Redis底层数结构
1 SDS
在Redis中使用简单动态字符串(SDS)来表示字符串
sdshdr8的结构：
各属性为：
len: 已使用的长度 不包括'\0'
alloc：当前字符数组分配的长度 不包括'\0'
flag: 表示字符数组的类型
// flags值定义
#define SDS_TYPE_5 0
#define SDS_TYPE_8 1
#define SDS_TYPE_16 2
#define SDS_TYPE_32 3
#define SDS_TYPE_64 4
buf: 保存的字符串内容，以'\0'结束
Redis3.2后共有5中类型的sds结构体
即 sdshdr sdshdr8 sdshdr16 sdshdr32 sdshdr64
// 3.0
struct sdshdr {
// 记录buf数组中已使用字节的数量，即SDS所保存字符串的长度
unsigned int len;
// 记录buf数据中未使用的字节数量
unsigned int free;
// 字节数组，用于保存字符串
char buf[];
};
// 3.2
struct __attribute__ ((__packed__)) sdshdr8 {
uint8_t len; /* used */
uint8_t alloc; /* excluding the header and null terminator */
unsigned char flags; /* 3 lsb of type, 5 unused bits */
char buf[];
};
struct __attribute__ ((__packed__)) sdshdr16 {...};
struct __attribute__ ((__packed__)) sdshdr32 {...};
struct __attribute__ ((__packed__)) sdshdr64 {...};
这些结构体的区别主要是记录长度的变量的数据类型不同
分别是unsigned unit8_t unit16_t unit32_t unit64_t
其实xxx_t是某种数据类型的别名
/* exact-width unsigned integer types */
typedef unsigned char uint8_t; 0 ~ 255
typedef unsigned short int uint16_t;
typedef unsigned int uint32_t; 0 ~ 2^32-1
typedef unsigned long int uint64_t; 0 ~ 2^32-1
所以Redis会根据字符串的长度来选择合适的结构体
char与unsigned char的区别：
都是8bit
char最高位是符号位，范围是-128 ~ 127
而后者没有符号位 0 ~ 255
如果有符号位，在把它赋值给int、long时，进行符号扩展
如果没有符号位，就不用扩展
符号扩展：将扩展后的数据的高(32-n)位置置为原来的符号位
无符号位扩展：将扩展后的数据的高(32-n)位置置为0
SDS对比C语言字符串的优势：
1 快速获取字符串长度：
c以‘\0’来判断字符串是否结束，所以获取字符串长度需要O(n)，
但是sds采用len属性记录当前的长度，所以是O(1)
sds为了兼容c字符串函数，仍以‘\0’结束
2 减少内存重新分配的次数
c每次增加或缩短字符串长度，都需要重新分配内存，
如果append时不重新分配内存，容易缓存区溢出
如果截断tirm操作后不重新分配内存来释放不用的空间，容易产生内存泄漏
但是SDS记录了已使用的空间和总空间大小，实现了空间预分配和惰性空间释放
解决了字符串拼接后额截取时的空间问题
3 二进制安全，可存放二进制图片
c的字符串的除了末尾以外，不能有空字符串，即‘\0’，否者认为字符串结束了
所以c字符串只能保存文本
sds以二进制的形式来处理存放在buf数组中的内容，以len属性来判断是否结束
所以SDS可以存放图像的二进制数据
2 字典：
SET msg "hello world
字典主要由两个哈希表实现，哈希表又是由数组+链表构成，
数组中每个元素指向一个链表
链表中每个节点是一个kv键值对
Redis使用字典来实现键值对和散列表（Hash）
结构图如下：
dict是字典最顶层的结构体，dicht就是表示哈希表的结构体
dicht结构体中的table属性，就是哈希表中的桶数组，指向了一个dictEntry数组
dictEntry就是哈希表中链表的节点，即kv键值对
1 dict
dict结构体是字典中最顶层的结构体，用于指向两个哈希表，
两个哈希表是为了在扩容时使用
typedef struct dict {
// 和类型相关的处理函数
dictType *type;
// 私有数据
void *privdata;
// 哈希表
dictht ht[2];
// rehash 索引，当rehash不再进行时，值为-1
long rehashidx; /* rehashing not in progress if rehashidx == -1 */
// 迭代器数量
unsigned long iterators; /* number of iterators currently running */
} dict;
2 dicht
相当于哈希表中的桶数组
typedef struct dictht {
// 哈希表数组
dictEntry **table;
// 哈希表大小
unsigned long size;
// 哈希表大小掩码，用于计算索引值，等于size-1
unsigned long sizemask;
// 哈希表已有节点的数量
unsigned long used;
