算一個鍵在table數組的索引，也就是計算index時用到的。
如上圖展示了一個大小為4的table中的哈希節點情況，其中k1和k0在index=2發生了哈希沖突，進行開鏈表存在，本質上是先存儲的k0，k1放置是發生沖突為了保證效率直接放在沖突鏈表的最前面，因為該鏈表沒有尾指針。
- 關于dict
從源碼中看到dict結構體就是字典的定義，包含的成員有type，privdata、ht、rehashidx。其中dictType指針類型的type指向了操作字典的api，理解為函數指針即可，ht是包含2個dictht的數組，也就是字典包含了2個哈希表，rehashidx進行rehash時使用的變量，privdata配合dictType指向的函數作為參數使用，這樣就對字典的幾個成員有了初步的認識。
字典的哈希算法
redis使用MurmurHash算法計算哈希值，該算法最初由Austin Appleby在2008年發明，MurmurHash算法的無論數據輸入情況如何都可以給出隨機分布性較好的哈希值并且計算速度非常快，目前有MurmurHash2和MurmurHash3等版本。
普通Rehash重新散列
哈希表保存的鍵值對數量是動態變化的，為了讓哈希表的負載因子維持在一個合理的范圍之內，就需要對哈希表進行擴縮容。
擴縮容是通過執行rehash重新散列來完成，對字典的哈希表執行普通rehash的基本步驟為分配空間->逐個遷移->交換哈希表，詳細過程如下：
1.為字典的ht[1]哈希表分配空間，分配的空間大小取決于要執行的操作以及ht[0]當前包含的鍵值對數量：
擴展操作時ht[1]的大小為第一個大于等于ht[0].used*2的2^n;
收縮操作時ht[1]的大小為第一個大于等于ht[0].used的2^n ;
擴展時比如h[0].used=200，那么需要選擇大于400的第一個2的冪，也就是2^9=512。
2.將保存在ht[0]中的所有鍵值對重新計算鍵的哈希值和索引值rehash到ht[1]上;
3.重復rehash直到ht[0]包含的所有鍵值對全部遷移到了ht[1]之后釋放 ht[0]， 將ht[1]設置為 ht[0]，并在ht[1]新創建一個空白哈希表， 為下一次rehash做準備。
- 漸進Rehash過程
Redis的rehash動作并不是一次性完成的，而是分多次、漸進式地完成的，原因在于當哈希表里保存的鍵值對數量很大時， 一次性將這些鍵值對全部rehash到ht[1]可能會導致服務器在一段時間內停止服務，這個是無法接受的。
針對這種情況Redis采用了漸進式rehash，過程的詳細步驟：
- 為ht[1]分配空間，這個過程和普通Rehash沒有區別;
- 將rehashidx設置為0，表示rehash工作正式開始，同時這個rehashidx是遞增的，從0開始表示從數組第一個元素開始rehash。
- 在rehash進行期間，每次對字典執行增刪改查操作時，順帶將ht[0]哈希表在rehashidx索引上的鍵值對rehash到 ht[1]，完成后將rehashidx加1，指向下一個需要rehash的鍵值對。
- 隨著字典操作的不斷執行，最終ht[0]的所有鍵值對都會被rehash至ht[1]，再將rehashidx屬性的值設為-1來表示 rehash操作已完成。
漸進式 rehash的思想在于將rehash鍵值對所需的計算工作分散到對字典的每個添加、刪除、查找和更新操作上，從而避免了集中式rehash而帶來的阻塞問題。
看到這里不禁去想這種捎帶腳式的rehash會不會導致整個過程非常漫長?如果某個value一直沒有操作那么需要擴容時由于一直不用所以影響不大，需要縮容時如果一直不處理可能造成內存浪費，具體的還沒來得及研究，先埋個問題吧!