} dictht;
3 dictEntry
链表中的kv键值对
typedef struct dictEntry {
// 键
void *key;
// 值
union {
void *val;
uint64_t u64;
int64_t s64;
double d;
} v;
// 指向下一个哈希表节点，形成链表
struct dictEntry *next;
} dictEntry;
hash扩容：
1 将第二个哈希表即ht[1]的长度= len(ht[1]) * 2
2 将ht[0]上的数据rehash到ht[1]上，即重新计算哈希地址
3 释放ht[0]，将ht[1]设置为ht[0]，然后创建新的ht[1]
渐进式扩容：
当字典中数据到达百万级别时，上述扩容方式中的一次性rehash就无法运行，
而是多次将ht[0]中的数据rehash到ht[1]，即每次只rehash一条链表上的数据
1 为ht[1]分配空间，并初始化一个索引计数器，初始值=0
2 每当redis访问或修改索引计算器对应链表时，就会把该链表上所有的键值对rehash到ht[1]中
然后将索引计数器+1，表示下一次要rehash的链表
3 经过一段时间后，ht[0]中的所有数据都转移到ht[1]上了，再把索引计数器赋值为-1
3 链表
链表的特点：
1 双向链表，获取头尾的复杂度为O(1)
2 无环
3 用len来记录长度，获取长度的复杂度为O(1)
4 多态：用void指针指向节点保存的值，可以保存任何类型的值
链表的定义：
是一个带头尾节点的双向链表
typedef struct listNode {
// 前置节点
struct listNode *prev;
// 后置节点
struct listNode *next;
// 节点值
void *value;
} listNode;
typedef struct list {
// 链表头节点
listNode *head;
// 链表尾节点
listNode *tail;
// 节点值复制函数 复制节点保存的值
void *(*dup)(void *ptr);
// 节点值释放函数 释放节点保存的值
void (*free)(void *ptr);
// 节点值对比函数 用于判读节点保存的值与要输入的值是否相等
int (*match)(void *ptr, void *key);
// 链表所包含的节点数量
unsigned long len;
} list;
链表结构图：
4 跳表：
调表的结构：
由多层链表构成，每层之间部分节点相连，且每层链表的数据都是有序的
最底层的链表是双向的，且包含所有元素，可实现类似二分查找，
在调表中的查找次数接近层数，时间复杂度为O(logn)
用随机化来决定哪些节点需要上浮
如下图中的L1是最原始的跳表，我们通过抛硬币的方式让部分节点上浮到L2中，
来构成一个新链表，再用同样的方式来生成新链表
跳表中的查找：
类似二分查找，从最顶层开始查找，大数向右查找，小数向左查找
如查找17，查找路径为 13 -> 46 -> 22 -> 17
查找35 13 -> 46 -> 22 -> 46 -> 35
查找 54 13 -> 46 -> 54
跳表中的插入：
1 向在最底层链表中找到合适的位置，并插入
2 然后用抛硬币的方式决定它是否要要上浮
加入此时链表共3层，需要抛两次硬币，来决定它上浮几次
跳表的实现：
1 使用zskipListNode来保存跳表中每个节点
/* ZSETs use a specialized version of Skiplists */
typedef struct zskiplistNode {
// 成员对象 （robj *obj;） 指向一个sds
sds ele;
// 分值 用于实现zset
double score;
// 后退指针 指向前一个节点
struct zskiplistNode *backward;
// 层
struct zskiplistLevel {
// 前进指针
struct zskiplistNode *forward;
// 跨度
// 跨度实际上是用来计算元素排名(rank)的，在查找某个节点的过程中，将沿途访过的所有层的跨度累积起来，得到的结果就是目标节点在跳跃表中的排位
unsigned long span;
} level[];
} zskiplistNode;
2 使用zskiplist结构体来保存当前调表的整体信息
typedef struct zskiplist {
// 表头节点和表尾节点
struct zskiplistNode *header, *tail;
// 表中节点的数量
unsigned long length;
// 表中层数最大的节点的层数
int level;
} zskiplist;
跳表与平衡树、哈希表的比较
1 skiplist和各种平衡树（如AVL、红黑树等）的元素是有序排列的，而哈希表不是有序的。
因此，在哈希表上只能做单个key的查找，不适宜做范围查找。所谓范围查找，指的是查找那些大小在指定的两个值之间的所有节点。
2 在做范围查找的时候，平衡树比skiplist操作要复杂。
在平衡树上，我们找到指定范围的小值之后，还需要以中序遍历的顺序继续寻找其它不超过大值的节点。
如果不对平衡树进行一定的改造，这里的中序遍历并不容易实现。
而在skiplist上进行范围查找就非常简单，只需要在找到小值之后，对第1层链表进行若干步的遍历就可以实现。
3 平衡树的插入和删除操作可能引发子树的调整，逻辑复杂，
而skiplist的插入和删除只需要修改相邻节点的指针，操作简单又快速。
4 从内存占用上来说，skiplist比平衡树更灵活一些。
一般来说，平衡树每个节点包含2个指针（分别指向左右子树），而skiplist每个节点包含的指针数目平均为1/(1-p)，具体取决于参数p的大小。如果像Redis里的实现一样，取p=1/4，那么平均每个节点包含1.33个指针，比平衡树更有优势。
5 查找单个key，skiplist和平衡树的时间复杂度都为O(log n)，大体相当；
而哈希表在保持较低的哈希值冲突概率的前提下，查找时间复杂度接近O(1)，性能更高一些。
所以我们平常使用的各种Map或dictionary结构，大都是基于哈希表实现的。
从算法实现难度上来比较，skiplist比平衡树要简单得多。
Redis中的数据类型
1 string
基于SDS实现
用于计数：粉丝数
还可用于保存用户的session，前提是保证redis的高可用
增加/减小数字 incr/decr/incrby/decrby
获取指定区间范围内的值 getrange start end 闭区间
给指定位置或范围复制 setrange
当key不存在时才富新值 setnx key value
批量赋值和取值 mset/mget/msetnx
注意：在msetnx中，只要有一个key有value，整个赋值操作都不会被执行
先获取旧值再赋新值 getset
2 list：
基于双向链表实现,修改list中间的数据时，时间复杂度较高
适用于粉丝列表 消息列表
可以使用lrange key start index来实现高性能分页
可以用于实现消息队列 brpop阻塞式地从表尾取出数据
从左/右边插入数据 lpush rpush
从左边/右边出一个数据 lpop / rpop
从左到右遍历数据 lrange 0 -1
根据索引取值 lindex key index
根据索引赋值 lset key index value (索引不能超出范围))
在指定元素的前后插入元素 linsert key before/after pivot value
阻塞式地从表尾取出数据 brpop key
求长度 llen
删除多个相同的value： lrem key count element
截取list 闭区间 ltrim key start end
从源list的末尾删除一个元素并插入目标list的头部 rpoplpush source target
3 set
基于字典实现
功能与list类似，但可以自动去重 ，但无序
可以用set来求交集，如共同关注、共同粉丝、共同喜好
使用srandommember来获取随机数
相对于jvm的HashSet，redis的set可以实现全局去重
创建一个set: sadd values
遍历set smembers key
判断某个values是否存在 sismemeber key value
获取set中元素个数 scard key
删除set中的指定元素 srm key value
从set中随机提取指定个数的元素 srandmemeber key number
随机出栈元素 spop key
移动元素到其它set smove source target value
差集/交集/并集 sdiee/sinter/sunion
保存两个set的交集到key1 sinterstore key1 key2 key3
差集就是存在第一个set但不在第二个set中的元素的集合
4 Hash
基于字典实现
适用于存储对象，前提是这个对象没有嵌套其它对象
给对象的属性赋值 hset key field value
获取对象中的某个属性 hget key field
批量赋值/取值 hmset/hmget
删除对象属性 hdel key field
对象的属性个数 hlen key
判对象中是否在某个属性 hexists key fiels
获取对象的所有属性以及对应的value hgetall key
获取对象的所有属性 hkeys key
获取对象的所有value hvals key
增长整型或浮点型value hincrby/hincrbyfloat key value number
给不存在的属性赋值 hseetnx key field value
5 zset:
基于跳表实现
无重复值且有序的集合，默认按分数递增排序
每个value由两部分构成 真实值和对应的分数
适用于各种排行榜信息，如文章访问量排行榜
带权重的列表
添加内容 zadd key score1 member1 score2 member2
遍历zset zrange key withscores
zrange key 0 -1 -withscores
指定分数范围来遍历zset zrangebyscore key min max 在分数前加"("表示开区间，默认为闭区间
逆序遍历指定范围scoer的元素zrevrangebyscore key max min
提取排名前n的元素 zrevrange key 0 n-1
删除某个元素 zrem key member
获取元素个数 zcard key
获取分数区间内的元素个数 zcount key min max
获取memeber对应的排名 zrank key member
逆序获取memeber对应的排名 zrevrank key meember
获取memeber对应的分数 zscore key
使用Redis实现文章访问量排序：
把文章id和访问量存入zset zadd paper 10000 p1 8000 p2 9000 93
按访问量从高到低排序 zrevrange paper 0 -1 withscores
查看指定访问量的文章并排序 ZREVRANGEBYSCORE paper 10000 9000
转载：https://blog.csdn.net/u012712556/article/details/106178568